How Should the Risk of Absconding Be Assessed? Existing Approaches within Forensic Mental Health Systems and Examination of a New Scale
Notice bibliographique
Résumé
At present, there are few validated tools to assist clinicians in assessing absconding risk and formulating viable risk management plans. In this article, we review existing literature on instrument validity and reliability in relation to absconding among patients in forensic care. We examine the predictive validity of a new risk assessment scale for absconding, the Waypoint Elopement Risk Scale-Historical (WERS-H), and assess its incremental utility against a general violence risk assessment instrument (HCR-20 V3 ). Results from all active inpatients in our service ( N = 139) revealed 73 individuals who were responsible for 261 absconding events from 2014 to 2020, representing a similar event frequency from a previous census conducted in 2012, but also reflecting considerable annual fluctuations in rate. Confirming results of earlier studies, the presence of substance use and lengthy durations of forensic supervision emerged as key variables associated with absconding. The WERS-H was found to be a significant predictor of future absconding events (incident rate ratio = 1.21, 95% CI [1.07, 1.38], p = .002) and contributed incrementally over the HCR-20 V3 Historical scale, suggesting that the use of an absconding-specific risk tool may yield better predictive accuracy compared to assessment instruments in the domain of general violence or offending.
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 | 0,050 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».