Homicide in the context of psychosis: analysis of prior service utilisation and age at onset of illness and violence
Notice bibliographique
Résumé
BACKGROUND: Public stigma and fear are heightened in cases of extreme violence perpetrated by persons with serious mental illness (SMI). Prevention efforts require understanding of illness patterns and treatment needs prior to these events unfolding. AIMS: To examine mental health service utilisation by persons who committed homicide and entered into forensic care, to investigate the adequacy of mental healthcare preceding these offences. METHOD: = 112). Sociodemographic, clinical and offence-related variables were coded from the health record and reports prepared for the forensic tribunal. RESULTS: Most patients (75.7%) had mental health contacts preceding the homicide, with 28.4% having a psychiatric in-patient admission in the year prior. For those with service contacts in the year preceding, 50.9% had had only sporadic contact and 70.7% were non-adherent with prescribed medications. Victims were commonly known to the individual (35.7%) and were often family members in care-providing roles (55.4%). Examination of age at onset of illness and offending patterns suggested that most persons admitted to forensic care for homicide act in the context of illness and exhibit a low frequency of pre-homicide offending. CONCLUSIONS: Many individuals admitted to forensic care for homicide have had inadequate mental healthcare leading up to this point. Effective responses to reduce and manage risk should encompass services that proactively address illness-related (e.g. earlier access and better maintenance in care) and criminogenic (e.g. substance use treatment, employment and psychosocial supports) domains.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».