MétaCan
Menu
Retour à la cohorte
Enregistrement W7115076217 · doi:10.69978/jidob.v16i1.7

The Role of Integrated Physical and Mental Health Interventions in Reducing Offending Risk in Populations with Intellectual Disabilities

2025· article· W7115076217 sur OpenAlexaff

Notice bibliographique

RevueJournal of Intellectual Disabilities and Offending Behaviour · 2025
Typearticle
Langue
DomaineMedicine
ThématiqueDown syndrome and intellectual disability research
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésRecidivismPsychosocialMental healthPsychological interventionIntervention (counseling)Sample (material)Intellectual disabilityOccupational safety and healthHealth care

Résumé

récupéré en direct d'OpenAlex

This research focuses on assessing integrated physical and mental health interventions aimed at reducing offending behaviour amongst people with intellectual disabilities, a group that is overrep resented within forensic and institutional settings. Using randomized control methodology, the study analyzes the longitudinal outcomes of one dual-modality intervention of structured physical activity combined with cognitive-behavioral and other psychosocial therapies. Impact is measured across a 230-participant sample using various quantitative metrics, including changes in health parameters, psychiatric symptoms (GAD-7, PHQ-9), and recidivism risk scores. Results suggest important reductions in risk of offending were achieved, with synergistic benefits observed when both physical and mental health interventions were executed simultaneously. Further analysis uncovers strong predictive impacts of sustained improved health on behavior control, especially in high-risk subgroups.This research highlights the importance of integrated care frameworks for dual-diagnosis patients and provides evidence for the implementation of interdisciplinary policies regarding forensic disability services.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,047
Tête enseignante GPT0,361
Écart entre enseignants0,314 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intellectual Disabilities and Offending BehaviourMême sujetDown syndrome and intellectual disability researchTravaux en français237 207