暴力风险评估相关领域的法律和心理学,因为它发生在无数的转折期,在法律体系,它是一个关键领域的犯罪心理学的研究和临床实践。这个条目评论两个主要风险评估方法:非结构化和结构化。前者的方法,有时也称为临床预测或判断,对决策过程没有规则,而后者的方法。两个主要结构风险评估方法包括(1)精算和(2)结构化的职业判断(SPJ)。虽然结构化方法对规则的风险因素被认为是和定义,精算风险评估使用一种算法结合风险因素为最后决定,而SPJ不。这个条目将描述这些方法及其伴随的优点和缺点。
风险评估的相关性和上下文
对未来暴力风险评估通知决定。在众多法律和临床实践领域,这样的决定是法规所要求的,职业道德,或普通法。例如,在大多数地区,一个人必须构成,尤其,对别人的伤害的风险(或自我)是不自觉地谦恭地提交。释放囚犯从制度到社区位置通常取决于他们是否构成过分的公共安全风险。风险评估是在这种情况下决策的基础。根据在美国管辖,心理学家和其他精神健康专家有普通法和道德义务来保护第三方从病人带来的暴力。相应地,风险评估是用于确定一名性罪犯是否会受到postsentence无意识的性侵犯者法律下的承诺。类似“不确定的判决”的条款存在于美国。司法管辖区,比如加拿大和英国。因此,风险评估在平衡公共安全中起着举足轻重的作用与受宪法保护的权利和自由等自由。
风险评估方法
当代风险评估方法一直深受保罗·米尔的精算和临床预测之间的区别。前者是指决策过程涉及到正式的变量或信息的组合,通过方程或其他算法流程,做出决定。后者是由缺乏这样的规则定义。在当代风险评估方法通常可以分为结构化和非结构化。如下所述,非结构化的风险评估,在本质上,保罗·米尔称为临床预测。结构化风险评估包括统计预测以及最近的方法称为结构化的职业判断。
非结构化的风险评估
一般来说,非结构化临床判断是最常见的方法来评价一个人的暴力的风险。根据定义,它是主要基于专业意见,直觉,和临床经验。评估员有绝对酌情决定权的选择要考虑风险因素,如何概念化它们,如何合成材料,和如何解释这些信息呈现的决定。因此,该方法固有的非正式的和主观的。尽管临床判断是一个例程和必要的组件在许多临床决策环境中,临床判断的预测的定义特征是缺乏规则集成案例信息。虽然这允许灵活性,表面上广泛的适用性,个别病人和相关性,这种方法有很多问题。
首先,由于缺乏规则,批评人士认为,这项技术通常缺乏一致性,因为独立的临床医生可能专注于不同的信息来源和随后形成不同的结论(低评分者间信度)。第二,临床医生可能会或可能不会参加变量实际上与暴力行为(内容效度低)。第三,要么未能出席重要的风险因素,参加无关变量,或让体重不当风险因素,将不可避免地减少决策(低预测效度)的准确性。第四,批评者认为,独立临床决策透明度的决策中排除,这是至关重要的一个法律论坛(低法律帮助)。其他因素导致低(或至少是不一致的)精度包括对决策偏见和启发式,未能考虑基准利率信息,未能整合态势信息,缺乏特异性的标准变量。研究也证明了这些弱点:非结构化风险评估已被证明的准确性(a)相差很大在不同的临床医生和(b)虽然预测的暴力,那么强烈相关的暴力比更系统化的方法。
结构化的风险评估
针对非结构化临床方法的缺点和令人不安的影响这些举行重要的法律决定,研究人员开始研究结构化方法。当代结构化风险评估方法的共同特性,比如(a)包含一组固定的风险因素,(b)操作风险因素的定义,(c)为风险因素得分或编码程序,和(d)方向如何集成风险因素对风险做出最后决定。然而,如下所述,之间有重大差异的两个主要方法结构化的风险评估。
统计预测
第一个结构化的方法,研究了统计预测。从技术上讲,一个预测方法是精算当它使用正式规则结合变量或风险因素做出决定。因此,这个过程涉及到正式应用一组预先决定的明确和公式化的决策规则做出决定关于暴力的可能性。保险精算方法被描述为算法,机械,指定,完全复制。保险精算的相关,虽然不是定义、特性预测是使用实证项目选择;即变量包含风险因素对精算风险评估措施经常选择,因为他们证明了与暴力的统计关联在一个(或者,更很少,两个或两个以上)特定的建筑或校准样品。统计预测的另一个相关功能是派生的经验通常的风险因素加权根据协会的力量与暴力中观察到建设样本(s)。
统计预测技术的主要论点支持是促进评分者间信度和预测效度,特别是在与非结构化的方法进行比较。因为保险精算的程序使用显式规则相结合的风险因素,他们产生同样的决定不管谁使用它们(高评分者间信度),鉴于存在同样的风险因素的情况下,他们产生同样的结果。此外,他们是透明的(可检查的和负责任的)。许多统计预测技术在统计上优化,因为他们重变量根据其与暴力的关系。因此,至少在他们的样品开发,他们往往有很高的预测效度相比,非结构化的方法。
人们普遍认为,风险评估的精算方法产量预测精度高于非结构化的方法比较两组(常规的)预测在同一样本。也许最好的这方面的证据来自荟萃分析136年威廉·林和他的同事们所做的研究,直接将统计预测与非结构化临床预测。比临床统计预测更准确预测在大约三分之一到一半的研究。在大约一半的研究中,没有预测准确性差。在一小部分的研究中,非结构化临床预测更准确。平均而言,比临床统计预测更准确预测命中率增加约10%。
尽管提高了两分的可靠性和预测效度的重要优势,保险精算的预测具有,评论家指出几个弱点。也许最重要的是,保险精算模型的预测性能往往是优化样本内的发展,不能保证这些属性将应用于小说设置或样品(普遍性)。出于这个原因,精确的数值概率估计,或有意分类降低分数,往往是用于统计预测关键需要交叉验证和复制之前使用。
第二,一些保险精算技术可能临床适用性有限,决策者可能担心暴力事件的上下文(例如,迫在眉睫的暴力)与现有的保险精算的协议不一致由一组特定的条件(例如,长期随访期间)。第三,保险精算方法倾向于忽视低基准利率因素未能进入nomothetically派生的统计方程因其稀有或他们的特定的性质,即使他们可能重要的个案。在最严格的精算方法,仪器上的任何附加信息不包含不能被考虑。第四,一些保险精算模型一直被批评为缺乏有用的在风险管理方面,治疗,或更广泛的风险减少,因为他们倾向于关注静态风险因素相对于动态(多变)风险因素可能更适合治疗工作。
结构化的职业判断
面对这些弱点,最近开发了风险评估的方法,称为结构化的职业判断,已转发。像大多数精算方法,SPJ方法指定一组固定的操作风险因素定义显式编码过程。这种结构的目的是促进两个评分者间信度和综合领域覆盖,或内容效度。它有三个主要差异与大多数精算方法相比。首先,SPJ方法使用逻辑或理性的项目选择与实证项目选择过程来选择风险因素。这个过程涉及到科学和专业文献的广泛协商选择风险因素与跨语境的广泛支持。在理论上,这种方法培养的普遍性和全面性风险因素的集合。
第二,SPJ方法不需要算法的组合风险因素获得风险估计,因此他们不是精算。有四个主要原因SPJ方法不采用算法项目组合过程。(1)这样的程序容易退化预测精度的情况下,这意味着一个信用评分底线样品不能被认为适用于另一个上下文中。(2)促进一致性组合规则时,他们可能会这样做,以牺牲个体的相关性;也就是说,某些风险因素会更与一个人的暴力风险比另一个相关的风险,以及风险评估过程应该能够占个人rele-vance这个微分。(3)决策基于固定的算法程序假定未来是固定的;如果环境改变,精算估计可能是无效的。(4)可能存在情况下只有几个风险因素存在,但是他们的突出迫使高风险的结论。
SPJ方法试图优化nomothetically派生的相关危险因素的个体——无论是法律还是临床的目的,是决策的水平。最终决定的低,中度或高度风险是由决策者在考虑风险因素的数量和相关性在和任何必要的干预的强度和紧迫性或管理策略来降低风险。SPJ模型没有提供估计数值概率水平的未来vio-lence对于个人的情况,因为它是假定它实际上不可能这样做的问题缺乏稳定的程序,如上面了。此外,在精算数值概率估计组的估计(即派生而来。现年53岁的100人的X风险集团暴力);他们适用于一个人不在这个组会在未来是脆弱的。
SPJ方法的批评人士认为,它会降低可靠性和有效性通过自由裁量权在变量的津贴集成阶段的决策。SPJ尽管这是一个有争议的方面,迄今为止的研究表明,SPJ方法的可靠性和预测效度至少是相当的可靠性和预测效度的精算方法在一些研究中,超过他们。
研究人员继续研究的优势和限制保险精算和SPJ风险评估方法。都有保证,而且都有局限性。该领域将受益于研究如何提高个人相关性、治疗的相关性,旨在概括性的保险精算的程序。SPJ研究而言,需要研究的问题包括是否可以添加到其他结构最终决定不引入与保险精算相关的问题的决策。
引用:
- 道格拉斯·k·S。&克鲁普p r (2002)。prevention-based范式暴力风险评估:临床和研究应用。刑事司法和行为,29岁,617 - 658。
- 树林,w . M。,Zald d·H。雷柏,b。Snitz, b, E。&纳尔逊,c (2000)。临床与机械预测:一个荟萃分析。心理评估12 19-30。
- 米尔,p . e . (1954)。临床和统计预测。明尼阿波利斯:明尼苏达大学出版社。
- 莫纳罕,J。Steadman, h·J。、银、E。、Appelbaum p S。罗宾斯,p . C。、《e . P。,et al。(2001)。重新考虑风险评估:麦克阿瑟研究精神疾病和暴力。纽约:牛津大学出版社。