Adverse Childhood Experiences and Justice System Contact: A Systematic Review
Notice bibliographique
Résumé
CONTEXT: Given the wide-ranging health impacts of justice system involvement, we examined evidence for the association between adverse childhood experiences (ACEs) and justice system contact in the United States. OBJECTIVE: To synthesize epidemiological evidence for the association between ACEs and justice system contact. DATA SOURCES: We searched 5 databases for studies conducted through January 2020. The search term used for each database was as follows: ("aces" OR "childhood adversities") AND ("delinquency" OR "crime" OR "juvenile" OR criminal* OR offend*). STUDY SELECTION: We included all observational studies assessing the association between ACEs and justice system contact conducted in the United States. DATA EXTRACTION: Data extracted from each eligible study included information about the study design, study population, sample size, exposure and outcome measures, and key findings. Study quality was assessed by using the Newcastle-Ottawa Scale for nonrandomized trials. RESULTS: In total, 10 of 11 studies reviewed were conducted in juvenile population groups. Elevated ACE scores were associated with increased risk of juvenile justice system contact. Estimates of the adjusted odds ratio of justice system contact per 1-point increase in ACE score ranged from 0.91 to 1.68. Results were consistent across multiple types of justice system contact and across geographic regions. LIMITATIONS: Most studies reviewed were conducted in juvenile justice-involved populations with follow-up limited to adolescence or early adulthood. CONCLUSIONS: ACEs are positively associated with juvenile justice system contact in a dose-response fashion. ACE prevention programs may help reduce juvenile justice system contacts and improve child and adolescent health.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».