MétaCan
Menu
Retour à la cohorte
Enregistrement W4311232682 · doi:10.1177/00938548221140366

An Economic Analysis of Crime Costs Associated with Psychopathic Personality Disorder and Violence Risk

2022· article· en· W4311232682 sur OpenAlexafffundabout
Dylan T. Gatner, Kevin S. Douglas, Madison F. E. Almond, Stephen D. Hart, P. Randall Kropp

Notice bibliographique

RevueCriminal Justice and Behavior · 2022
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensBC Mental Health & Substance Use ServicesSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésRecidivismPsychopathyPsychopathy ChecklistAntisocial personality disorderPsychologyPsychiatryPoison controlCriminal justiceClinical psychologyInjury preventionChecklistSuicide preventionHuman factors and ergonomicsOccupational safety and healthPersonalityMedicineEnvironmental healthCriminologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Given substantial national crime costs and that psychopathic personality disorder (PPD) is a robust predictor of recidivism, a research gap exists concerning the cost of crime attributable to adults with PPD. The current study employed a bottom-up cost of illness approach to estimate the association between PPD and crime costs among Canadian men incarcerated in the federal correctional system ( n = 188). Participants were rated using the Psychopathy Checklist–Revised (PCL-R) and the Historical-Clinical-Risk Management–20 (HCR-20, version 2). Group mean crime costs were highest for participants who scored highly on the PCL-R and were rated high risk on the HCR-20, and higher scores on both measures were associated with prospective costs accrued from violent and nonviolent recidivism. The findings highlight the need to improve the treatment and management of high-risk individuals with prominent psychopathic features, as it has the potential for significant financial savings for criminal justice systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,333
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCriminal Justice and BehaviorMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207