问题

存在的问题:

该研究旨在解决俄勒冈州各县用于预测审前释放期间未出庭（FTA）和再逮捕率的审前风险评估工具（PSC和VPRAI）的准确性和有效性。

对系统及/或公众的影响：

审前羁押直接影响社区安全、公平和司法效率。 验证这些工具对于减少种族/民族差异和确保在释放和拘留方面做出公正决策至关重要。

研究问题:

1. 审前风险工具在预测未能出庭和再次被捕方面有多准确？
2. 如何改进这些工具或协议以提高预测的准确性？
   
   

方法与分析

评估的项目或解决的差距：

该研究的重点是评估PSC和VPRAI的预测准确性，解决不同司法管辖区在工具验证和校准方面的差距。

数据和样本量：

• 数据来自俄勒冈州司法部门（OJD）和执法数据系统（LEDS）。
• 最终样本：来自9个县的24,438例，代表不同的人口统计。
  

分析使用:

• 使用曲线下面积（AUC）指标进行敏感性和特异性分析，以确定预测的有效性。
• 逻辑回归模型控制影响结果的外部因素。
• 评估工具性能中的种族/民族差异。
  

结果

主要结论:

• PSC工具在预测结果方面通常比未经验证的VPRAI表现更好，特别是在识别低风险被告方面。
• VPRAI在俄勒冈州各县表现不佳，可能是由于未经校准的使用。
• 各国AUC值的差异突出了对风险工具进行当地校准的必要性。
• 种族/民族群体预测准确性的差异表明这些工具存在潜在的偏见。
  

影响或建议：

• 验证与校准审前工具应针对当地人群进行验证和重新校准，以提高准确性和公平性。
• 政策对齐工具必须与司法政策保持一致，包括努力尽量减少种族和系统偏见。
• 改进的数据集成：加强数据系统，减少样品损失，提高分析可靠性。
• 定期检查: 根据俄勒冈州首席大法官命令的要求，工具应该定期进行审查和重新验证。
• 培训和意识司法和执法人员应接受关于风险工具的限制和适当使用的培训。

这项研究强调了数据驱动、公平的审前决策过程的重要性，并强调了持续验证和重新校准风险评估工具的关键作用。