Public Mass Shootings: Counterfactual Trend Analysis of the Federal Assault Weapons Ban
Notice bibliographique
Résumé
Background: Assault weapon and large-capacity magazine bans are potential tools for policy makers to prevent public mass shootings. However, the efficacy of these bans is a continual source of debate. In an earlier study, we estimated the impact of the Federal Assault Weapons Ban (FAWB) on the number of public mass shooting events in the United States. This study provides an updated assessment with 3 additional years of firearm surveillance data to characterize the longer-term effects. Objective: This study aims to estimate the impact of the FAWB on trends in public mass shootings from 1966 to 2022. Methods: We used linear regression to estimate the impact of the FAWB on the 4-year simple moving average of annual public mass shootings, defined by events with 4 or more deaths in 24 hours, not including the perpetrator. The study period spans 1966 to 2022. The model includes indicator variables for both the FAWB period (1995-2004) and the period after its removal (2005-2022). These indicators were interacted with a linear time trend. Estimates were controlled for the national homicide rate. After estimation, the model provided counterfactual estimates of public mass shootings if the FAWB was never imposed and if the FAWB remained in place. Results: The overall upward trajectory in the number of public mass shootings substantially fell while the FAWB was in place. These trends are specific to events in which the perpetrator used an assault weapon or large-capacity magazine. Point estimates suggest the FAWB prevented up to 5 public mass shootings while the ban was active. A continuation of the FAWB and large-capacity magazine ban would have prevented up to 38 public mass shootings, but the CIs become wider as time moves further away from the period of the FAWB. Conclusions: The FAWB, which included a ban on large-capacity magazines, was associated with fewer public mass shooting events, fatalities, and nonfatal gun injuries. Gun control legislation is an important public health tool in the prevention of public mass shootings.
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 | 0,029 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».