Risk factors and missing persons: advancing an understanding of ‘risk’
Notice bibliographique
Résumé
Abstract This study seeks to advance an understanding of ‘risk’ for persons going missing—a phenomenon also known as missingness. There is a need to clarify terms used to describe correlations or statistical associations between variables that are identified as risk factors for missing person incidents to understand the mechanisms influencing this phenomenon. Without such research, policies and preventative strategies cannot be adequately offered to begin to reduce missingness. To do so, a review is first provided of the current risk factors identified internationally for missing persons. Then, the Kraemer and colleagues (Arch Gen Psychiatry 54:337–343, 1997; Kraemer et al., Am J Psychiatry 158:848–856, 2001) risk factor classification system and MacArthur framework are applied to the risk factors to identify the ways in which these may be overlapping, proxy, mediating, and/or moderating factors. This clarification on risk terminology attempts to offer a common language for communicating about risk factors associated with missing persons. Suggestions are then provided for how these factors may overlap and/or work together to form risk pathways. The application of this framework highlights that ‘going missing’ may have multiple risk pathways that transgress the current risk factor categorical boundaries. The article then concludes that consistent use of terms and additional research on risk factors will enhance investigations of missing persons and understandings of low- and high-risk groups.
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 | 0,081 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,042 |
| Communication savante | 0,012 | 0,036 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,007 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».