De Predictieve Validiteit van Instrumenten voor Risicotaxatie van Huiselijk Geweld: Een meta-analytisch onderzoek
Masterscriptie Forensische Orthopedagogiek Graduate School of Child Development and Education Universiteit van Amsterdam E. Vijge 11109580 Begeleider: dhr. dr. M. Assink Tweede Beoordelaar: mw. dr. C. E. van der Put Amsterdam, juni, 2017
Inhoudsopgave Abstract ... 3 Samenvatting ... 4 Inleiding ... 5 Methode ... 10 Inclusie- en Exclusiecriteria ... 10 Zoekstrategie ... 11
Coderen van Studies ... 11
Statistische Analyses ... 13
Resultaten ... 14
Studie- en Steekproefkenmerken ... 14
Overall effect en Heterogeniteitsanalyse ... 15
Moderatoranalyses ... 15
Publicatiebias ... 16
Discussie ... 18
Beperkingen ... 21
Implicaties voor de praktijk ... 22
Referentielijst ... 24 Bijlage 1: Zoekstrategie ... 32 Bijlage 2: Codeerschema ... 33 Tabel 1 ... 36 Tabel 2 ... 40 Tabel 3 ... 41
Abstract
This meta-analysis investigated the predictive validity of risk assessment tools for domestic violence. In addition, a series of moderator analyses were performed to examine potential moderators of the predictive validity. A multilevel meta-analysis was performed based on k = 30 studies, with 86 effectsizes. The total sample consisted of N = 61.618 participants. The results showed an overall effect of AUC = 0.662. Further, moderator analyses uncovered a number of significant moderators, including the type of participants, type of instrument, risk domains and how data were obtained. There was found, a higher predictive validity for the risk assessment tools DVRAG (AUC = 0.718) and ODARA (AUC = 0.716). A higher predicitve validity was also found for research conducted within social services (AUC = 0.860). Finally, several risk domains assessed in risk assessment instruments moderated the overall effect. The demographic characteristics (AUC = 0.685), relationship characteristics (AUC = 0.685) and the level of anxiety of the victim (AUC = 0.687) increased the predictive validity. Weapon possession (AUC = 0.627) and SES (AUC = 0.644)
contributed to a reduction of the predicitve validity. More validation research is needed to detect other risk domains that may affect the overall predictive validity.
Key words: risk assessment, homicide of domestic violence, predictive validity, multilevel meta-analysis.
Samenvatting
In dit onderzoek is de predictieve validiteit van risicotaxatie-instrumenten onderzocht voor het inschatten van daderschap van huiselijk geweld. Daarnaast zijn variabelen
onderzocht die deze predictieve validiteit mogelijk verhoogden of verlaagden. Om deze vragen te beantwoorden, is een multilevel meta-analyse uitgevoerd met k = 30 geïncludeerde studies waaruit 86 effectsizes werden verkregen. De totale steekproefgrootte betrof N = 61.618 personen. Uit de resultaten bleek een significant overall effect van AUC = 0.662. Daarnaast zijn uit de moderatoranalyses een aantal significante moderatoren voortgekomen, waaronder de doelgroep, het soort instrument, de risicodomeinen en de manier waarop data zijn verworven. Er werd een hogere predictieve validiteit gevonden met de risicotaxatie-instrumenten DVRAG (AUC = 0.718) en de ODARA (AUC = 0.716). Daarnaast bleken verschillende risicodomeinen zoals gemeten in risicotaxatie-instrumenten significante moderatoren te zijn. Zo droegen de demografische kenmerken (AUC = 0.685),
relatiekenmerken (AUC = 0.706) en de mate van angst van het slachtoffer (AUC = 0.687) bij aan een verhoging van de predictieve validiteit. Wanneer wapenbezit (AUC = 0.627) en SES werd gemeten (AUC = 0.644) was de predictieve validiteit lager. Meer valideringsonderzoek is nodig om de mogelijke invloed van andere risicodomeinen op de gemiddelde predictieve validiteit te toetsen.
Keywords: risicotaxatie, daderschap huiselijk geweld, predictieve validiteit, multilevel meta-analyse.
De Predictieve Validiteit van Instrumenten voor Risicotaxatie van Huiselijk Geweld: Een meta-analytisch onderzoek
Huiselijk geweld is één van de meest voorkomende geweldsvormen in Nederland en komt in alle lagen van de samenleving voor (Van der Veen & Bogaerts, 2010). De prevalentie van huiselijk geweld is moeilijk in te schatten, maar de verwachting is dat 45% van alle mannen en vrouwen tussen de 18 en 70 jaar ooit in het leven slachtoffer is van huiselijk geweld (Movisie, 2011; Van Dijk, Flight, Oppenhuis & Duesmann 1997). Een effectieve aanpak van (herhaling van) huiselijk geweld is gebaat bij kwalitatief goede instrumenten voor risicotaxatie. Om inzicht te krijgen in de kwaliteit van de huidige beschikbare instrumenten wordt een meta-analyse uitgevoerd. Het eerste doel van dit onderzoek is een gemiddelde predictieve validiteit te bepalen van risicotaxatie-instrumenten die ingezet worden voor het inschatten van het risico op daderschap van huiselijk geweld. Het tweede doel is middels een moderatoranalyse variabelen op te sporen die deze gemiddelde predictieve validiteit verhogen of verlagen.
Huiselijk geweld wordt aangeduid als een vorm van geweld wat door iemand uit de huiselijke- of familiekring wordt gepleegd jegens een ander lid van dezelfde huiselijke- of familiekring (Van Dijk et al., 1997). Huiselijk geweld vindt dus plaats in de privésfeer, waarbij de relatie tussen slachtoffer en pleger centraal staat. De huiselijke kring bestaat daarbij uit (ex-) partners, gezins- en familieleden, en huisgenoten. In totaal zijn er 21 vormen van huiselijk geweld, verdeeld over drie categorieën te weten: psychisch geweld, lichamelijk geweld en seksueel geweld (Van der Veen & Bogaerts, 2010).
Bij psychisch huiselijk geweld komt het geweld voornamelijk voort uit
relatieproblemen tussen partners (Ferwerda, 2007). Het geweld bestaat uit verbale uitingen, zoals schelden, chanteren, bespotten of kleineren van het slachtoffer (Ferwerda, 2007; Movisie, 2011; Van der Veen & Bogaerts, 2010). Lichamelijk geweld is de meest
voorkomende vorm van huiselijk geweld (Ferwerda, 2007; Movisie, 2011). Bij meer dan de helft van de incidenten waarbij huiselijk geweld is gesignaleerd, is sprake van lichamelijk geweld. Deze vorm van geweld is het meest zichtbaar doordat sporen zoals blauwe plekken en/of kneuzingen bij het slachtoffer zijn waar te nemen. Voorbeelden van lichamelijk geweld zijn: schoppen, slaan, het slachtoffer door elkaar schudden, verwonden en verstikken. De laatste vorm van huiselijk geweld is (fysiek) seksueel geweld. Seksueel geweld bestaat vooral uit verkrachtingen, gevolgd door het opdringen van seks of seksuele handelingen. Doordat een groot taboe heerst op deze geweldsvorm die doorgaans gepaard gaat met veel schaamte, treden slachtoffers moeilijk naar buiten met seksueel geweld (Ferwerda, 2007).
In de literatuur zijn verscheidene theorieën beschreven die een verklaring bieden voor het ontstaan van huiselijk geweld (Dijkstra, 2001; Van der Veen & Bogaerts, 2010). Iedere benadering kent een andere verklaring die ten grondslag ligt aan het ontstaan van huiselijk geweld. De sociaal- cognitieve leertheorie van Bandura (1973) zegt dat huiselijk geweld is ontstaan als gevolg van ervaringsleren en observaties. Mensen leren zichzelf bewust of onbewust gedragspatronen aan door belangrijke anderen uit hun omgeving te imiteren. Het gedrag dat zij imiteren kan zowel positief als negatief zijn. Wanneer het geïmiteerde gedrag bestaat uit huiselijk geweld, kan dit bij een persoon leiden tot het plegen van huiselijk geweld. De sociaal- cognitieve leertheorie gaat ervan uit dat (huiselijk) geweld doorgegeven wordt aan de volgende generatie (Ireland & Smith, 2009). In meerdere studies is een positief verband gerapporteerd tussen het getuige zijn van huiselijk geweld als kind en het plegen van geweld op latere leeftijd (Bensley, Van Eenwyk, & Wynkoop Simmons, 2003; Smith, Ireland, Park, & Tornberry, 2011; Stith et al., 2000). Hoe meer een kind op jonge leeftijd geweld tussen volwassenen observeert, hoe groter de kans is dat hij of zij op latere leeftijd zelf geweld pleegt. De sociaal- cognitieve leertheorie biedt echter geen verklaring voor personen die huiselijk geweld vertonen maar in hun kindertijd geen getuige zijn geweest van huiselijk geweld (Lanier & Henry, 2010; Wubbels, 2015).
Een theorie die, naast ervaringen uit de kindertijd, rekening houdt met
persoonlijkheidseigenschappen, is de psychopathologische theorie (Dutton, 1995a). Deze theorie stelt dat persoonlijkheidskenmerken gewelddadig gedrag stimuleren of afremmen. Gedragskenmerken als impulsiviteit, temperament en agressiviteit leiden eerder tot gewelddadig gedrag (Costa & Babcock, 2008). Daarnaast blijkt dat plegers van huiselijk geweld vaker lijden aan psychologische stoornissen zoals posttraumatische stressstoornis, borderline persoonlijkheidsstoornis en/of verslaving aan middelen (Costa & Babcok, 2008; Dutton, 1995b; Van der Veen & Bogaerts, 2010). Tevens spelen volgens deze theorie neurologische processen een rol in het ontstaan van huiselijk geweld. Het onderzoek van Bacerra-García (2015) stelt dat daders van huiselijk geweld cognitief minder flexibel zijn en minder goed executief functioneren. Cognitieve flexibiliteit en executieve functies zijn hogere controlefuncties van de hersenen die verantwoordelijk zijn voor aandacht, inhibitie en
planning (Suchy, 2009). Een minder goed executief functioneren leidt tot pervasief gedrag, inflexibele probleemoplossingsstrategieën en problemen in de sociaal- communicatieve vaardigheden. De psychopathologische theorie stelt dus dat individuele kenmerken van invloed zijn op het wel of niet plegen van huiselijk geweld. Echter, deze theorie houdt geen rekening met omgevingskenmerken (Wubbels, 2015).
De conflicttheorie stelt dat huiselijk geweld niet ontstaat door een algemene attitude van de pleger, maar door een gebrek aan communicatieve vaardigheden (Holtzworth- Munroe & Meehan, 2004; Weldon & Gilchrist, 2012). In ieder sociaal contact kan een conflict
ontstaan wanneer niet alle betrokkenen dezelfde voorkeuren en belangen hebben. De wijze waarop een conflict wordt opgelost, is afhankelijk van de communicatieve vaardigheden van de betrokkenen. Indien een persoon niet over voldoende communicatieve vaardigheden bezit, wordt een conflict eerder gewelddadig opgelost. Een ander belangrijk element uit deze theorie is dat geweld wordt ingezet om persoonlijke verantwoordelijkheden uit de weg te gaan
(Weldon & Gilchrist, 2012).
De laatste theorie die een verklaring biedt voor het ontstaan van huiselijk geweld is de feministische theorie. Sinds de jaren ’70 is er meer aandacht voor huiselijk geweld vanuit feministisch perspectief. Deze theorie is dan ook lang de dominante verklaring geweest voor huiselijk geweld (Carlson & Jones, 2010; Pyles & Postmus, 2004). De theorie gaat ervan uit dat machtsverhoudingen tussen mannen en vrouwen ongelijk verdeeld en cultureel bepaald zijn (Johnson, 2006; Van der Knaap, Idrissi, & Bogaerts, 2010). Enerzijds leert de man superieur te zijn aan de vrouw, waarbij geweld ingezet kan worden om de machtspositie te behouden. Anderzijds leert de vrouw zich te onderwerpen aan de man. Gezien het verschil in machtsposities steeds meer als een conservatief fenomeen wordt beschouwd, is de visie op het ontstaan van huiselijk geweld vernieuwd (Johnson, 2008; Sticht, 1990). In de herziene visie van Johnson (2008) wordt huiselijk geweld verklaard doordat de betrokkenen controle willen krijgen over elkaar. Hierbij kan het gaan om één partner die herhaaldelijk geweld inzet (intimate terrorism) of beide partners die geweld inzetten om controle over elkaar te krijgen (mutual violent control). Kortom, de feministische theorie is ontstaan vanuit de gedachte dat vrouwen onderhevig zijn aan mannen. Deze gedachte is later aangepast en gaat er in het heden meer vanuit dat geweld wordt ingezet als controlemiddel (Carslon & Jones, 2010; Johnson, 2006, 2008; Van der Knaap et al., 2010).
Huiselijk geweld kent verschillende negatieve gevolgen voor slachtoffers (Van der Veen & Bogaerts, 2010; Van Dijk, Veen, & Cox, 2010). Ten eerste ervaart het merendeel van de slachtoffers emotionele gevolgen, zoals angst, depressie, boosheid, trauma’s, en een gebrek aan zelfvertrouwen en/ of vertrouwen in anderen (Levendosky, Sandra, & Graham-Bermann, 2001; Van der Veen et al., 2010; Van Dijk et al., 2010). Met name vrouwelijke slachtoffers ervaren emotionele gevolgen. Ten tweede ervaart 85% van de slachtoffers relationele gevolgen waarbij huwelijksscheidingen en het verbreken van (familie)contact het meest voorkomen. Daarnaast kampen slachtoffers van huiselijk geweld vaak met
verslavingsproblematiek zoals, eet-, drank-, en/ of drugsverslavingen (Van der Veen & Bogaerts, 2010).
Niet alleen slachtoffers van huiselijk geweld ervaren negatieve gevolgen. In gezinnen waar huiselijk geweld plaatsvindt, zijn 80% van de kinderen getuige van dit geweld
(Ferwerda, 2006; Van der Veen & Bogaerts, 2010). Het getuige zijn van huiselijk geweld wordt als vorm van kindermishandeling beschouwd (Alink et al., 2013). Kinderen laten zeer uiteenlopende klachten zien, waardoor veel zorgen bestaan over de kinderen die getuige zijn van huiselijk geweld (Alink et al., 2013; Stoltenborgh, Van IJzendoorn, Euser, & Bakermans- Kranenburg, 2011). De gevolgen op latere leeftijd zijn onder andere posttraumatische
stressstoornissen, ontwikkelingsstoornissen en dissociatieve stoornissen, wat gepaard gaat met externaliserend probleemgedrag zoals agressie, en internaliserend probleemgedrag zoals angst en depressie (Gilbert et al., 2009).
Of in een gezin huiselijk geweld zal plaatsvinden wordt bepaald door de hoeveelheid – en de balans tussen – risico- en beschermingsfactoren. Risicofactoren zijn eigenschappen of omstandigheden die ervoor zorgen dat de kans groter wordt dat problemen ontstaan
(Hermanns, 2009). Hoe meer risicofactoren zich tegelijkertijd voordoen, hoe groter de kans op huiselijk geweld. Beschermingsfactoren zijn juist eigenschappen of omstandigheden die ervoor zorgen dat de kans kleiner wordt dat huiselijk geweld ontstaat (Shiner & Caspi, 2003). Vanuit de theorieën die een verklaring bieden voor huiselijk geweld zijn verschillende
risicofactoren af te leiden die de kans vergroten op het daderschap van huiselijk geweld (Van der Veen & Bogaerts, 2010). De psychopathologische benadering en de conflicttheorie gaan meer uit van risicofactoren gelegen in de dader, zoals een hoog temperament, borderline, PTSS, een verminderde cognitieve flexibiliteit en communicatieve vaardigheden (Bacerra-García, 2015; Costa & Babcock, 2008; Dutton, 1995a; Holtzworth- Munroe & Meehan, 2004; Weldon & Gilchrist, 2012). De feministische benadering en de sociaal- cognitieve leertheorie benadrukken de aanwezigheid van risicofactoren gelegen in de omgeving van de dader, zoals een lage sociaal economische status (SES), een niet-Westerse afkomst en het getuige zijn van huiselijk geweld in de kindertijd (Bandura, 1973; Bensley et al., 2003; Carlson & Jones, 2010; Smith et al., 2011; Van der Knaap et al., 2010).
Het meten van risicofactoren voor daderschap van huiselijk geweld wordt gedaan met behulp van risicotaxatie-instrumenten. Met deze instrumenten wordt de waarschijnlijkheid ingeschat dat iemand huiselijk geweld pleegt (Van den Berg, 2006). Er zijn twee soorten risicotaxatie-instrumenten te onderscheiden, namelijk klinische en actuariële instrumenten (Bartlink et al., 2012; Van der Put, Assink & Stams, 2016). Bij klinische instrumenten maakt
de clinicus op basis van een niet- gestandaardiseerde wijze een inschatting van het risico op daderschap van huiselijk geweld (Lodewijks & Van Domburgh, 2012; Van den Berg, 2006). De clinicus weegt en combineert de risicofactoren totdat hij tot een risico-inschatting komt. Indien gebruik wordt gemaakt van actuariële instrumenten, dan wordt het risico bepaald volgens een vast algoritme en niet op basis van een inschatting van een clinicus (Lodewijks & Domburgh, 2012; Van der Put et al., 2016). Meerdere studies geven de voorkeur aan voor actuariële instrumenten aangezien de betrouwbaarheid en predictieve validiteit van deze instrumenten hoger is dan die van klinische instrumenten (De Ruiter, 2000; De Vogel, 2005; Van den Berg, 2006; Van der Put et al., 2016). De predictieve validiteit van klinische
instrumenten blijkt nauwelijks beter te zijn dan een willekeurige voorspelling van het risico. Hoe een risicotaxatie-instrument presteert, wordt onderzocht door de predictieve validiteit te meten (Kazdin, 2003; Messing & Thaller, 2013; Shlonsky, Saini, & Wu, 2007). De
predictieve validiteit verwijst naar de voorspelkracht van een instrument. Dit betekent dat de predictieve validiteit aangeeft hoe goed een instrument toekomstig gedrag kan voorspellen. Door gebruik te maken van risicotaxatie-instrumenten wordt het risico ingeschat op
toekomstig daderschap van huiselijk geweld.
Hoewel door de jaren heen verschillende studies zijn uitgevoerd naar de predictieve validiteit van instrumenten waarbij het risico wordt ingeschat op toekomstig daderschap van huiselijk geweld (Dutton & Kropp, 2000; Messing & Thaller, 2013; Singh, 2013; Singh, Desmarais & Van Dorn, 2013 ), is nog niet eerder een meta-analyse verricht. Daarbij zijn veel verschillen gevonden in de resultaten waardoor het onduidelijk is hoe al deze instrumenten tezamen presteren bij het inschatten van risico’s op daderschap van huiselijk geweld. Het voornaamste doel van de huidige meta-analyse is dan ook om een gemiddelde predictieve validiteit te bepalen van risicotaxatie-instrumenten voor huiselijk geweld. Daarnaast worden moderatoranalyses uitgevoerd om mogelijke variabelen op te sporen die deze gemiddelde predictieve validiteit verhogen of verlagen. Deze meta-analyse kan een bijdrage leveren aan de ontwikkeling van kwalitatief goede risicotaxatie-instrumenten. Gezinnen waarin de kans op huiselijk geweld hoog is, kunnen met deze instrumenten vroegtijdig geïdentificeerd worden. Zo wordt de schade voor slachtoffers en hun kinderen zoveel mogelijk beperkt en kan tijdig hulp geboden worden. Om een aantal redenen is voor een meta-analyse gekozen (Chambers, 2016). In de eerste plaats maakt een meta-analyse gebruik van bestaande
literatuur, waardoor het mogelijk is om een statistische samenvatting te geven van resultaten van eerder uitgevoerde studies. Op deze manier ontstaat een meer eenduidig beeld van de predictieve validiteit van instrumenten voor het inschatten van toekomstig daderschap van
huiselijk geweld. Ten tweede kan met een meta-analyse variabelen als mogelijke moderator worden onderzocht, om op te sporen of deze de gemiddelde predictieve validiteit beïnvloeden (Born & Mol, 2006).
Samenvattend richt de huidige meta-analyse zich op het vaststellen van de gemiddelde predictieve validiteit van risicotaxatie-instrumenten om het risico in te schatten op toekomstig daderschap van huiselijk geweld. Een tweede doel is om moderatoranalyses uit te voeren om mogelijke variabelen op te sporen die de gemiddelde predictieve validiteit verhogen of verlagen.
Methode
Inclusie- en Exclusiecriteria
Alvorens gezocht is naar relevante studies voor de meta-analyse, zijn inclusie- en exclusiecriteria opgesteld. Studies welke zijn geïncludeerd, voldeden aan vier criteria. In de eerste plaats zijn studies geïncludeerd waarin de predictieve validiteit werd onderzocht van risicotaxatie-instrumenten die waren ingezet om het risico op daderschap van huiselijk geweld in te schatten. Hierbij waren de studies gericht op twee soorten risico-inschattingen van daderschap van huiselijk geweld, namelijk het starten van huiselijk geweld, waarbij volwassen daders voor het eerst huiselijk geweld hebben gepleegd (first offenders) en het herhalen van huiselijk geweld, waarbij volwassen daders opnieuw huiselijk geweld hebben gepleegd (repeat offenders). Dit geweld moet zich voor hebben gedaan in de relationele sfeer en gepleegd zijn door volwassenen. Studies over teen dating violence zijn niet geïncludeerd, omdat adolescenten doorgaans geen stabiele en langdurige relaties hebben waarin zij
samenwonen. Hierdoor was geen sprake van geweld in de relationele sfeer. Ook zijn studies niet geïncludeerd die rapporteerden over geweld tegen kinderen. Ten tweede hoefde het risicotaxatie-instrument dat onderzocht werd in een studie niet specifiek ontwikkeld te zijn voor het voorspellen van het risico op daderschap van huiselijk geweld. Studies zijn
geïncludeerd wanneer huiselijk geweld als responsvariabele was gekozen en de uitkomst van een instrument (voor risicotaxatie) als verklarende variabele. Zo was het mogelijk om de predictieve validiteit te onderzoeken van een risicotaxatie-instrument. Ten derde zijn enkel studies geïncludeerd waarbij de taxatie was uitgevoerd door een professional en niet door slachtoffers. Als laatste was het van belang dat de studies een AUC-waarde, correlatie (r) en/of een Cohens-d gerapporteerd hebben. Er zijn geen ongepubliceerde studies gevonden die meegenomen konden worden in de huidige meta-analyse.
Zoekstrategie
De zoekstrategie bestond voornamelijk uit het zoeken naar primaire studies in diverse elektronische databases, zoals PsychInfo, Google Scholar, Web of Science en de catalogus van de Universiteit van Amsterdam. In deze databases werd met verschillende zoektermen en verschillende combinaties van zoektermen gezocht om zoveel mogelijk relevante studies te kunnen vinden. De zoektermen waren gericht op huiselijk geweld en risicotaxatie. Enkele voorbeelden zijn: intimate partner violence, domestic violence, spousal violence, risk
assessment, risk tool en risk. De zoektermen zijn ook in het Nederlands gebruikt. In Bijlage 1 staan de gebruikte zoektermen. Daarnaast zijn referentielijsten van relevante
overzichtsartikelen doorzocht op primaire studies die niet werden gevonden in elektronische databases (Dutton & Kropp, 2000; Hanson, Helmus, & Bourgon,2007; Messing & Thaller, 2013). De studies die op basis van titel en abstract relevant leken, zijn nader getoetst aan de inclusie- en exclusiecriteria om te bepalen of deze geïncludeerd konden worden. In totaal zijn 30 studies geïncludeerd in de meta-analyse. Een overzicht van de geïncludeerde studies is gegeven in Tabel 1. In de referentielijst zijn de geïncludeerde studies aangegeven met een *.
Coderen van Studies
Voor het coderen van alle studies werd een codeerschema opgesteld (zie Bijlage 2). Het codeerschema werd opgedeeld naar kenmerken van studies, instrumenten, en
steekproeven. In de eerste plaats werd algemene informatie gecodeerd, zoals het publicatiejaar en de publicatiestatus. Ten tweede werden steekproefkenmerken gecodeerd, zoals de
steekproefgrootte, de gemiddelde leeftijd van de deelnemers, de etnische achtergrond, geslachtskenmerken, en of kinderen aanwezig waren in de huiselijke kring. Ook is het land vermeld waarin data zijn verzameld. Ten derde is het onderzoeksdesign gecodeerd, zoals de onderzoeksopzet (prospectief of retrospectief), de duur van follow-up en de informatiebron waaruit gegevens over huiselijk geweld zijn verkregen door de onderzoekers (strafrechtelijke dossiers, nationale bestanden, partnermeldingen en zelfrapportages). Ook bevatte het
codeerschema items over kenmerken van het risicotaxatie-instrument, zoals de naam en het doel van het instrument, het aantal items, welk type huiselijk geweld werd voorspeld en wie de taxatie heeft uitgevoerd. Als laatste is de effectgrootte gecodeerd. Voor iedere
geïncludeerde studie werd het codeerschema ingevuld.
Berekening Effectsizes
In primaire studies is vooral gebruikgemaakt van de Receiver Operating
Characteristiscs (ROC)-analyse om de predictieve validiteit vast te stellen(Schwalbe, 2007; Douglas, Guy, Reeves & Weir, 2005). Een ROC-analyse stelt de verhouding vast tussen de
sensitiviteit en specificiteit van een risico-taxatie instrument. De sensitiviteit betreft het correct aantal positieve voorspellingen van een instrument. Dit is dus het percentage waarbij het instrument terecht een verhoogd risico op daderschap van huiselijk geweld taxeert
(Lalkhen & McCluskey, 2008; Douglas et al., 2005). De specificiteit betreft het correct aantal negatieve voorspellingen, dus het percentage waarbij het instrument terecht geen verhoogd risico taxeert op daderschap van huiselijk geweld. Idealiter heeft een risicotaxatie instrument zowel een hoge sensitiviteit als hoge specificiteit. Echter, dit is niet haalbaar, aangezien de sensitiviteit en specificiteit tegenpolen zijn van elkaar. Wanneer de sensitiviteit stijgt, daalt de specificiteit en andersom.
Uit zo’n ROC- analyse komt een AUC- (Area Under the Curve) waarde, wat een maat is voor het aantal correcte classificaties van een instrument (Groothoff, Jamin, & de Beer-Hoefnagels, 2009; Schwalbe, 2007). Een AUC-waarde geeft een indicatie van de predictieve validiteit en ligt altijd tussen de 0 en de 1 (Lodewijks & Domburgh, 2012). Een AUC-waarde van 0 duidt op een perfecte negatieve voorspelling. Bij een AUC-waarde van 0.5 voorspelt een risicotaxatie-instrument niet beter dan toeval. Een AUC-waarde van 1 duidt op een perfecte positieve voorspelling. Hierbij zal een volwassene die in de toekomst huiselijk geweld pleegt een hogere score behalen op het risicotaxatie-instrument dan een volwassene die geen huiselijk geweld pleegt in de toekomst. AUC-waarden van 0.70 worden doorgaans als redelijk beschouwd en een AUC-waarden van 0,75 of hoger als goed (Douglas et al., 2005). Een AUC-waarde is niet de enige maat voor predictieve validiteit die gerapporteerd wordt in primaire studies. De predictieve validiteit kan eveneens uitgedrukt worden in een correlatie r of Cohens’d (d). Een r–waarde ligt tussen de -1 en 1. Hoe verder de r –waarde in positieve richting van 0 afligt, hoe meer correcte voorspellingen het instrument doet over het risico op daderschap van huiselijk geweld. Voor Cohen’s d geldt dat een waarde van 0.2 als een klein effect wordt beschouwd, een effect van 0.5 als een middelmatig effect en een effect van 0.8 als een groot effect (Cohen, 2013).
In de huidige meta-analyse is gekozen voor de Pearson product-moment-correlatiecoëfficiënt als effectsize. Daarom is voor elke geïncludeerde primaire studie tenminste één correlatie berekend. Voor het transformeren van statistische gegevens in correlaties is gebruikgemaakt van de Excel-converter van Jamie DeCoster (2012).
Om uitbijters vast te stellen, is gezocht naar steekproefgroottes en effectsizes met een gestandaardiseerde z-score boven de 3.29 of onder de -3.29. Er werd één extreme waarde (uitbijter) gevonden als steekproefgrootte. Om de onevenredige invloed van deze variabele te verminderen, is de steekproefgrootte gereduceerd naar een gestandaardiseerde z-score
behorend bij score 3.29. Tevens zijn de effectsizes getransformeerd naar Fisher’s
z-waarden, omdat de correlaties niet normaal verdeeld waren. Om de resultaten gemakkelijk te interpreteren, zijn de Fisher’s z-scores teruggerekend naar correlaties. Gezien de
geïncludeerde studies effectsizes rapporteerden aan de hand van een AUC-waarde, zijn de correlaties omgerekend naar AUC-waardes zodat deze vergeleken konden worden met andere effectsizes.
Statistische Analyses
In de huidige meta-analyse zijn primaire studies geïncludeerd die rapporteerden over meerdere vormen en/of typen van de predictieve validiteit van een risicotaxatie-instrument van daderschap voor huiselijk geweld. Daarom kon uit één studie vaak meerdere relevante effectsizes worden verkregen. Doordat meerdere effectsizes afkomstig uit eenzelfde studie berekend zijn op basis van dezelfde steekproefkenmerken en hetzelfde onderzoeksdesign, was het aannemelijk dat deze effectsizes meer op elkaar leken dan effectsizes afkomstig uit
verschillende studies (Houben, Van den Noortgate, & Kuppens, 2015). De afhankelijkheid van de effectsizes uit dezelfde studie vormden een probleem in de traditionele meta-analytische technieken (Assink & Wibbelink, 2016; Wibbelink & Assink, 2015). Om deze reden is gekozen voor een drie level meta-analyse, zodat de afhankelijkheid van effectsizes werd gemodelleerd. Het eerste niveau van de drie level meta-analyse was de variantie van effectsizes rond de populatie-effectsizes en lag genest binnen het tweede niveau, de variantie tussen de populatie-effectsizes die afkomstig zijn uit eenzelfde studie. Het derde niveau was de variantie tussen populatie-effectsizes van verschillende studies.
Middels zo’n multilevel meta-analyse was het mogelijk om een gemiddelde correlatie te berekenen als indicatie voor de gemiddelde predictieve validiteit van
risicotaxatie-instrumenten waarbij het risico is ingeschat op toekomstig daderschap van huiselijk geweld. Tevens was het mogelijk om moderatoranalyses uit te voeren, waarbij getoetst is of
moderatoren de gemiddelde correlatie significant verhogen of verlagen. Alvorens de
moderatoranalyses werden uitgevoerd, werd onderzocht of voldoende variantie aanwezig was in de dataset middels een heterogeniteitstoets. Wanneer de fit van het model zonder de
geschatte variantie significant slechter was dan de fit van het model waarbij variantie werd geschat, dan was er sprake van heterogeniteit. Deze toets was uitgevoerd voor niveau 2 en niveau 3. Voor de moderatoranalyses werden eerst dummyvariabelen aangemaakt en continue variabelen gecentreerd om de effecten van mogelijke moderatoren te kunnen toetsen.
Om te controleren voor mogelijke publicatiebias, is een trim- and- fill analyse uitgevoerd waarbij een funnelplot is gemaakt. Hierbij is gekeken of zowel aan de linker- als
rechterzijde missende waarden zijn die kunnen duiden op de aanwezigheid van publicatiebias. Wanneer de waarden asymmetrisch verdeeld zijn rondom het gemiddelde, duidt dit mogelijk op overschatting of onderschatting van het gemiddelde effect (Higgins & Green, 2011; Peters, Sutton, Jones, Abrams, & Rushton, 2007).
Resultaten
Studie- en Steekproefkenmerken
De zoekprocedure resulteerde in k = 30 geïncludeerde studies, welke gepubliceerd zijn tussen 2000 en 2017. In deze studies is gerapporteerd over 26 risicotaxatie-instrumenten, wat leidde tot 86 effectsizes met een AUC-waarde tussen 0.560 en 0.860. Van de 30 studies zijn 21 studies afkomstig uit een Peer-Reviewed- Journal (70%) en de overige negen zijn online gepubliceerd (30%). De steekproefgroottes varieerden tussen 66 en 6587 participanten. De totale steekproefgrootte betrof N = 61.618 personen (M = 716,49, SD = 1050,89) waarbij het risico is ingeschat op daderschap van huiselijk geweld. Meer dan de helft van alle data zijn verworven via informatie uit strafrechtelijke dossiers (51,2%). De overige data zijn verworven door informatie te gebruiken afkomstig uit nationale bestanden (16,3%), zelfrapportages (2,3%), bestanden uit hulpverleningsinstellingen (3,5%) of een combinatie hiervan (25,8%). Een groot aantal van de participanten (41,7%) is door het plegen van huiselijk geweld veroordeeld of gearresteerd (geweest). Daarnaast had ongeveer een derde van deze groep (30,2%) mentale gezondheidsproblemen, hulpverlening of een verslaving. De overige 28,1% betrof plegers van seksueel geweld, militairen uit de Verenigde Staten, inwoners van Hong Kong, of plegers waarvan persoonskenmerken niet nader zijn omschreven. Het merendeel van de participanten was man (87,2%) en gemiddeld 34,9 (SD = 3.05) jaar oud. Ondanks dat meer dan de helft van de onderzoekdetails ontbraken over de etniciteit, is van 1699 participanten bekend dat 909 (53,5%) een Westerse- en 790 (46,5%) participanten een Niet-Westerse afkomst hadden. Tweeëndertig studies zijn uitgevoerd in de Verenigde Staten (37,2%), 24 in Canada (27,9%), 24 in Europa (27,9%), één in Nieuw- Zeeland (1,2%) en tenslotte vijf in Niet-Westerse landen (5.8%).
De onderzochte risicotaxatie-instrumenten verschillen in soort, het aantal items en in gemeten risicodomeinen. In 54 studies is gebruikgemaakt van een actuarieel risicotaxatie-instrument om het risico op daderschap van huiselijk geweld in te schatten (62.8%). In de overige 32 studies is gebruikgemaakt van een structureel klinisch instrument (32.2%). Het aantal items was minimaal 4 en maximaal 54 (M = 18,76, SD = 11,71), waarbij onderscheid is gemaakt in dynamische (M = 6,56, SD = 8,30) en statische items (M = 12,19, SD = 7,10).
In totaal konden 18 domeinen van gemeten risicofactoren onderscheiden worden. Een volledig overzicht van de risicodomeinen is gegeven in Bijlage 2. Het meest voorkomende risicodomein was of een participant een geschiedenis had van het plegen van huiselijk geweld (86,0%). Het minst voorkomende risicodomein was wat de participant deed in zijn of haar vrije tijd (3,5%). De follow-up periode varieerde van 0 tot 84 maanden (M = 28,19, SD = 23,59). Vijftien effectsizes komen uit een prospectief design en 71 uit een retrospectief design.
Overall effect en Heterogeniteitsanalyse
Uit de statistische analyses bleek een overall effect van Z = 0.291, p = <.001 (SE = 0.24, 95% B.I. = 0.234, 0.338). Dit effect komt overeen met een AUC-waarde van 0.662. AUC-waarden tussen de 0.5 en 0.8 duiden op een middelmatig effect (Rice & Harris, 2005). Uit het resultaat van de huidige studie blijkt dus dat alle risicotaxatie-instrumenten welke zijn ingezet om het risico in te schatten op daderschap van huiselijk geweld op een middelmatig niveau presteren. Tevens is een heterogeniteitsanalyse uitgevoerd en bleek sprake van significante variantie op niveau twee (σ = 003, p <.001) en niveau drie (σ = 0.013, p <.001). De variantie werd voor 18,7% verklaard door verschillen in effectsizes afkomstig uit dezelfde studie en 73,4% van de variantie werd verklaard door verschillen in effectsizes tussen studies. De overige 7,9% van de variantie werd verklaard door de variantie in de steekproef (random sampling error). Volgens deze resultaten was voldoende variantie aanwezig om
moderatoranalyses uit te voeren.
Moderatoranalyses
De moderatoranalyses zijn uitgevoerd om inzicht te krijgen in welke variabelen invloed uitoefenen op de gemiddelde predictieve validiteit en om (een deel van) de onverklaarde variantie (zie hierboven) te kunnen verklaren. Een volledig overzicht van de moderatoranalyses is gegeven in Tabel 2. Uit de moderatoranalyses zijn acht significante moderatoren voortgekomen. In de steekproefkenmerken is één modererend effect gevonden voor type participanten F(12, 73) = 3.100, p = 0.001. Wanneer participanten in steekproeven kampten met een middelenafhankelijkheid (AUC = 0.860), militairen waren uit de VS (AUC = 0.780) of inwoners waren in Hong Kong (AUC = 0.760), dan werd een significant hogere voorspelkracht van instrumenten gevonden dan bij steekproeven die bestonden uit plegers met een veroordeling/arrestatie (AUC = 0.633). Wat betreft het onderzoeksdesign is gebleken dat de variabele informatiebron eveneens een significante, positieve moderator is F(5, 80) = 4.040, p = 0.003. Wanneer in primaire studies data zijn verworven binnen
hulpverleningsinstellingen had het risicotaxatie-instrument een hogere voorspelkracht (AUC = 0.860) dan wanneer de data zijn verworven uit strafrechtelijke dossiers, nationale bestanden of zelfrapportages (AUC = 0.644).
Tevens bleken significante verschillen te zijn in voorspelkracht tussen instrumenten, F(6, 79) = 4.342, p <.001. Wanneer het risico op daderschap van huiselijk geweld werd ingeschat met behulp van de Ontario Domestic Assault Risk Assessment (ODARA, AUC = 0.716) of de Domestic Violence Risk Appraisal Guide (DVRAG, AUC = 0.718), dan werd een significant hogere voorspelkracht gevonden dan wanneer het risico op daderschap werd ingeschat met behulp van andere risicotaxatie-instrumenten (AUC = 0.645). Ook is een moderatoranalyse uitgevoerd voor de gemeten risicodomeinen. Een opvallend resultaat hierin was de negatieve, significante moderator wapenbezit F(1, 84) = 18.252, p <.001. Wanneer wapenbezit werd gemeten in een risicotaxatie-instrument, nam de voorspelkracht van het instrument af (AUC = 0.627). Een soortgelijk effect is gevonden voor het risicodomein sociaal- economische status F(1, 84) = 13.244, p <.001. De gemiddelde AUC-waarde lag significant lager wanneer SES geïncludeerd was als risicodomein (AUC = 0.644).
Risicodomeinen die de voorspelkracht van instrumenten significant verhoogden waren demografische kenmerken van de participanten F(1, 84) = 7.522, p = 0.007 (AUC = 0.685), relatiekenmerken F(1, 84) = 9.722, p = 0.002 (AUC = 0.706) en het risicodomein angst van slachtoffers F(1, 84) = 4.764, p = 0.033 (AUC = 0.687). Een overzicht van alle
risicodomeinen is gegeven in Bijlage 2.
Als laatste werd een trend gevonden voor de moderator soort huiselijk geweld F(2, 83) = 3.001, p = 0.055. In vergelijking met huiselijk geweld NAO als afhankelijke variabele (AUC = 0.661) werd een hogere voorspelkracht gemeten bij fysiek geweld (AUC = 0.727) en een lagere voorspelkracht wanneer seksueel geweld werd gemeten (AUC = 0.560). Op de andere moderatoren, zoals de follow-up tijd, de gebruiker van het instrument, en het doel van het instrument zijn geen significante resultaten gevonden.
Publicatiebias
Onderstaand is de funnelplot weergegeven die is uitgevoerd om publicatiebias te detecteren. De zwarte stippen tonen de verdeling aan van de effectsizes van alle geïncludeerde studies, terwijl de witte stippen de “missende” effectsizes weergeven. Uit de analyse blijkt dat sprake was van een asymmetrische verdeling van effectsizes en dat aan de rechterzijde van het gemiddelde effect effectsizes ontbraken (zie Figuur 1). Hierdoor lijkt sprake te zijn van publicatiebias, waarbij de gemiddelde effectsize mogelijk lager is uitgevallen dan in werkelijkheid het geval kan zijn (Higgings & Green, 2011). Uit de trim-and-fill analyse is
gebleken dat 15 effectsizes (SE = 6,09) toegevoegd moeten worden om de publicatiebias te laten verdwijnen.
Discussie
Huiselijk geweld is één van de meest voorkomende geweldsvormen in Nederland en komt in alle lagen van de samenleving voor. Een effectieve aanpak van huiselijk geweld is gebaat bij kwalitatief goede instrumenten voor risicotaxatie. Diverse studies hebben de predictieve validiteit van risicotaxatie-instrumenten voor het inschatten van daderschap van huiselijk geweld onderzocht. Er zijn veel verschillen gevonden in de resultaten tussen primaire studies waardoor het onduidelijk was hoe al deze instrumenten tezamen presteren. De huidige meta-analyse is uitgevoerd om (1) een algemene predictieve validiteit te bepalen door de resultaten van primaire studies samen te vatten, en (2) om te onderzoeken welke variabelen de predictieve validiteit verhogen of verlagen. Deze inzichten kunnen worden ingezet voor de verdere ontwikkeling en implementatie van risicotaxatie-instrumenten voor het inschatten van daderschap van huiselijk geweld.
De gemiddelde predictieve validiteit (uitgedrukt in een AUC-waarde) van risicotaxatie-instrumenten voor het inschatten van daderschap van huiselijk geweld was 0.662. Dit betekent dat deze risicotaxatie-instrumenten op een middelmatig niveau presteren (Rice & Harris, 2005). Dit effect was hoger dan wat in soortgelijk onderzoek is gevonden. Zo vonden Hanson, Helmus en Bourgon (2007) in hun studie naar de predictieve validiteit van instrumenten voor het inschatten van partnergeweld een AUC-waarde van 0.611. Aangezien de huidige meta-analyse meer studies en effectsizes heeft geïncludeerd, is de verwachting dat de werkelijke gemiddelde predictieve validiteit dichter bij de gevonden AUC-waarde van deze meta-analyse ligt (Drenth & Sijtsma, 2012). Het is immers zo dat hoe meer studies en effectsizes geïncludeerd werden, hoe hoger de betrouwbaarheid van de schatting.
Naast de gemiddelde predictieve validiteit zijn uit deze studie acht moderatoren voortgekomen. Dit zijn factoren die de gemiddelde predictieve validiteit positief of negatief hebben beïnvloed. Allereerst bleek het type participant de gemiddelde predictieve validiteit positief te beïnvloeden. Wanneer participanten kampten met een middelenafhankelijkheid (AUC = 0.860) of militairen waren uit de VS (AUC = 0.780), dan werd een hogere
voorspelkracht van instrumenten gevonden dan bij steekproeven die bestonden uit plegers met een veroordeling/ arrestatie (AUC = 0.633). Dit wijst erop dat het voorspellen van daderschap van huiselijk geweld in de ene subpopulatie (middelengebruikers en militairen) beter te voorspellen is dan in een andere subpopulatie (arrestanten). Dit komt overeen met eerder onderzoek waaruit is gebleken dat de comorbiditeit tussen daders van huiselijk geweld en middelenmisbruik hoog was (Choenni, Mheen, & Hammink, 2016; Kraanen, Scholing & Emmelkamp, 2010). Dit betekent dat de prevalentie van geweld onder middelenmisbruikers
hoger is dan de prevalentie van geweld onder niet-middelenmisbruikers. Hierdoor is de kans op daderschap van huiselijk geweld beter te voorspellen bij middelenmisbruikers. Wat betreft de militairen uit de VS is bekend dat deze subpopulatie meer Posttraumatische
Stress-stoornis- (PTSS) klachten ervaren dan andere (sub)populaties. PTSS gaat gepaard met een verhoogde arousal, wat ervoor zorgt dat mensen met PTSS- klachten sneller agressief en gewelddadig reageren dan mensen zonder PTSS-klachten (Black, Newman, Hendrick, & Mezey, 1997). Hierdoor komt gewelddadig gedrag bij mensen met PTSS-klachten vaker voor dan bij mensen zonder PTSS-klachten. Net als bij middelenmisbruikers is hierdoor de kans op daderschap van huiselijk geweld beter te voorspellen.
Wanneer in primaire studies data zijn verworven in hulpverleningsinstellingen, dan was de gemiddelde voorspelkracht hoger (AUC = 0.860) dan wanneer data zijn verworven uit strafrechtelijke dossiers, nationale bestanden of zelfrapportages (AUC = 0.644). De
voorspelkracht van instrumenten leek dus afhankelijk te zijn van de informatiebron die gebruikt werd om data te werven. Het is mogelijk dat in hulpverleningsinstellingen eerst contact is geweest met de dader alvorens een risico-inschatting wordt gemaakt. Hierdoor ontstaat meer overeenstemming en worden risicotaxatie-instrumenten subjectiever ingevuld. Indien risico-inschattingen worden gedaan op basis van nationale bestanden en
strafrechtelijke dossiers, dan is het minder aannemelijk dat eerst contact heeft plaatsgevonden met de dader. De informatie voor de risicotaxatie wordt hierbij verkregen aan de hand van een dossieranalyse. Hierdoor worden risicotaxaties objectiever ingevuld.
Daarnaast bleken de instrumenten DVRAG en ODARA beter te presteren dan de referentiecategorie, de VRAG (0.645). De gemiddelde predictieve validiteit van de DVRAG was AUC = 0.718, en die van de ODARA was AUC = 0.716. Hiermee voldeden deze instrumenten aan de gestelde ondergrens van AUC = 0.7 voor een voldoende voorspelkracht van risicotaxatie-instrumenten (Rice & Harris, 2005). De overige instrumenten lieten geen significant betere of slechtere prestaties zien dan de VRAG. De resultaten kwamen deels overeen met eerder onderzoek. Zo hebben Hanson et al., (2007) eveneens onderzoek gedaan naar de predictieve validiteit van risicotaxatie-instrumenten bij het inschatten van daderschap van huiselijk geweld. Zij vonden voor de DVRAG een AUC-waarde van 0.74, en voor de ODARA een waarde van 0.6. In vergelijking met het huidige onderzoek, is de AUC-waarde van de DVRAG ongeveer gelijk, maar viel de AUC-AUC-waarde van de ODARA in het huidige onderzoek lager uit. Een mogelijke verklaring voor dit verschil is dat in beide studies de predictieve validiteit op basis van een klein aantal effectsizes is berekend, wat mogelijk de schatting van de predictieve validiteit heeft beïnvloed (Drenth & Sijtsma, 2012). Zo telde het
huidige onderzoek acht effectsizes van de ODARA, en was de predictieve validiteit van Hanson et al., (2007) berekend op basis van twee effectsizes. Het advies is dan ook om in vervolgonderzoek meer effectsizes te includeren.
Naast de risicotaxatie-instrumenten, bleek een aantal risicodomeinen de gemiddelde predictieve validiteit te beïnvloeden. Opvallende resultaten hierin waren de risicodomeinen sociaal economische status (SES) en wapenbezit. Wanneer de SES of het wapenbezit van de dader werd gemeten, nam de voorspelkracht van het instrument af. Dit betekent dat de variabelen SES en wapenbezit niet lijken bij te dragen aan een juiste inschatting van daderschap van huiselijk geweld. In voorgaande studies is de kanttekening geplaatst dat de SES moeilijk te operationaliseren is en enkel deelaspecten gemeten kunnen worden, zoals opleidingsniveau en beroepsstatus (Grann & Wedin, 2002; Nationaal Kompas
Volksgezondheid, 2014). Hierdoor kan afgevraagd worden of de SES voldoende
geoperationaliseerd is om dit betrouwbaar te kunnen meten of dat ten onrechte is gesteld dat SES niet bijdraagt aan de voorspelkracht van een risicotaxatie-instrument en enkel
opleidingsniveau en beroepsstatus niet bijdragen aan de voorspelkracht van een risicotaxatie-instrument. Hierdoor heeft de operationalisatie van SES in primaire studies mogelijk het resultaat in de huidige meta-analyse beïnvloed.
Indien gekeken wordt naar eerdere uitkomsten van wapenbezit als moderator, is het huidige resultaat niet overeenkomstig met resultaat uit eerder onderzoek. Van der Veen en Bogaerts (2012) beschreven wapenbezit als belangrijke voorspeller van huiselijk geweld. Echter, dit effect is enkel gevonden voor fysiek huiselijk geweld. Aangezien in huidige studie alle vormen van huiselijk geweld tezamen zijn gemeten (huiselijk geweld NAO, fysiek-, verbaal-, en seksueel huiselijk geweld), heeft dit mogelijk ertoe geleid dat het effect van wapenbezit in de huidige studie is verdwenen. Dit zou betekenen dat wapenbezit enkel een positieve invloed heeft op de voorspelkracht van een instrument wanneer het risico wordt ingeschat op fysiek huiselijk geweld. Een andere mogelijke verklaring voor de gevonden resultaten is dat zowel SES als wapenbezit in risicotaxatie-instrumenten veelal tezamen worden gemeten met variabelen die niet geassocieerd worden met huiselijk geweld, zoals het behandelverleden, de mate van antisociaal gedrag en/of de vrijetijdsbesteding van de dader. Hierdoor kan ten onrechte gedacht worden dat SES en wapenbezit geen positieve bijdrage leveren aan de voorspelkracht van een instrument. Vervolgonderzoek zou kunnen toetsen of er wel positieve effecten gevonden worden voor SES en wapenbezit indien andere variabelen ook gemeten worden.
Er zijn niet enkel negatieve invloeden gevonden, maar ook positieve invloeden in de risicodomeinen op de predictieve validiteit. Wanneer relatiekenmerken (AUC = 0.706), de mate van angst bij het slachtoffer (AUC = 0.687) of de demografische kenmerken van de dader (AUC = 0.685) werden gemeten, nam de predictieve validiteit van het risicotaxatie-instrument toe. In een eerdere studie stond eveneens beschreven dat domeinen als
demografische kenmerken en relatiekenmerken veelal geïncludeerd zijn in risicotaxatie-instrumenten, omdat deze risicofactoren vormen voor huiselijk geweld (Dutton & Kropp, 2000). Echter, in het onderzoek van Dutton en Kropp (2000) stonden ook domeinen
beschreven waarvan de invloed in de huidige studie niet is aangetoond, zoals de geschiedenis van de dader met huiselijk geweld, een antisociale attitude en/of de mate van antisociaal gedrag van de dader. Als laatste is een positieve trend gevonden voor het soort huiselijk geweld. Zo hadden instrumenten een hogere voorspelkracht indien fysiek geweld gemeten werd (AUC = 0.727). Echter, dit resultaat is verkregen op basis van 8 effectsizes. Het is mogelijk dat het type huiselijk geweld een significant positieve invloed liet zien wanneer meer effectsizes in deze meta-analyse geïncludeerd waren. Hierdoor konden minder harde conclusies getrokken worden over zowel de sterkte van dit effect als de significantie ervan.
Ondanks bovenstaande resultaten van de risicodomeinen, kon de variantie niet volledig verklaard worden. Een mogelijke reden hiervoor is dat het ontstaan van huiselijk geweld multifactorieel van aard is. Dit betekent dat verschillende risicofactoren een bijdrage leveren in het ontstaan en in stand houden van huiselijk geweld en dat dit niet is toe te schrijven aan één risicofactor. Gezien de verscheidenheid aan ontwikkelingstheorieën met betrekking tot huiselijk geweld is dit niet verwonderlijk (Bandura, 1973; Dutton, 1995a; Johnson, 2008; Weldon & Gilchrist, 2012). Daarnaast zijn het niet enkel statische,
onveranderbare risicofactoren die het daderschap van huiselijk geweld bepalen, maar ook dynamische veranderbare factoren (Beke, 2006; Van der Veen & Bogaerts, 2010). In de huidige studie zijn niet alle mogelijke risicofactoren voor huiselijk geweld gecodeerd, omdat dat niet mogelijk is. Vervolgonderzoek kan zich mogelijk richten op andere risicodomeinen en moderatoren, zodat uiteindelijk meer van de variantie verklaard kan worden.
Beperkingen
Bij het interpreteren van de resultaten dient rekening te worden gehouden met een aantal beperkingen. In de eerste plaats waren relatief weinig studies voorhanden over de predictieve validiteit van risicotaxatie-instrumenten voor daderschap van huiselijk geweld. Hierdoor moeten de resultaten met enige voorzichtigheid worden geïnterpreteerd. Daarbij zijn wegens de beperkte beschikbare tijd geen auteurs benaderd, waardoor enkel studies zijn
geïncludeerd uit online databases. Als gevolg konden niet alle risicotaxatie-instrumenten vergeleken worden en is de keuze gemaakt om een cluster te maken van alle instrumenten waarvan een beperkt aantal effectsizes bekend was, genaamd ‘overig’. Door het gebrek aan statistische power is het tot op heden nog steeds onduidelijk hoe een aantal instrumenten afzonderlijk presteren als risicotaxatie-instrument bij het inschatten van daderschap van huiselijk geweld. Enkele voorbeelden zijn: BSAFER, LSI-OR, HC-10 en PCL-R. Bovendien bleek uit de trim-and-fill analyse dat 15 effectsizes extra geïncludeerd moesten worden om het effect van een publicatiebias teniet te doen. Echter, deze analyse is oorspronkelijk enkel toereikend bij een homogene dataset (Peters et al., 2007), waar in dit onderzoek geen sprake van was.
Een tweede beperking is het veelvuldig gebruik van een retrospectief design in primaire studies, terwijl prospectieve designs de voorkeur hebben (Hoyle, 2002). De reden hiervoor is dat bij retrospectieve designs de instrumenten ingevuld worden op basis van een dossieranalyse. Helaas ontbreekt in dossiers vaak relevante informatie om een volledige risico-inschatting te kunnen maken. Daarbij worden oordelen vaak gevormd zonder dat de persoon in kwestie gezien of gesproken is. Aangezien de meeste studies over risicotaxatie van daderschap van huiselijk geweld gebruikmaakten van een retrospectief design, is ondanks dit kritiekpunt besloten om deze studies te includeren in de huidige meta-analyse. Dit neemt niet weg dat het retrospectieve design van de primaire studies de resultaten van huidige meta-analyse mogelijk hebben beïnvloed. Als laatste was het onderzoek individueel uitgevoerd, waardoor het zoeken van artikelen, coderen van informatie en analyseren van data door één onderzoeker is gedaan. Hierdoor was geen rekening gehouden met de
interbeoordelaarsbetrouwbaarheid. Idealiter zijn bij een studie meerdere (onafhankelijke) codeurs betrokken, zodat de kans op codeerbias wordt geminimaliseerd (Schwalbe, 2007). Ondanks dat geprobeerd is om zo objectief mogelijk te coderen en te analyseren, bestaat de mogelijkheid dat andere onderzoekers verschillende resultaten zullen rapporteren. Daarnaast speelde mogelijk de onervarenheid van de onderzoeker een rol in het analyseren en
interpreteren van primaire studies.
Implicaties voor de praktijk
De huidige studie biedt een aantal implicaties voor de praktijk. Zo is uit huidig
onderzoek bekend geworden dat de DVRAG en ODARA een hogere voorspelkracht lijken te hebben dan andere risicotaxatie-instrumenten. Hierdoor is de verwachting dat deze
risicotaxatie-instrumenten een betere voorspelling zullen doen over de kans op daderschap van huiselijk geweld dan andere instrumenten. Volgens het Risk-Need-Responsivity (RNR)
model is het van belang om eerst het risico in kaart te brengen om vervolgens de juiste
interventies te kunnen inzetten (Andrews & Bonta, 2010; Van der Put et al., 2011). Indien het risico op daderschap van huiselijk geweld hoog is, vergt dit een andere interventie dan bij een klein risico. Om beter aan te sluiten bij de RNR principes kan in de praktijk gekozen worden voor het gebruik van één van de bovenstaande risicotaxatie-instrumenten. Echter, geen enkel risicotaxatie-instrument is in staat om met 100% zekerheid en accuraatheid het risico op daderschap van huiselijk geweld in te schatten (Schwalbe, 2007). Hierdoor is het van belang dat de praktijk blijft investeren in kennis en vaardigheden van professionals om hun
oordeelsvorming zo betrouwbaar mogelijk te maken.
Het huidige onderzoek heeft inzicht gegeven in welke risicodomeinen de
voorspelkracht van een risicotaxatie-instrument positief (en negatief) beïnvloeden. Door deze inzichten is bekend welke risicodomeinen (relatie kenmerken, demografische kenmerken, mate van angst bij het slachtoffer) in de praktijk uitgevraagd moeten worden bij een risico-inschatting. Daarnaast is bekend bij welke doelgroep de huidige risicotaxatie-instrumenten het beste een inschatting kunnen maken op daderschap van huiselijk geweld, namelijk
middelenmisbruikers en militairen in de VS. Meer valideringsonderzoek is nodig om de mogelijke invloed van andere risicodomeinen op de gemiddelde predictieve validiteit te toetsen.
Referentielijst
Alink, L., Pannebakker, F., Euser, S., Bakermans-Kranenburg, M., Vogels, T., & IJzendoorn, R. van (2013). Kindermishandeling in Nederland anno 2010. Tijdschrift voor
Gezondheidswetenschappen, 91, 396-404. doi:10.1007/s12508-013-0137-x Andrews, D. A., & Bonta, J. (2010). Rehabilitating criminal justice policy and practice.
Psychology, Public Policy, and Law, 16, 39- 55. doi.org/10.1037/a0018362 Bandura, A. (1973). Aggression: A social learning analysis. Geraadpleegd op
https://books.google.com/books?id=BWu4AAAAIAAJ
*Belfrage, H., Strand, S., Storey, J.E., Gibas, A. L., Kropp, P.R., & Hart, S. D. (2011). Assessment and management of risk for intimate partner violence by police officers using the spousal assault risk assessment guide. Law and Human Behavior 36, 60. doi:10.1007/s109 79-011-9278-0
Bensley, L., Eenwyk, J. van, & Wynkoop Simmons, K. (2003). Childhood family violence history and women’s risk for intimate partner violence and poor health. American Journal of Preventive Medicine, 25, 38-44. doi:10.1016/S0749-3797(03)00094-1 Berg, A. van den., (2006). Risico’s van risicotaxatie. Tijdschrift voor Psychotherapie, 32, 172.
doi:10.1007/BF03062220
Black, D., Newman, M., Harris-Hendriks, J., & Mezey, G. (1997). Psychological trauma: A developmental approach. Geraadpleegd op https://books.google.nl/books?isbn =0902241982
Born, M., & Mol, S. T. (2006). Het kwantitatief integreren van emprisiche studies: De methode van meta-analyse. Gedrag & Organisatie, 3, 251-267. Geraadpleegd op https://www.gedragenorganisatie.nl/scripts/shared/artikel_pdf.php?id=GO-19-3-4 *Bourgon, G., & Bonta, J. (2004). Risk assessment for general assault and partner abusers
(User Report No. 2004-04). Public Safety and Emergency Preparedness Canada. Geraadpleegd op https://www.publicsafety.gc.ca/cnt/rsrcs/pblctns/rsk-ssssmnt-gnrl/rsk-ssssmnt-gnrl-eng.pdf
Carlson R. G., & Jones, K. D. (2010). Continuum of conflict and control: A conceptualization of intimate partner violence typologies. The Family Journal, 18, 248-254.
doi:10.1177/1066480710371795
*Chan, K. L. (2014). Assessing the Risk of Intimate Partner Violence in the Chinese Population The Chinese Risk Assessment Tool for Perpetrator (CRAT-P). Violence Against Women, 20, 500-516. doi:1077801214535107
Choenni, V., van de Mheen, D., & Hammink, A. (2016). Het verband tussen alcohol-en cannabisgebruik en het plegen van huiselijk geweld. Verslaving, 12, 3-14. doi:10.1007 /s12501-016-0055-0
Cohen, J. (2013). Statistical power analysis for the behavioral sciences. Geraadpleegd op https://books.google.nl/books?isbn=1134742770
Costa, D. M., & Babcock, J. C. (2008). Articulated thoughts of intimate partner abusive men during anger arousal: Correlates with personality disorder features. Journal of Family Violence, 23, 395-402. doi:10.1007/s10896-008-9163-x
*Dayan, K., Fox, S., & Morag, M. (2013). Validation of spouse violence risk assessment inventory for police purposes. Journal of Family Violence, 28, 811-821.
doi:10.1007/s-10896-013-9547-4
Dijk, T. van., Flight, S., Oppenhuis, E., & Duesmann, B. (1997). Huiselijk geweld. Aard, omvang en hulpverlening. Den Haag: Dienst Preventie, Jeugdbescherming en Reclassering, Ministerie van Justitie.
Dijk, T. van., Veen, M., & Cox, E. (2010) Slachtofferschap van huiselijk geweld: aard, omvang, omstandigheden en hulpzoekgedrag. Hilversum: Intomart
Dijkstra, S. (2001). Kinderen die getuige zijn van geweld tussen hun ouders. Een basisverkenning van korte- en langetermijneffecten. Geraadpleegd op: Dijkstra, onderzoek en advies. https://www.huiselijkgeweld.nl/doc/feiten/sd_kinder _als_getuige.pdf
Drenth, P. J. D., & Sijtsma, K. (2012). Testtheorie. Houten: Bohn Stafleu Van Loghum. Dutton, D. G. (1995a). Intimate abusiveness. Clinical Psychology: Science and Practice, 2,
207-224. doi:10.1111/j.1468-2850.1995.tb00040.x
Dutton, D. G. (1995b). Trauma symptoms and PTSD-like profiles in perpetrators of intimate abuse. Journal of Traumatic Stress, 8, 299-316. doi:10.1002/jts.2490080210
*Dutton, D. G., & Kropp, P. R. (2000). A review of domestic violence risk instruments. Trauma, Violence, & Abuse, 1, 171-181. doi:10.1177 /1524838000001002004
*Ferguson, J. (2011). Risk assessment for domestic violence offenders: Predicting probation outcomes (Doctoral dissertation, Arizona State University). Geraadpleegd op
https://repository.asu.edu/attachments/56467/content/Ferguson_asu_0010E_10382.pdf Ferwerda, H. B. (2007). Met de deur in huis. Omvang, aard, achtergrondkenmerken en
aanpak van huiselijk geweld. Geraadpleegd op http://www.beke.nl/doc/publicaties /nieuw/HG-met%20de%20deur%20in%20huis.pdf
Gilbert, R., Widom, C. S., Browne, K., Fergusson, D., Webb, E., & Janson, S. (2009). Burden and consequences of child maltreatment in high-income countries. The Lancet, 373, 68-81.doi:10.1016/S0140-6736(08)61706-7
*Girard, L., & Wormith, J. S. (2004). The predictive validity of the Level of Service
Inventory-Ontario Revision on general and violent recidivism among various offender groups. Criminal Justice and Behavior, 31, 150-181. doi:10.1177/0093854-803261335 *Gondolf, E. W., & Wernik, H. (2009). Clinician ratings of batterer treatment behaviors in
predicting reassault. Journal of Interpersonal Violence, 24, 1792-1815. doi:10.1177 /0886260508325493.
*Grann, M., Belfrage, H., & Tengstrom, A. (2000). Actuarial assessment of risk for violence: Predictive validity of the VRAG and the historical part of the HCR-20. Criminal Justice and Behaviour, 27, 97-114. doi:10.1177/0093854800027001006
*Grann, M., & Wedin, I. (2002). Risk factors for recidivism among spousal assault and spousal homicide offenders. Psychology, Crime & Law, 8, 5–23. doi.org/10.1080 /10683160208401806
*Gray, A. L. (2007). Assessing Risk for Intimate Partner Violence: A Cross-Validation of the ODARA and DVRAG within a Sample of Incarcerated Offenders (Doctoral
dissertation, Carleton University Ottawa, Canada). Geraadpleegd op https://curve .carleton.ca/system/files/etd/72e3aeb0-7550-4f38-9f47-d50f33431895/etd_pdf /6c6aacb2023c96d125559e194b77f097/gray-assessingriskforintimatepartner-violenceacrossvalidation.pdf
*Hanson, R. K., Bourgon, G., & Helmus, L. (2007). The validity of risk assessments for intimate partner violence: A meta-analysis. Ottawa, Ontario: Public Safety Canada. *Hanson, R. K. & S. WallaceCapretta (2004). Predictors of criminal recidivism among male
batterers. Psychology Crime & Law, 10, 413-427. doi:10.1080 /10683160310001629283
*Hastings, M. E., Krishnan, S., Tangney, J. P., & Stuewig, J. (2011). Predictive and incremental validity of the Violence Risk Appraisal Guide scores with male and female jail inmates. Psychological Assessment, 23, 174. doi:10.1037/a0021290 Hermanns, J. M. A. (2009). Het opvoeden verleerd. (Oratiereeks). Amsterdam: Vossiuspers Higgins, J. P., & Green, S. (2008). Cochrane handbook for systematic reviews of
interventions (Vol. 5). Chichester: Wiley-Blackwell.
*Hilton, N. Z., & Harris, G. T. (2009). How nonrecidivism affects predictive accuracy: Evidence from a cross-validation of the Ontario Domestic Assault Risk Assessment
(ODARA). Journal of Interpersonal Violence, 24, 326-337. doi:10.1177 /0886260508316478
*Hilton, N. Z., Harris, G. T., Popham, S., & Lang, C. (2010). Risk assessment among incarcerated male domestic violence offenders. Criminal Justice and Behavior, 37, 815-832. doi:10.1177/0093854810368937
*Hilton, Z., Harris, G. T., & Rice, M.E. (2001). Predicting violence by serious wife assaulters. Journal of Interpersonal Violence, 16, 408-423. doi:10.1177/08862600 1016005002. *Hilton, N. Z., Harris, G. T., Rice, M. E., Houghton, R. E., & Eke, A. W. (2008). An indepth
actuarial assessment for wife assault recidivism: The Domestic Violence Risk Appraisal Guide. Law and Human Behavior, 32, 150-163. doi:10.1007/s10979-007-9088-6
*Hilton, N. Z., Harris, G. T., Rice, M. E., Lang, C., Cormier, C. A., & Lines, K. J. (2004). A brief actuarial assessment for the prediction of wife assault recidivism: The Ontario Domestic Assault Risk Assessment. Psychological Assessment, 16, 267–275. doi:10.1037 /1040-3590.16.3.267
Holtzworth-Munroe, A., & Meehan, J. C. (2004). Typologies of men who are maritally violent: Scientific and clinical implications. Journal of Interpersonal Violence, 19, 1369-1389. doi:10.1177/0886260504269693
Houben, M., Van den Noortgate, W., & Kuppens, P. (2015). The relation between short-term emotion dynamics and psychological well-being: A meta-analysis. Psychological Bulletin, 141, 901-930. doi:10.1037/a0038822
Ireland, T. O., & Smith, C. A. (2009). Living in partner-violent families: Developmental links to antisocial behavior and relationship violence. Journal of Youth and Adolescence, 38, 323- 339. doi:10.1007/s10964-008-9347-y
Johnson, M. P. (2006). Conflict and control: Gender symmetry and asymmetry in domestic violence. Violence Against Women, 12, 1003- 1010. doi:10.1177/1077801206293328 Kazdin, A. E. (2003). Research design in clinical psychology.
https://books.google.nl/books?isbn=0205992080
Knaap, L. M. van der, Idrissi, F. el, & Bogaerts, S. (2010). Daders van huiselijk geweld. (Onderzoek en Beleid; No. 287). Den Haag: Boom Juridische Uitgevers
Kraanen, F. L., Scholing, A., & Emmelkamp, P. M. G. (2010). Substance use disorders in perpetrators of intimate partner violence in a forensic setting. International Journal of Offender Therapy and Comparative Criminology, 54, 430-440 doi:10.1177
*Kraanen, F. L., Vedel, E., Scholing, A., & Emmelkamp, P. M. (2013). Screening on
perpetration and victimization of intimate partner violence (IPV): Two studies on the validity of an IPV screening instrument in patients in substance abuse treatment. PloS one, 8, e63681. doi:10.1371/journal.pone.0063681
*Kropp, P. R., & Hart, S. D. (2000). The Spousal Assault Risk Assessment (SARA) Guide: Reliability and validity in adult male offenders. Law and Human Behavior, 24, 101– 118. doi:10.1023/A:1005430904495
Lalkhen, A. G., & McCluskey, A. (2008). Clinical tests: sensitivity and specificity. Continuing Education in Anaesthesia, Critical Care & Pain, 8, 221-223. doi:10.1093/bjaceaccp/mkn041
Lanier, M. M., & Henry, S. (2010). Essential criminology. Geraadpleegd op https://books.google.nl/books?isbn=0813348862
Levendosky, A. A., & Graham-Bermann, S. A. (2001). Parenting in battered women: The effects of domestic violence on women and their children. Journal of family violence, 16, 171-192. doi:10.1023/A:1011111003373
Lodewijks, H. P. B., & Domburgh, L. van., (2012). Instrumenten voor risicotaxatie: kinderen en jeugdigen. Nederland, Amsterdam: Pearson Assessment and Information
*Messing, J. T., & Thaller, J. (2013). The average predictive validity of intimate partner violence risk assessment instruments. Journal of Interpersonal Violence, 28, 1537-1558. doi:10.1177/0886260512468250
Movisie. (2011). Factsheet Huiselijk geweld: aard en omvang, gevolgen, hulverlening en aanpak. Geraadpleegd op http://www.huiselijkgeweld.nl/doc/feiten
/factsheet_movisie_mei_2011_website.pdf
*Murphy, C. M., Morrel, T. M., Elliott, J. D., & Neavins, T. M. (2003). A prognostic
indicator scale for the treatment of partner abuse perpetrators. Journal of Interpersonal Violence, 18, 1087-1105. doi:10.1177/0886260503254515.
Nationaal Kompas Volksgezondheid. (2014). Wat is sociaaleconomiche status? Bilthoven: RIVM. Geraadpleegd op http://www.kvnog.nl/component/zoo/item
/sociaaleconomische-status-vtv
Put, C. E. van der, Assink, M., & Stams, G. J. J. (2016). Predicting relapse of problematic child-rearing situations. Children and Youth Services Review, 61, 288-295.
Put, C. E. van der, Spanjaard, H., Domburgh, L. van., Doreleijers, T., Lodewijks, H., Ferwerda, H., Bolt, R., & Stams, G. J. (2011). Ontwikkeling van het Landelijke Instrumentarium Jeugdstrafrechtketen (LIJ). Kind & Adolescent Praktijk,10, 76-83. doi:10.1007/s12454-011-0021-2
Peters, J. L., Sutton, A. J., Jones, D. R., Abrams, K. R., & Rushton, L. (2007). Performance of the trim and fill method in the presence of publication bias and between-study
heterogeneity. Statistics in Medicine, 26, 4544-4562. doi:10.1002/sim.2889
Pyles, L., & Postmus, J. L. (2004). Addressing the problem of domestic violence: How far have we come? Affilia, 19, 376-388. doi:10.1177/0886109904268865
*Rettenberger, M., & Eher, R. (2013). Actuarial risk assessment in sexually motivated intimate-partner violence. Law and human behavior, 37, 75. doi:10.1037/b0000001 Rice, M. E., & Harris, G. T. (2005). Comparing effect sizes in follow-up studies: ROC Area,
Cohen's d, and r. Law and Human Behavior, 29, 615-620. doi:10.1007/s10979-005 -6832-7
Ruiter, C. de (2000). Voor verbetering vatbaar (oratie). Geraadpleegd op
http://webcache.googleusercontent.com/search?q=cache:BwaDobsV2J4J:www.corine deruiter.eu/file.php%3Fnr%3D185%26code%3D7f3b6e153c80ed36b4f95d47dcaa5bc a%26time%3D1425558767+&cd=2&hl=en&ct=clnk&gl=nl
*Ruiter, C. de (2011). Risicotaxatie bij relationeel geweldplegers in de praktijk: De B-SAFER. GZ-psychologie, 3, 24-33. Geraadpleegd op https://mijn.bsl.nl/risicotaxatie-bij-relationeel-geweldplegers-in-de-praktijk-de-b-/10323228
Schwalbe, C. S. (2007). Risk assessment for juvenile justice: A meta-analysis. Law and Human Behavior, 31, 449-462. doi:10.1007/s10979-006-9071-7
Shlonsky, A., Saini, M., & Wu, M. J. (2007). The recurrence of child maltreatment: Predictive validity of risk assessment instruments. Campbell Library of Systematic Reviews. Geraadpleegd op https://www.campbellcollaboration.org/media/k2/attachments /1075_P.pdf
Shiner, R., & Caspi, A. (2003). Personality differences in childhood and adolescence: Measurement, development, and consequences. Journal of Child Psychology and Psychiatry, 44, 2-32. doi:10.1111/1469-7610.00101
Singh, J. P. (2013). Predictive validity performance indicators in violence risk assessment: A methodological primer. Behavioral Sciences & the Law, 31, 8-22.
Singh, J. P., Desmarais, S. L., & Van Dorn, R. A. (2013). Measurement of predictive validity in violence risk assessment studies: A second‐order systematic review. Behavioral Sciences & the Law, 31, 55-73. doi:10.1002/bsl.2053
Smith, C. A., Ireland, T. O., Park, A., Elwyn, L., & Thornberry, T. P. (2011).
Intergenerational continuities and discontinuities in intimate partner violence: A two-generational prospective study. Journal of Interpersonal Violence, 26, 3720-3752. *Stalans, L. J., Hacker, R., & Talbot, M. E. (2010). Comparing nonviolent, other-violent, and
domestic batterer sex offenders: Predictive accuracy of risk assessments on sexual recidivism. Criminal Justice and Behavior, 37, 613-628. doi:10.1177/009385481-0363794
*Stith, S. M., Milner, J. S., Fleming, M., Robichaux, R. J., & Travis, W. J. (2016). Intimate partner physical injury risk assessment in a military sample. Psychology of
Violence, 6, 529. doi:10.1037/a0039969
Stith, S. M., Rosen, K. H., Middleton, K. A., Busch, A. L., Lundeberg, K., & Carlton, R. P. (2000). The intergenerational transmission of spouse abuse: A meta-analysis. Journal of Marriage and the Family, 62¸640-654. doi:10.1111/j.1741-3737.2000.00640.x Stoltenborgh, M., Van IJzendoorn, M. H., Euser, E. M., & Bakermans-Kranenburg, M. J.
(2011). A global perspective on child sexual abuse: Meta-analysis of prevalence around the World. Child Maltreatment, 16, 79-101. doi:10.1177/1077559511403920 *Storey, J. E., Kropp, P. R., Hart, S. D., Belfrage, H., & Strand, S. (2014). Assessment and
management of risk for intimate partner violence by police officers using the brief spousal assault form for the evaluation of risk. Criminal Justice and Behavior, 41, 256-271. doi:10.1177/0093854813503960
Suchy, Y. (2009). Executive functioning: Overview, assessment, and research issues for non-neuropsychologists. Annals of behavioral medicine, 37(2), 106-116. doi:10.1007 /s12160-009-9097-4
Vandereycken, W., Hoogduin, C. A. L., & Emmelkamp, P. M. G. (2008). Handboek psychopathologie 1 basisbegrippen. (4e ed.). Houten, Nederland: Bohn Stafleu van Loghum.
Veen, H. C. J. van der., & Bogaerts, S. (2010). Huiselijk geweld in Nederland: overkoepelend synthese rapport van het vangst-hervangst-, slachtoffer- en daderonderzoek 2007- 2010. Den Haag: Wetenschappelijk Onderzoek- en Documentatiecentrum
Vogel, V. de (2005). Structured risk assessment of (sexual) violence in forensic clinical practice. The HCR-20 and SVR-20 in Dutch forensic psychiatric patients. Geraadpleegd op https://books.google.nl/books?isbn=9036193028
Weldon, S., & Gilchrist, E. (2012). Implicit theories in intimate partner violence offenders. Journal of Family Violence, 27, 761-772. doi:10.1007/s10896-012-9465-x
*Williams, K. R. (2012). Family violence risk assessment: A predictive crossvalidation study of the Domestic Violence Screening InstrumentRevised (DVSI-R). Law and Human Behavior, 36, 120-129. doi:10.1007/s10979- 011-9272-6.
*Williams, K. R., & Grant, S. R. (2006). Empirically examining the risk of intimate partner violence: The Revised Domestic Violence Screening Instrument (DVSI-R). Public Health Reports, 121, 400-408. doi:10.1177/003335490612100408
*Williams, K. R., & Houghton, A. B. (2004). Assessing the risk of domestic violence
reoffending: A validation study. Law and Human Behavior, 28, 437–455. doi:10.1023 /B:LAHU.0000039334.59297.f0
*Wong, T., & Hisashima, J. (2008). Domestic violence exploratory study on the DVSI and SARA, State of Hawaii, 2003–2007 (ICIS Technical Report No. 1), Hawaii: Hawaii State Department of Health, Interagency Council on Intermediate Sanctions.
Geraadpleegd op http://hawaii.gov/icis/documents/SARADVSI%20Exploratory%20-Study%20%28Oct%202008%29.pdf
Wubbels, L. (2015). Nederlandse plegers van partnergeweld geclassificeerd in de typologie van Emery. Een verkennend onderzoek naar verschillende partnergeweldtypen (Master’s thesis, Rijksuniversiteit Groningen). Geraadpleegd op http://www.ppsw.rug .nl / ~veenstra/Supervision/Master/Wubbels.pdf
