MétaCan
Menu
Retour à la cohorte
Enregistrement W4382653329 · doi:10.29173/wclawr98

Innocence Mortality Tax: The Impact of Wrongful Conviction on Lifespan

2023· article· en· W4382653329 sur OpenAlexvenueno aff
Mary Catlin, Allison D. Redlich

Notice bibliographique

RevueThe Wrongful Conviction Law Review · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConvictionInnocenceHarmCriminologyConfession (law)Criminal ConvictionPsychologyLawPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

The wrongful conviction of innocent individuals is a growing problem for those unjustly convicted and the integrity of our legal system, with exonerees often struggling post-exoneration. Yet, too little is known about the long-term impact of wrongful convictions on those unjustly convicted. Thus, we investigated the effect of wrongful conviction on mortality and lifespan—that is, we tested for the possibility of an “innocence mortality tax.” We found that more exonerees have passed than expected when compared to U.S. death rates, and that exonerees died 13.24 years earlier than expected, given their age, gender, race/ethnicity, and incarceration length. Finally, those exonerees whose cases involved a false confession or mistaken eyewitness identification died significantly sooner than their counterparts. Our results highlight the need for researchers, practitioners, and policymakers to continue to find ways to mitigate the harm done to innocent individuals unjustly convicted.

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)0,007
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,354
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,160
Tête enseignante GPT0,516
Écart entre enseignants0,356 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Wrongful Conviction Law ReviewMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207