Alcohol and drug problems among Australian homicide offenders
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Most homicide studies focus upon 'acute' situational intoxication as opposed to 'chronic' substance misuse. The aims of the study were to: (1) determine the extent of homicide offenders' alcohol and drug use in the year preceding the homicide; (2) compare the individual characteristics of homicide offenders across levels of problematic substance use; and (3) compare homicide incident characteristics across levels of problematic substance use. DESIGN AND SETTING: Observational study using data collected through face-to-face interviews in custodial and community correctional settings across Australia. Participants were recruited through an opt-in process. PARTICIPANTS: The data consist of 302 individuals convicted of murder or manslaughter. MEASUREMENTS: We used the Alcohol Use Disorder Identification Test and Drug Abuse Screening Test to determine problematic alcohol or drug use. We also used a range of self-report measures to ascertain offender characteristics [socio-demographics, developmental experiences, criminal history, personality] and incident characteristics (who was killed, and situational intoxication). FINDINGS: Of the sample, 38.8% displayed high levels of alcohol problems and 30.8% displayed high levels of drug problems. Those displaying high levels of alcohol and/or drug problems were more likely than those without high levels of alcohol and/or drug problems to report adverse developmental experiences, low education, financial difficulties, extensive criminal histories and high levels of trait anger, impulsivity and risk-seeking. In addition, offenders with problematic substance use were more likely to have killed non-family and to have used substances at the time of the homicide. CONCLUSIONS: High proportions of homicide offenders in Australia appear to have problematic substance use in the year preceding the homicide offence, and such use appears to be associated with a range of other challenging factors, including adverse childhoods, criminal involvement, low socio-economic factors and low self-regulation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».