The predictive value of neurobiological measures for recidivism in delinquent male young adults
Notice bibliographique
Résumé
Background: Neurobiological measures have been associated with delinquent behaviour, but little is known about the predictive power of these measures for criminal recidivism and whether they have incremental value over and above demographic and behavioural measures. This study examined whether selected measures of autonomic functioning, functional neuroimaging and electroencephalography predict overall and serious recidivism in a sample of 127 delinquent young adults. Methods: We assessed demographics; education and intelligence; previous delinquency and drug use; behavioural traits, including aggression and psychopathy; and neurobiological measures, including heart rate, heart rate variability, functional brain activity during an inhibition task and 2 electroencephalographic measures of error-processing. We tested longitudinal associations with recidivism using Cox proportional hazard models and predictive power using C-indexes. Results: Past offences, long-term cannabis use and reactive aggression were strongly associated with recidivism, as were resting heart rate and error-processing. In the predictive model, demographics, past delinquency, drug use and behavioural traits had moderate predictive power for overall and for serious recidivism (C-index over 30 months [fraction of pairs in the data, where the higher observed survival time was correctly predicted]: C30 = 0.68 and 0.75, respectively). Neurobiological measures significantly improved predictive power (C30 = 0.72 for overall recidivism and C30 = 0.80 for serious recidivism). Limitations: Findings cannot be generalized to females, and follow-up was limited to 4 years. Conclusion: Demographic and behavioural characteristics longitudinally predicted recidivism in delinquent male young adults, and neurobiological measures improved the models. This led to good predictive function, particularly for serious recidivism. Importantly, the most feasible measures (autonomic functioning and electroencephalography) proved to be useful neurobiological predictors.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».