Convergent and predictive properties of three risk assessment instruments in a Canadian forensic mental health sample
Notice bibliographique
Résumé
The use of risk assessment instruments is essential for the assessment, treatment, and management of violence risk; it is thus critical to examine their properties when implemented in novel settings with diverse forensic subpopulations. This study evaluated the convergent and predictive properties of three risk assessment instruments in a sample of 109 forensic patients found Not Criminally Responsible on Account of Mental Disorder (NCR). A retrospective longitudinal cohort design was employed to examine the Historical Clinical Risk Management-20 Version 3 (HCR-20V3), Revised Violence Risk Appraisal Guide (VRAG-R), and Level of Service/Case Management Inventory (LS/CMI) rated from archived hospital records. LS/CMI risk scores and risk bands predicted general (area under the curve [AUC] = .70–.73) and violent (AUC = .76–.91) recidivism with moderate to large effects and performed similarly to the VRAG-R and HCR-20V3. Calibration analyses demonstrated that LS/CMI scores overpredicted the risk of general recidivism in Moderate to Very High risk bands. Results supported the convergent validity and discrimination properties of study measures; however, mixed evidence was found for the calibration properties of the LS/CMI. The potential utility of risk instruments in the appraisal and management of offending behavior among forensic mental health patients is discussed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».