MétaCan
Menu
Retour à la cohorte
Enregistrement W4413801794 · doi:10.1016/j.avb.2025.102080

A meta-analysis of recidivism rates among individuals who commit child sexual exploitation material (CSEM) offending

2025· article· en· W4413801794 sur OpenAlexafffund
Serra Baskurt, Kelly M. Babchishin, Gabriella Hilkes, Michael C. Seto

Notice bibliographique

RevueAggression and Violent Behavior · 2025
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensRoyal Ottawa Mental Health CentreCarleton University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésRecidivismCommitHuman factors and ergonomicsPoison controlInjury preventionSuicide preventionPsychologyOccupational safety and healthSex offenseSexual abuseClinical psychologyMeta-analysisSexual assaultPsychiatryForensic engineeringMedical emergencyMedicineEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

A critical challenge for managing individuals with Child Sexual Exploitation Material (CSEM) offenses is addressing their risk of sexual recidivism, especially contact sexual offending. We report on a meta-analysis of 30 non-overlapping samples (total N = 25,978), with 26 samples identifying CSEM index offenses and subsequent recidivism using official sources (e.g., charges) and four samples identifying CSEM offenses and subsequent recidivism using self-report. Individuals with CSEM offenses based on official sources showed a fixed-effect recidivism rate of 5.9 % any sexual (95 % CI = [5.6, 6.3], k [studies] = 21, N = 19,112), 1.5 % contact sexual (95 % CI = [1.4, 1.7], k = 20, N = 18,543), and 4.1 % CSEM (95 % CI = [3.8, 4.4], k = 21, N = 13,522), after an average of 5-year follow-up. Based on official sources, the odds of contact sexual offenses among Mixed individuals (CSEM plus contact sexual offending) are 16 times higher than CSEM-Exclusive individuals (exclusively CSEM offenses in their sexual offending history) at 8.8 % versus 0.6 % (OR = 15.99), respectively. There were several other significant moderators: National sources of official recidivism data produced higher rates than local sources ( Q ∆ = 58.1, p < .0001, df = 1); official recidivism had lower rates than self-reported recidivism ( Q ∆ = 232.2, p < .0001, df = 1); longer follow-ups were associated with higher rates, unstandardized B = 0.01, Z = 75.8, p < .001; and more recent studies showed higher rates, unstandardized B = 0.002, Z = 68.0, p < .001. This meta-analysis establishes new recidivism base rates for individuals with CSEM offenses, which can be used to inform risk-driven policies and practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,040
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0120,058
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,375
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAggression and Violent BehaviorMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207