Dynamic risk factors reassessed regularly after release from incarceration predict imminent violent recidivism.
Notice bibliographique
Résumé
OBJECTIVE: In community-based corrections, reassessment of dynamic risk factors improves the prediction of recidivism relative to initial risk assessment at the time of release. However, there is less evidence for predictions of violent recidivism. We examined whether reassessment proximity or aggregation of reassessments improved the prediction of imminent violence in a sample of paroled individuals on community supervision. HYPOTHESES: We hypothesized that reassessment of dynamic risk would better predict violent recidivism than initial risk assessment at the time of release. Examination of aggregation and individual risk-factor domains was exploratory. METHOD: In a prospective study of violent recidivism in a sample of individuals on community supervision in New Zealand (75,917 assessments from 3,421 participants; 92.8% men), we used supervision officers' ratings of dynamic risk (assessed using Dynamic Risk Assessment for Offender Re-entry [DRAOR]) and static risk scores (using the Risk of ReConviction × Risk of Imprisonment) to predict imminent violence (within 2 weeks). RESULTS: Individuals who recidivated violently had higher initial risk ratings (DRAOR Stable d = 0.36, 95% CI [0.17, 0.55]; DRAOR Acute d = 0.45, 95% CI [0.26, 0.64]) and showed more week-to-week fluctuations in risk ratings (DRAOR Stable d = 0.21, 95% CI [0.04, 0.41]; DRAOR Acute d = 0.26, 95% CI [0.06,0.46]). Total averages of faster-changing acute risk factors best predicted violence (c-index = 0.68), with changes in these factors incrementally predicting violence over well-established predictors (criminal history) and initial scores (Δχ2 = 15.54, df = 3). The constructs that best discriminated violence were consistent with social cognition explanations of violence. CONCLUSIONS: Because client consistency as determined through score aggregation was more important than current presentation, supervision officers should consider overall patterns of interpersonal hostility and reactivity rather than assuming the emerging presence of these factors will signal imminent violence among previously violent individuals. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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) | 0,000 | 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) | 0,001 | 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 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 ».