Australia’s research investment in the health of justice-involved populations
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to quantify and describe National Health and Medical Research Council (NHMRC) funding for research on the health of justice-involved people (i.e. people who are incarcerated or otherwise under criminal justice supervision). METHODS: We searched the NHMRC funding database for the period 2000-2022 using keywords and names of prominent researchers. Potentially relevant grants were independently reviewed by two authors for inclusion. Information about included grants was independently extracted by the same two authors. RESULTS: Of A$16.4 billion in NHMRC funding over the period 2000-2022, A$38.7 million (0.22%) was for justice health research. Most grants were for research in Australia's most populous eastern states and focused on mental health, substance use and/or infectious disease. Only A$4.5 million (0.03% of the total NHMRC allocation) was for research on the health of justice-involved children and adolescents. CONCLUSIONS: NHMRC funding for justice health research in Australia is out of step with the substantial health and economic burden associated with Australian criminal justice systems. Greater investment in independent, high-quality research in the justice health field has the potential to improve public health, reduce costs and reduce health inequities. More funding for research on non-communicable disease, disability, and the health of justice-involved children and adolescents is required.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».