Sociodemographic Information, Aversive and Traumatic Events, Offence-Related Characteristics, and Mental Health of Delinquent Women in Forensic-Psychiatric Care in Switzerland.
Notice bibliographique
Résumé
The present study describes a much understudied group-namely, female prisoners under forensic-psychiatric care in the German-speaking part of Switzerland-to improve understanding of their risks and their needs. Data were derived from internal databases of a Forensic-Psychiatric Service. Data were collected in the form of their sociodemographic characteristics, prevalence of aversive and traumatic events, type of offence committed, and mental health conditions. Based on a full-sample approach, a total of 1,571 files were analysed. Results reveal that two thirds of the participants were not in a stable relationship, more than half did not complete a school degree, and three quarters were without stable employment prior to their incarceration. Two thirds were mothers and about one third did not grow up with their parents. Almost half grew up with an alcohol abusing parent, about half experienced violence and/or neglect in childhood, and about a quarter of the cases sexual abuse. About 95% had a mental health diagnosis according to International Classification of Diseases-Version 10 (ICD-10), and the most prevalent mental and behavioural disorder was due to psychoactive substance abuse. The most frequent offence type was drug-related crimes. Women convicted for drug-related crimes were more likely to have an ICD-10 F1 disorder compared with those convicted for other crimes. Conversely, women with violent offences were less likely to suffer from ICD-10 F1 disorder than those who had committed nonviolent offences. Findings have implications for practitioners and policy makers, and contribute to the cycle of violence theory discussion. In conclusion, future research areas are suggested.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».