COVID-19 and Social Distancing Measures in Queensland Australia Are Associated with Short-Term Decreases in Recorded Violent Crime
Notice bibliographique
Résumé
Since first diagnosed in late 2019, there have been more than 4 million confirmed cases of COVID-19 and more than a quarter of a million deaths worldwide. Not since the Spanish Flu in 1918 has the world experienced such a widespread pandemic and this has motivated many countries across globe to take a series of unprecedented actions in an effort to curb the spread and impact of the virus through the adoption of unprecedented domestic and international travel restrictions as well as stay-at-home and social distancing regulations. Whether these policies have altered criminal activity is an important question. In this study, we examine officially recorded violent crime rates for the month of March and April, 2020, as reported for the state of Queensland, Australia. We use ARIMA modeling techniques to compute six-month-ahead forecasts of common assault, serious assault, sexual offense and domestic violence order breach rates and then compare these forecasts (and their 95\% confidence intervals) with the observed data for March and April 2020. We conclude that by the end of April, rates of common, serious and sexual assault had declined to their lowest level in a number of years, and for serious assault and sexual assault the decline was beyond statistical expectations. The rate at which domestic violence orders were breached in Queensland has remained unchanged throughout the first two months of the pandemic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».