Non-responsabilité criminelle pour cause de troubles mentaux : facteurs associés aux recommandations d’experts et aux verdicts à la cour
Bibliographic record
Abstract
Les facteurs associés aux recommandations d’experts psychiatres-légistes et aux verdicts à la cour de non-responsabilité criminelle pour cause de troubles mentaux ont peu été étudiés au Canada. Une collecte de données sociodémographiques, criminologiques et psychologiques a été réalisée à l’Institut national de psychiatrie légale Philippe-Pinel et au Palais de justice de Montréal sur 100 dossiers médicaux et plumitifs. Des analyses de régressions logistiques ont été exécutées afin d’identifier les facteurs sociodémographiques, criminologiques et psychologiques associés aux recommandations et aux verdicts de non-responsabilité criminelle pour cause de troubles mentaux. Les psychiatres ont recommandé la non-responsabilité criminelle pour cause de troubles mentaux pour 49% des sujets alors que les tribunaux ont reconnu 45% de l’échantillon comme étant non criminellement responsable. Les résultats suggèrent qu’une désorganisation cognitive et une perte de contrôle causée par un état psychotique au moment du crime, ainsi qu’un historique de verdicts de non-responsabilité criminelle pour cause de troubles mentaux sont associés aux recommandations psychiatriques de non-responsabilité criminelle. De plus, les résultats indiquent que de ne pas avoir d’information concernant la présence ou l’absence d’idées délirantes au moment du crime est associé aux verdicts de non-responsabilité criminelle pour cause de troubles mentaux. Cette étude permet de mettre en lumière les biais possibles dans le processus d’évaluation de non-responsabilité criminelle pour cause de troubles mentaux ainsi que les définitions et éléments du processus décisionnel qui mériteraient d’être précisés.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".