A systematic review and meta-analysis of the effect of community treatment orders on aggression or criminal behaviour in people with a mental illness
Notice bibliographique
Résumé
AIMS: There has been concern about violent acts and other criminal behaviour by people with a possible history of mental health problems. We therefore assessed the effects of community treatment orders (CTOs) on self-, third-party-, and agency-reported criminal behaviour when compared to voluntary treatment. METHODS: A systematic search of PubMed/Medline, Embase, PsycINFO and criminal justice bibliographic databases for observational or randomised controlled trials (RCTs) comparing CTO cases with controls receiving voluntary psychiatric treatment. Relevant outcomes were reports of violence and aggression or contacts with the criminal justice system such as arrests and court appearances. RESULTS: Thirteen papers from 11 studies met inclusion criteria. Nine papers came from the United States and four from Australia. Two papers were of RCTs. Results for all outcomes were non-significant, the effect size declining as study design improved from non-randomised data on self-reported criminal behaviour, through third party criminal justice records and finally to RCTs. Similarly, there was no significant finding in the subgroup analysis of serious criminal behaviour. CONCLUSIONS: On the limited available evidence, CTOs may not address aggression or criminal behaviour in people with mental illness. This is possibly because the risk of violence is increased by comorbid or nonclinical variables, which are beyond the scope of CTOs. These include substance use, a history of victimisation or maltreatment, and the wider environment. The management of risk should therefore focus on the whole person and their community through social and public health interventions, not solely legislative control.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».