Examining Benchmarks of Sexual Recidivism Rates for Short, Moderate, and Long-Term Follow-Up Periods: A Meta-Analysis of Canadian and American Studies
Notice bibliographique
Résumé
Measuring sexual recidivism involves both a behavioral and a temporal component. The behavioral component is sexually reoffending, generally measured using official sources. The temporal component is the follow-up period during which sexual recidivism is examined. Research has shown that if the length of the follow-up period is extended, rates of sexual recidivism increase. What is less clear is the functional form of this relationship. The present study examines this relationship through a meta-analysis of 468 sexual recidivism studies conducted in Canada and the United States and published since 1940. The weighted pooled mean recidivism rates ranged from 0.06 (95% CI [0.05, 0.09]; mean follow-up of less than 3 years) to 0.17 ([0.12, 0.23]; mean follow-up of 12 years or more). These benchmarks should be used with caution given the wide variability of recidivism rates observed in studies with similar mean follow-up periods. Such caution is especially needed in when communicating the risk of recidivism over longer-term follow-up periods given the limited number of such studies.
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 | 0,072 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,058 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».