Comparing predictive validity of Youth Level of Service/Case Management Inventory scores in Indigenous and non-Indigenous Canadian youth.
Notice bibliographique
Résumé
OBJECTIVE: There is an increasing recognition of the necessity to establish the predictive validity of risk assessment scores within specific population subgroups, particularly those (including Indigenous peoples) who are overrepresented in the criminal justice system. I compared measures of discrimination and calibration of the Youth Level of Service/Case Management Inventory (YLS/CMI) in Indigenous and non-Indigenous youth probationers in Ontario, Canada. HYPOTHESES: Compared with non-Indigenous youth, Indigenous youth would have higher risk scores and reoffense rates. The YLS/CMI would predict reoffending and time to reoffense significantly and comparably for Indigenous and non-Indigenous youth, but there would be group difference discrimination (sensitivity, specificity) and calibration (positive predictive value, negative predictive value). METHOD: Justice ministry-supplied data on 400 Indigenous and non-Indigenous youth (330 male, 70 female) individually matched on key background variables were analyzed to provide measures of discrimination and calibration of the YLS/CMI, with 3-year recidivism as the primary outcome. RESULTS: = .60); 70% of Indigenous youth and 46% of non-Indigenous youth reoffended (ϕ = .24). Overall measures of discrimination (area under the curve) and calibration (logistic regression) were significant and did not differ across groups. Cross-area under the curve results indicated that the YLS/CMI discriminated Indigenous recidivists from non-Indigenous nonrecidivists but differentiated Indigenous nonrecidivists from non-Indigenous recidivists at chance level. In addition, recidivism was underestimated for low-risk Indigenous youth compared with non-Indigenous youth, but specificity was also low; only 28% of Indigenous youth who did not reoffend were assessed as low risk. Results were largely consistent across male and female youth. CONCLUSIONS: Examining subgroup predictive validity using multiple indices provides important information that should inform policy and practice discussions regarding fair use of risk assessment tools. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».