Identificatie van de belangrijkste risicofactoren voor het. voorspellen van recidive bij tbs-gestelden

Transcriptie

1 Identificatie van de belangrijkste risicofactoren voor het voorspellen van recidive bij tbs-gestelden Masterthesis Klinische Forensische Psychologie Naam student: V.E.M. van Ommen, BSc Universiteit: ANR: Tilburg University Begeleider: dr. J.J. Sijtsema Tweede beoordelaar: M.G.C. Noteborn, MSc Inleverdatum: 22 augustus

2 Samenvatting In de literatuur worden risicofactoren vaak onafhankelijk van elkaar onderzocht in relatie tot recidive. Ze worden echter zelden met elkaar vergeleken. In dit onderzoek wordt gekeken of er onderscheid bestaat tussen de belangrijkste risicofactoren in hun voorspellend vermogen voor algemene, geweldloze en gewelddadige recidive. Verwacht wordt dat de risicofactoren die inhoudelijk overeen komen met The Central Eight van Andrews en Bonta (2010) algemene recidive beter voorspellen dan de andere risicofactoren. Daarnaast wordt verwacht dat de risicofactoren die het best geweldloze recidive voorspellen verschillen van de risicofactoren die het best gewelddadige recidive voorspellen. De onderzochte steekproef bestaat uit 305 mannelijke daders met een gemiddelde leeftijd van 29 jaar, een stoornis in de geestvermogens en die de maatregel tbs opgelegd hebben gekregen en zijn teruggekeerd in de maatschappij in de periode Door middel van logistische regressieanalyse wordt onderzocht welke risicofactoren de kans op recidive het best voorspellen. Resultaten laten zien dat er inderdaad een verschil is in de mate waarin de risicofactoren de verschillende soorten recidive voorspellen. Op basis van de resultaten kan niet geconcludeerd worden dat The Central Eight van Andrews en Bonta (2010) de belangrijkste risicofactoren voor recidive zijn. Schending van voorwaarden en afspraken gedurende de behandeling was de belangrijkste risicofactor voor zowel algemene recidive en geweldloze recidive. Vijandigheid was de belangrijkste risicofactor voor gewelddadige recidive. De risicofactoren die een unieke bijdrage leverden aan de voorspelling van geweldloze recidive verschilden van die van gewelddadige recidive. Toekomstig onderzoek moet zich richten op de hiërarchie binnen de dynamische factoren en de modererende effecten van de risicofactoren op elkaar, omdat met die kennis er nog behandelwinst te halen is. 2

3 Introductie Terbeschikkingstelling (tbs) is een behandelmaatregel die de rechter oplegt als er sprake is van een delict waarvoor bij wet tenminste vier jaar gevangenisstraf is gesteld en bij de dader tijdens het begaan van het feit sprake was van een gebrekkige ontwikkeling of een psychiatrische ziekte of stoornis welke in relatie stond tot het delict. Het doel van de tbs is beveiliging van de samenleving. De tbs behandeling heeft als doel om de patiënt zo goed mogelijk in de samenleving te laten terugkeren (Ministerie van Veiligheid en Justitie, 2016). De patiënt keert alleen terug in de samenleving wanneer het recidiverisico, de kans dat de patiënt opnieuw een ernstig delict zal plegen, aanvaardbaar is geworden (TBS Nederland, 2016). Om dit recidiverisico zo objectief, uniform en zorgvuldig mogelijk in te schatten wordt gebruik gemaakt van risicotaxatie-instrumenten. Deze instrumenten bestaan uit factoren die op grond van empirisch onderzoek samenhangen met recidive. De factoren in een risicotaxatie-instrument zijn statisch of dynamisch (Harte & Breukink, 2010). Statische factoren zijn zaken die onveranderbaar zijn, zoals bijvoorbeeld hulpverleningsgeschiedenis en justitiële voorgeschiedenis. Dynamische factoren zijn veranderbaar en beïnvloedbaar, zoals drugsgebruik en het hebben van werk en inkomen (Knaap & Alberda, 2009). Om een inschatting van het recidivegevaar te krijgen, worden de scores op de verschillende factoren van het instrument opgeteld. Deze scores worden gebaseerd op dossiergegevens en gesprekken met onder andere de patiënt, het sociale netwerk en behandelaars van de patiënt (Spreen, Brand, Ter Horst, & Bogaerts, 2014). Om ruimte te bieden voor de kenmerken van de specifieke patiënt bestaat de voorkeur dat instrumenten voor risicotaxatie gebruikt worden ter ondersteuning van het klinisch gewogen oordeel van het recidivegevaar dat wordt opgesteld door een beoordelaar (Harte & Breukink, 2010; Spreen et al., 2014). De voorspellende factoren in risicotaxatie-instrumenten dragen allemaal evenveel bij aan het recidiverisico, want het actuariële risico van een risicotaxatie-instrument wordt gebaseerd op 3

4 een cumulatieve totaalscore van de individuele scores op de factoren. Op basis van de risicotaxatie-instrumenten kan alleen gezegd worden welke factoren bijdragen aan het voorspellen van het recidiverisico. Op basis van deze instrumenten kan echter niet gezegd worden welke factoren de grootste invloed hebben op het recidiverisico. Hoewel er veel onderzoek is gedaan naar factoren die bijdragen aan het recidiverisico, is er weinig onderzoek gedaan naar welke factoren nu het meest bijdragen aan dit recidiverisico. Zijn er risicofactoren die meer bijdragen aan de kans op recidive dan andere risicofactoren? Wanneer dit het geval blijkt te zijn kan deze hiërarchie in de risicofactoren een objectieve richting geven aan het behandelplan, door de behandeling eerst te richten op de risicofactoren die het meeste bijdragen aan het recidiverisico. Op dit moment wordt er wel een prioritering gemaakt in de behandeling van de risicofactoren van een patiënt. Dit gebeurt echter op basis van het klinisch oordeel van de behandelaar op basis van de risicotaxatie. Hierbij wordt door behandelaars aan risicofactoren een zogenoemde Positie in Risico Management (PRM) toegekend (Spreen et al., 2014). Standaardisering in de hiërarchie van ernst van risicofactoren zou zorgen voor een meer objectieve besluitvorming in de prioritering van de te behandelen risicofactoren. In de literatuur is er slechts één model dat duidelijk stelt dat er sprake is van een hiërarchie tussen de verschillende risicofactoren voor crimineel gedrag. Dit model is The Central Eight van Andrews en Bonta (2010). Dit model vloeit voort uit alle onderzoeken en ervaringen van deze onderzoekers naar risicofactoren voor crimineel gedrag en recidive. Het model stelt dat er acht voornaamste risicofactoren zijn voor crimineel gedrag. Binnen deze acht risicofactoren wordt dan nog onderscheid gemaakt tussen de Big Four, met de grootse impact op recidive, en de Moderate Four, met een kleinere, maar toch significante impact op recidive. De vier grootste risicofactoren zijn volgens Andrews en Bonta (2010) een geschiedenis van antisociaal gedrag, een antisociaal persoonlijkheidspatroon, antisociale 4

5 cognities en een antisociaal netwerk. De vier matig grote risicofactoren zijn familiale dysfunctie en/of huwelijkse staat, opleidingsniveau en/of arbeidssituatie, vrijetijdsbesteding en middelenmisbruik. Een beschrijving van deze factoren is te vinden in appendix A. In een meta-analyse van 126 onderzoeken over 96 unieke steekproeven (N = ) werd gekeken of deze acht centrale risicofactoren van Andrews en Bonta (2010) significante voorspellers waren voor algemene en gewelddadige recidive voor daders met een stoornis in de geestvermogens (Bonta, Blais, & Wilson, 2014). Uit de resultaten bleek dat alle acht risicofactoren significante voorspellers waren voor algemene en gewelddadige recidive. De voorspellende waarde van deze acht risicofactoren wordt ook door diverse andere onderzoeken onderschreven (Abeling-Judge, 2016; Dowden & Brown, 2002; Pickard & Fazel, 2013; Tripodi, Kim, & Bender, 2009; Walter, Wiesbeck, Dittmann, & Graf, 2011). In de meta-analyse van Bonta et al. (2014) werd een verschil gevonden in de best voorspellende risicofactoren tussen algemene recidive en gewelddadige recidive. Zo waren middelenmisbruik, de aanwezigheid van een antisociaal persoonlijkheidspatroon en procriminele attitudes en cognities de grootste voorspellers van de acht voor algemene recidive. Voor gewelddadige recidive waren de grootste voorspellende factoren een antisociaal persoonlijkheidspatroon, pro-criminele attitudes en cognities en een geschiedenis van antisociaal gedrag (Bonta et al., 2014). Van deze vier risicofactoren is reeds langer bekend dat ze verband houden met recidive. Er is veel onderzoek gedaan om vast te stellen dat middelenmisbruik, pro-criminele attitudes en cognities en een geschiedenis van antisociaal gedrag/criminele voorgeschiedenis de kans op recidive vergroten (o.a. Bonta, Law, & Hanson, 1998; Busch & Vandevelde, 2015; Caudy et al., 2015; Dowden & Brown, 2002; Fisher et al., 2014; Grieger & Hosser, 2014; Håkansson & Berglund, 2012; Hubbard & Pealer, 2009; Mills, Kroner, & Hemmati, 2004; Pickard & Fazel, 2013; Shannon, Jones, Newell, & Neal, 2016; Walter et al., 2011). Studies die het verband tussen het begrip antisociaal 5

6 persoonlijkheidspatroon van Andrews en Bonta (2010) en recidive aantonen zijn in verminderde mate aanwezig. Dit komt omdat het begrip een breed scala van gedragingen en kenmerken omvat. Andrews en Bonta (2010) beschreven dit patroon in alledaagse termen als volgt: impulsief, avontuurlijk, genotzucht, gegeneraliseerde problemen (met meerdere personen in meerdere omstandigheden), rusteloze agressie, het ontbreken van empathie ( callousness ) en een gebrek aan achting voor anderen. Zij schrijven ook dat een antisociaal persoonlijkheidspatroon twee relatief onafhankelijke dimensies bevat, namelijk lage zelfcontrole/gebrek aan planning en negatieve emotionaliteit (Andrews & Bonta, 2010). Er zijn wel onderzoeken gedaan naar factoren die binnen het antisociaal persoonlijkheidspatroon vallen, zoals psychopathie (gebrek aan empathie en achting voor anderen) en de aanwezigheid van een antisociale persoonlijkheidsstoornis (agressie, problemen met anderen en impulsiviteit), waarbij ook werd gevonden dat de aanwezigheid van deze factoren de kans op recidive significant verhoogt (Bonta et al., 1998; Harris, Rice, & Cormier, 1991; Shepherd, Campbell, & Ogloff, 2016; Walter et al., 2011). Alles bij elkaar genomen is er veel onderzoek gedaan naar factoren die op een of andere manier recidive voorspellen. Er is echter nog maar beperkt onderzoek gedaan naar het verschil in het voorspellend vermogen van deze risicofactoren, zeker binnen de Nederlandse forensisch psychiatrische populatie. De acht centrale risicofactoren van Andrews en Bonta (2010) is het enige theoretische model dat hiërarchie erkent en beschrijft in het voorspellend vermogen van risicofactoren voor recidive. Om die reden is het doel van dit onderzoek om te onderzoeken of er onderscheid te maken is tussen risicofactoren voor recidive in de mate waarin zij recidive voorspellen. Voor dit onderzoek zal gebruik gemaakt worden van de risicofactoren uit het risicotaxatie-instrument Historische, Klinische, Toekomstige Revisie (HKT-R). Hier is voor gekozen omdat het sinds 2015 in Nederland verplicht is voor tbs klinieken om tijdens de behandeling het recidiverisico periodiek te meten met de klinische indicatoren van de HKT-R (Teeven, 2014). 6

7 Dit maakt de HKT-R het breedst gebruikte risicotaxatie-instrument in Nederland. Daarnaast is de HKT-R een risicotaxatie-instrument dat speciaal is ontwikkeld voor de Nederlandse populatie van forensisch psychiatrische patiënten. De HKT-R is geschikt voor gebruik bij mannelijke plegers van geweldsdelicten en bij mannelijke patiënten met psychotische kwetsbaarheid, persoonlijkheidsstoornissen en/of patiënten met beide diagnoses (Spreen et al., 2014). De HKT-R bestaat uit drie domeinen, namelijk het historische domein, het klinische domein en het toekomstige domein. In totaal bestaan deze domeinen uit 33 indicatoren, respectievelijk twaalf, veertien en zeven indicatoren per domein. De totaalscore van deze domeinen wordt via een tabel vertaald naar een actuarieel risico. In de praktijk wordt dit gebruikt ter ondersteuning van het klinisch gewogen risico-oordeel (Spreen et al., 2014). In dit onderzoek wordt gebruik gemaakt van de scores op de HKT-R indicatoren en recidivecijfers van 305 daders met een stoornis in de geestvermogens die de maatregel tbs opgelegd hebben gekregen en die vanuit een Nederlandse forensisch psychiatrisch centrum zijn teruggekeerd in de maatschappij in de periode Verwacht wordt dat de indicatoren van de HKT-R die inhoudelijke overeenkomen met de vier grootste risicofactoren zoals gedefinieerd door Andrews en Bonta (2010) een groter effect hebben op het recidiverisico, dan de andere indicatoren. De indicatoren van de HKT-R die inhoudelijk overeenkomen met de vier grootste risicofactoren zoals gedefinieerd door Andrews en Bonta (2010) zijn justitiële voorgeschiedenis, leeftijd eerste delict, gedragsproblemen voor het twaalfde levensjaar, schending van voorwaarden en afspraken (historisch en klinisch), impulsiviteit, antisociaal gedrag, vijandigheid, probleeminzicht, netwerkinvloeden. Deze indicatoren sluiten ook aan bij het Dual Taxonomy model van Moffitt (1993). Dit model stelt dat er twee categorieën van delinquenten zijn: een kleine groep die gedurende elke levensfase antisociaal gedrag laat zien (life-course persistent, LCP) en een grotere groep die zich alleen gedurende de adolescentie antisociaal gedraagt (adolescence limited, AL). Later is dit model 7

8 uitgebreid met een derde categorie van mensen die gedurende elke levensfase antisociaal gedrag laten zien, maar waarvan de frequentie van criminele activiteiten veel lager ligt dan de LCP-groep (low-level chronic offenders, LLC) (Moffitt, Caspi, Harrington, & Milne, 2002). De Big Four risicofactoren van Andrews en Bonta (2010) zijn gerelateerd aan de LCP-groep van Moffitt. Deze groep personen laten op jonge leeftijd al neuropsychologische problemen, zoals impulsiviteit, en gedragsproblemen zien. Daarnaast groeien deze kinderen vaak op in een criminogene omgeving, waarbij onder andere geweld genormaliseerd is en problematisch gedrag minder gecorrigeerd wordt door de ouders (Moffitt, 1993). Personen uit de LCP-groep zullen ook interpersoonlijke situaties met ambigue signalen sneller als vijandig interpreteren en zodoende reageren. Ook zullen zij eerder met andere antisociale individuen optrekken (Moffitt, 1993). Een deel van de risicofactoren waarvan verwacht wordt dat ze recidive het best zullen voorspellen, zijn statische factoren. Ondanks dat deze factoren niet meer veranderd kunnen worden, zijn ze nog steeds van waarde voor de behandeling. Zij geven inzicht in tot welke groep de patiënt behoort, LCP of AL. Dit beïnvloedt vervolgens weer het type interventie. Zo stelt Moffitt (1993) dat naarmate de tijd vordert, de mogelijkheid om het antisociale gedrag te veranderen afneemt voor de LCP-groep. Om dit antisociale gedrag te veranderen zal er een alternatief aangeboden moeten worden dat voldoende oplevert ten opzichte van het antisociale gedrag. De ernst van antisociale gedragingen in het verleden, wat vastgesteld wordt door de historische, statische indicatoren, beïnvloedt dus het type interventie dat ingezet kan worden voor de patiënt. Daarnaast kan ook in kaart gebracht worden welke rol de relaties en sociale situaties hadden ten tijde van het delict en hoe de behandeling en het toekomstige sociale netwerk een rol kunnen spelen in het voorkomen van recidive, door middel van de forensische sociale netwerkanalyse (Pomp & Bogaerts, 2008). Zo kan van een statische risicofactor, zoals netwerkinvloeden, geleerd worden en kan er gewerkt worden aan het verminderen van het effect van die risicofactor in de toekomst. 8

9 De verwachting voor welke indicatoren het meeste effect zullen hebben op het voorspellen van recidive is gebaseerd op de hierboven beschreven literatuur. Veel literatuur maakt echter nog een onderscheid in het soort recidive dat voorspeld wordt door de risicofactoren. Diverse onderzoeken dragen aan dat er een verschil is te vinden in de best voorspellende risicofactoren tussen algemene recidive en gewelddadige recidive (Bonta et al., 2014; Bonta et al., 1998; Dowden & Brown, 2002; Grieger & Hosser, 2014; Mills et al., 2004; Shepherd et al., 2016; Walter et al., 2011). Algemene recidive wordt in deze onderzoeken gedefinieerd als een nieuwe veroordeling voor elk misdrijf, klein of groot, gewelddadig of niet. Gewelddadige recidive is gedefinieerd als elke nieuwe veroordeling voor een misdrijf waarbij gebruik is gemaakt van (dreiging met) geweld tegen een andere persoon, zoals het plegen van een overval of moord. Deze definities zijn hiërarchisch met elkaar verbonden, omdat een persoon die gewelddadig is gerecidiveerd ook algemeen is gerecidiveerd. Gewelddadige recidive is in de literatuur dus een beperkte deelverzameling in de bredere verzameling van algemene recidive. Deze twee variabelen zijn daarom niet onafhankelijk van elkaar. Om die reden kunnen er over het effect van de risicofactoren op deze uitkomstmaten geen uitspraken gedaan worden over het verschil tussen algemene en gewelddadige recidive. Immers wordt een deel van de variantie in algemene recidive verklaard door gewelddadige recidive. Dit onderzoek zal om deze reden niet alleen kijken naar de belangrijkste risicofactoren voor algemene recidive, maar ook bijdragen aan de bestaande literatuur door het onderscheid in de belangrijkste risicofactoren tussen gewelddadige en geweldloze recidive te onderzoeken. In de dataset van dit onderzoek is voor elke patiënt gespecificeerd of hij is gerecidiveerd, en ook in welke delictscategorie de recidive valt. Dit zijn de delictscategorieën van de BOOG systematiek, zoals opgesteld door Kordelaar (2002), waarbij onderscheid gemaakt kan worden tussen delictscategorieën waarbij geweld is gepleegd tegen personen, gewelddadige recidive, en delictscategorieën waarbij geen geweld is gebruikt, geweldloze 9

10 recidive. De verwachting is dat er een verschil gevonden wordt tussen welke indicatoren van de HKT-R gewelddadige recidive het best voorspellen en welke indicatoren het best geweldloze recidive voorspellen. In de literatuur wordt vooral drugsgebruik genoemd als risicofactor voor algemene recidive (Bonta et al., 2014; Dowden & Brown, 2002; Håkansson & Berglund, 2012; Walter et al., 2011). In onderzoeken waar specifiek gekeken wordt naar risicofactoren voor gewelddadige recidive komen vooral antisociaal gedrag en de antisociale persoonlijkheidsstoornis, alsook justitiële voorgeschiedenis naar voren als grote voorspellers (Bonta et al., 2014; Bonta et al., 1998; Mills et al., 2004). Omdat verslaving in de literatuur niet gekoppeld is aan gewelddadige recidive, maar wel aan algemene recidive, wordt verwacht dat de risicofactoren verslavingsverleden en verslaving de grootste rol spelen bij geweldloze recidive. Voor gewelddadige recidive wordt verwacht dat de klinische indicator antisociaal gedrag het grootste effect heeft op het recidiverisico. Methode Onderzoekspopulatie Voor dit onderzoek is gebruik gemaakt van een databestand in het beheer van Tilburg University. Dit bestand bevatte gegevens van een cohort van Nederlandse mannelijke forensisch psychiatrische patiënten, die allen in het kader van een tbs maatregel in een forensisch psychiatrisch centrum verbleven en gedurende de periode in de maatschappij zijn teruggekeerd. Vrouwelijke forensisch psychiatrische patiënten zijn in dit onderzoek uitgesloten met als doel een homogene onderzoekspopulatie te creëren. In totaal bevatte het databestand de gegevens van 317 patiënten. De gebruikte gegevens zijn eigendom van het Ministerie van Veiligheid en Justitie, die toestemming heeft gegeven voor het gebruik en de verzameling van deze gegevens. 10

11 Procedure De gegevens in het databestand zijn verzameld in het kader van de revisie van de HKT-30 naar de HKT-R (Brand, Horst, Lammers, & Spreen, 2010). De gegevens in het databestand zijn afgeleid uit de justitiële dossiers van de patiënten en zijn verkregen via het Ministerie van Veiligheid en Justitie. De justitiële dossiers bevatten informatie over de demografische gegevens van de patiënt, alsook uitgebreide beschrijvingen van de justitiële voorgeschiedenis en klinische rapportages over de geestelijke gezondheid van de patiënt. Deze gegevens werden gekwantificeerd door per patiëntendossier de HKT-EX te scoren (zie Meetinstrumenten voor verdere uitleg over de HKT-EX). Het scoren van de gegevens op de HKT-EX werd gedaan door 20 masterstudenten psychologie. Voorafgaand aan het scoren kregen zij allen gedurende twee weken een intensieve training in het scoren van de HKT-EX door een senior onderzoeker van het Ministerie van Veiligheid en Justitie en een onderzoeker van Tilburg University. Via het Ministerie van Veiligheid en Justitie werden ook de recidivegegevens van de patiënten in deze studie verkregen. De recidivegegevens van de patiënten werd verzameld over een periode tot vijf jaar na terugkeer in de maatschappij, tot en met Deze recidivegegevens werden toegevoegd aan het databestand en bevatten het aantal gepleegde delicten door de patiënt na terugkeer in de maatschappij, inclusief het delicttype, de pleegdata en strafrechtelijke uitkomst. Van 12 patiënten ontbraken de recidivegegevens volledig, om deze reden zijn deze patiënten geëxcludeerd. De recidivegegevens van de geïncludeerde patiënten zijn verzameld over een periode tot vijf jaar na het onvoorwaardelijk ontslag, met een minimale periode na het onvoorwaardelijk ontslag van twee jaar. Meetinstrumenten 11

12 Indicatoren voor recidiverisico. De HKT-EX is een experimentele lijst die opgesteld is voor de revisie van de HKT-30. Deze lijst bevat de 33 indicatoren voor het inschatten van het recidiverisico die nu terug zijn te vinden in de huidige HKT-R (zie appendix B). Deze indicatoren werden allemaal gescoord op een vijfpunts Likert schaal (0-4) op basis van de justitiële gegevens, waarbij een hoger getal verband houdt met een hogere score op de uitkomstmaat recidiverisico (Spreen et al., 2014). Naast de historische, klinische en toekomstige indicatoren bevat de HKT-EX nog aanvullende items over onder andere demografische gegevens, DSM diagnoses ten tijde van de pro Justitia rapportages en incidenten gedurende de behandeling (Brand et al., 2010). Ook deze items werden gescoord op basis van de justitiële gegevens. Variabelen voor het meten van recidive. Om recidive kwantitatief vast te stellen zijn de recidivegegevens in deze dataset gescoord op dertien items, namelijk het item algemene recidive en twaalf items voor de BOOG delictscategorieën. De variabele algemene recidive is hierbij gedefinieerd als een nieuwe veroordeling binnen vijf jaar na terugkeer in de maatschappij voor een misdrijf dat strafbaar is volgens het Nederlandse strafrecht, waaronder ook relatief kleine vergrijpen zoals verkeersovertredingen en misdrijven tegen de openbare orde. De BOOG delictscategorieën zijn onder te verdelen in categorieën zonder geweld tegen personen (overtreding, Opiumwet, vernieling, vermogen en brand met gevaar voor goederen) en categorieën met geweld tegen personen (middelzwaar geweld, vermogen met geweld, zwaar geweld, zeden volwassene, doodslag, brand met gevaar voor personen en moord). De score op een delictscategorie is het aantal nieuw gepleegde delicten na onvoorwaardelijk ontslag dat binnen die delictscategorie valt. In dit onderzoek wordt ook gekeken naar het onderscheid tussen geweldloze recidive en gewelddadige recidive. Hiervoor werden in de dataset twee nieuwe dichotome (ja/nee) variabelen gecreëerd, gebaseerd op de scores op de twaalf BOOG delictscategorieën. 12

13 Statistische analyse Het doel van dit onderzoek is om het voorspellend vermogen van de HKT-R indicatoren op recidiverisico te onderzoeken. De afhankelijke variabelen algemene recidive, geweldloze recidive en gewelddadige recidive zijn dichotome variabelen. Om de relatie tussen deze afhankelijke variabelen en de voorspellende variabelen te onderzoeken wordt gebruikt gemaakt van regressieanalyse. Regressieanalyse is gebaseerd op de correlatie tussen de voorspellende variabelen en afhankelijke variabele, maar geeft meer inzicht in de relatie tussen de variabelen. Om die reden is regressieanalyse meer geschikt om complexe praktijksituaties te onderzoeken (Pallant, 2013). Regressieanalyse wordt gedaan met continue afhankelijke variabelen. Omdat hier sprake is van categorische afhankelijke variabelen, wordt gebruik gemaakt van logistische regressieanalyse. Door middel van logistische regressieanalyse zal worden onderzocht welke indicatoren van de HKT-R de kans op recidive het best voorspellen. Op basis van de in de introductie beschreven literatuur werd verwacht dat bepaalde indicatoren uit de HKT-R beter de kans op recidive voorspellen dan de andere indicatoren. Dit is zichtbaar door een hogere odds ratio (OR). Hoe hoger de OR, hoe groter de waarschijnlijkheid dat de patiënt is gerecidiveerd. Er werden enkelvoudige logistische regressieanalyses uitgevoerd om te zien wat het onafhankelijke, individuele effect was van elke HKT-R indicator op het recidiverisico. Dit werd getoetst door te zien welke indicatoren een significante OR hadden in de enkelvoudige logistische regressieanalyse. Een significante OR betekent hier dat een toename van de score op deze HKT-R indicator zorgt voor een significante verandering op de waarschijnlijkheid dat de patiënt recidiveert. Deze enkelvoudige logistische regressieanalyses zijn drie keer gedaan voor alle indicatoren met telkens een andere afhankelijke variabele: algemene recidive, geweldloze recidive en gewelddadige recidive. Het doel van deze enkelvoudige analyses was 13

14 om inzicht te krijgen in welke indicatoren van de HKT-R, onafhankelijk van andere factoren, een significante voorspeller zijn voor de verschillende types recidive en om te zien of de drie soorten recidive onderling andere significante voorspellers hebben. Daarnaast zijn met de drie afhankelijke variabelen ook meervoudige logistische regressieanalyses uitgevoerd. Hiermee werd onderzocht wat het effect van elke HKT-R indicator is op het recidiverisico, wanneer gecontroleerd werd voor de overige HKT-R indicatoren. Om het best passende model te vinden waarmee recidive voorspelt kan worden werd er gebruik gemaakt van achterwaartse selectie. Dit houdt in dat alleen de HKT-R indicatoren die een significante voorspeller waren voor recidive in de enkelvoudige logistische regressieanalyse, meegenomen zijn in het meervoudige model. Het doel van de meervoudige logistische regressieanalyse was om te zien welke indicatoren van de HKT-R nog unieke voorspellers zouden zijn voor recidive wanneer gecontroleerd werd voor de andere indicatoren. Om tot het best voorspellende model te komen is voor de drie afhankelijke variabelen nog een tweede meervoudige model opgesteld. Dit model bevatte alleen de HKT-R indicatoren die in het eerste meervoudige model als unieke voorspellers van recidive overbleven. Het doel van dit tweede meervoudige model was om te onderzoeken of alleen de unieke voorspellers uit het eerste meervoudige model de variantie in recidive beter zouden verklaren dan het eerste meervoudige model, waarin ook de indicatoren zijn meegenomen die geen unieke voorspellers voor recidive zijn. Dit werd gedaan door de Hosmer en Lemeshow Test en de Nagelkerke R² van beide modellen met elkaar te vergelijken voor de drie soorten recidive. Beschrijvende statistieken Resultaten 14

15 De HKT-R scores die gebruikt worden in dit onderzoek zijn gebaseerd op de situatie vlak voor het onvoorwaardelijk ontslag van de patiënten uit de kliniek. In de frequenties van de scores op indicatoren is terug te zien in welke fase van de tbs-behandeling de patiënten zaten ten tijde van de scoring van de HKT-R. De scores op de historische indicatoren zijn grotendeels verdeeld over de categorieën. Bij de klinische en toekomstige indicatoren heeft de meerderheid van de patiënten echter een score 0 of 1 op de indicatoren (tabel 1). De lage scores op de klinische en toekomstige indicatoren komen overeen met de gewenste lage recidiverisico-inschatting van patiënten die uit gaan stromen uit de tbs. Uit de frequentietabel van het aantal recidiven (tabel 2) blijkt dat een deel van de patiënten binnen vijf jaar na terugkeer in de samenleving, met zowel geweldloze als gewelddadige delicten recidiveerden. In totaal recidiveerde 36,7% van de onderzochte populatie binnen vijf jaar na terugkeer in de samenleving. Van de gerecidiveerde patiënten pleegde 38,4% één of meerdere delicten die in de geweldloze delictscategorieën vielen, 18,8% pleegde één of meerdere delicten die in de gewelddadige delictscategorieën vielen en 42,9% pleegde meerdere delicten die zowel in de geweldloze als de gewelddadige delictscategorieën vielen. Algemene recidive Enkelvoudige logistische regressie werd uitgevoerd om vast te stellen welke HKT-R indicatoren, onafhankelijk van elkaar, significante voorspellers zijn van algemene recidive. In totaal werden hier 33 enkelvoudige logistische regressieanalyses uitgevoerd, één voor elke indicator. Zoals te zien in tabel 3 waren slechts 23 indicatoren van de 33 statistisch significante voorspellers voor algemene recidive (p <.05). De onafhankelijke HKT-R indicatoren verklaarden allemaal, onafhankelijk van elkaar, tussen de 0,9% en 9,5% van de variantie in algemene recidive (Nagelkerke R²). De indicator justitiële voorgeschiedenis was hierop een uitzondering en verklaarde 15% van de variantie in algemene recidive (Nagelkerke R²). De sterkste voorspellers van algemene recidive waren de klinische indicator schending 15

16 van voorwaarden en afspraken en de historische indicator justitiële voorgeschiedenis. Inhoudelijk betekent dit dat de kans op algemene recidive toenam, naarmate de ernst van de schendingen van voorwaarden en afspraken gedurende de behandeling toenam en naarmate de justitiële voorgeschiedenis meerdere delictscategorieën bevatte. Een meervoudige logistische regressieanalyse is uitgevoerd op het model met daarin de 23 indicatoren die onafhankelijk van elkaar significante voorspellers waren voor algemene recidive in de enkelvoudige logistische regressieanalyse. In tabel 3 is te zien dat slechts drie HKT-R indicatoren een unieke, statistisch significante bijdrage leverden aan het model. De sterkste van deze drie indicatoren was, zoals bij de enkelvoudige logistische regressieanalyses, de klinische indicator schending van voorwaarden en afspraken. Met deze drie HKT-R indicatoren werd een tweede model voor logistische regressieanalyse gemaakt. De drie HKT-R indicatoren leverden in dit model allemaal een unieke en statistisch significante bijdrage aan het model (zie tabel 3). De sterkste van deze drie indicatoren was opnieuw de klinische indicator schending van voorwaarden en afspraken. Dit tweede model verklaarde minder van de variantie in algemene recidive dan het eerste meervoudige model. Geweldloze recidive Uit de enkelvoudige logistische regressieanalyses op de HKT-R indicatoren met als afhankelijke variabele geweldloze recidive bleek dat 21 van de 33 indicatoren statistisch significante voorspellers waren voor geweldloze recidive (p <.05). De onafhankelijke HKT-R indicatoren verklaarden allemaal, onafhankelijk van elkaar, tussen de 0,1% en 9% van de variantie in geweldloze recidive (Nagelkerke R²). Opnieuw was de indicator justitiële voorgeschiedenis hierop een uitzondering. Deze indicator verklaarde 13,4% van de variantie in geweldloze recidive (Nagelkerke R²). In tabel 4 is te zien dat de sterkste voorspellers voor geweldloze recidive overeenkwamen met die voor algemene recidive: de klinische indicator 16

17 schending van voorwaarden en afspraken en de historische indicator justitiële voorgeschiedenis. Het meervoudige model voor geweldloze recidive, met daarin de 21 statistisch significante indicatoren uit de hierboven beschreven analyse, had vijf indicatoren die een unieke, statistisch significante bijdragen leverden aan het model. De twee sterkste voorspellers in dit model waren de klinische indicator schending van voorwaarden en afspraken en de toekomstige indicator werk. Inhoudelijk betekent dit dat de kans op geweldloze recidive toenam, wanneer de toekomstige werksituatie van de patiënt nog niet geregeld was en/of naarmate deze minder goed was afgestemd op de vaardigheden van patiënt. Het tweede meervoudige model voor geweldloze recidive, met de vijf significante voorspellers voor geweldloze recidive uit de voorgaande analyse, verklaarde minder van de variantie in geweldloze recidive dan het eerste meervoudige model. In dit tweede model waren slechts drie van de vijf indicatoren nog unieke, significante voorspellers voor geweldloze recidive, waarbij de klinische indicator schending van voorwaarden en afspraken wederom de sterkste voorspeller was. Dit tweede model verklaarde minder van de variantie in geweldloze recidive dan het eerste meervoudige model (zie tabel 4). Gewelddadige recidive Op basis van de enkelvoudige logistische regressieanalyses met als afhankelijke variabele gewelddadige recidive waren 20 HKT-R indicatoren van de 33 statistisch significante voorspellers (p <.05). De onafhankelijke HKT-R indicatoren verklaarden ook hier tussen de 0,1% en 9% van de variantie in gewelddadige recidive (Nagelkerke R²). Wederom verklaarde de indicator justitiële voorgeschiedenis het grootste gedeelte van de variantie in gewelddadige recidive met 12,9%. De sterkste voorspeller voor gewelddadige recidive was de klinische indicator vijandigheid (zie tabel 5). Voor gewelddadige recidive 17

18 betekent dit dat de kans hierop toenam wanneer de mate van vijandigheid van een patiënt met één punt steeg. In het meervoudige model voor gewelddadige recidive, met daarin de 20 statistisch significante indicatoren uit de enkelvoudige logistische regressieanalyse, waren slechts twee van de 20 HKT-R indicatoren een unieke, statistisch significante voorspeller voor gewelddadige recidive. De sterkste voorspeller in dit model was de historische indicator verslavingsverleden. Dit betekent dat hoe meer verslavingen (alcohol, softdrugs, harddrugs en overige, zoals gokken, medicatie en seks) een patiënt in het verleden had en hoe meer deze verslavingen in het verleden tot fysieke agressie hebben geleid, des te groter de kans op gewelddadige recidive was. In het tweede meervoudige model voor gewelddadige recidive, met de twee significante voorspellers voor gewelddadige recidive uit het eerste meervoudige model, bleef alleen de historische indicator verslavingsverleden over als unieke, significante voorspeller van gewelddadige recidive (zie tabel 5). Dit tweede model verklaarde minder van de variantie in gewelddadige recidive dan het eerste meervoudige model. Discussie Het doel van dit onderzoek is om te onderzoeken of er onderscheid bestaat tussen de risicofactoren voor recidive in de mate waarin zij recidive voorspellen. Over het algemeen kan op basis van de resultaten van dit onderzoek gezegd worden dat er inderdaad onderscheid bestaat tussen de risicofactoren voor recidive op basis van hun voorspellend vermogen voor recidive. In dit onderzoek is gekeken naar drie verschillende soorten recidive, namelijk algemene, geweldloze en gewelddadige recidive. Verwacht werd dat de tien HKT-R indicatoren die inhoudelijk overeenkomen met The Big Four van Andrews en Bonta (2010) een groter effect zouden hebben op het algemene recidiverisico dan de andere HKT-R indicatoren. In de enkelvoudige logistische 18

19 regressieanalyses zien we dat, van de indicatoren die algemene recidive significant voorspellen, de twee indicatoren met het grootste effect indicatoren zijn die inhoudelijk overeen komen met The Big Four. De acht andere HKT-R indicatoren die in de verwachting waren geïdentificeerd als indicatoren die het grootste effect op algemene recidive zouden hebben (leeftijd eerste delict, vijandigheid, impulsiviteit, schending van voorwaarden betreffende behandeling en toezicht, netwerkinvloeden, antisociaal gedrag en gedragsproblemen voor het twaalfde levensjaar), blijken geen groter effect te hebben op algemene recidive dan de significante indicatoren die buiten The Big Four-definitie vallen. Wanneer de enkelvoudige, significante HKT-R indicatoren voor elkaar worden gecontroleerd door middel van een meervoudige logistische regressieanalyse, blijken alleen justitiële voorgeschiedenis, schending van voorwaarden en afspraken en werk nog unieke significante voorspellers voor algemene recidive te zijn. Hierbij heeft schending van voorwaarden en afspraken het grootste effect op algemene recidive en justitiële voorgeschiedenis het kleinste. Opvallend is hierbij wel dat de indicatoren die in het meervoudige model niet meer unieke significante voorspellers voor algemene recidive zijn, wel degelijk nog bijdragen aan het voorspellend vermogen van het model. Dit model verklaart namelijk meer van de variantie in algemene recidive, dan het daaropvolgende achterwaarts geselecteerde model met alleen de drie significante indicatoren uit het meervoudige model (zie tabel 3). Een verklaring hiervoor zou kunnen zijn dat indicatoren die niet significant zijn in het meervoudige model wel bijdragen aan de voorspelling van algemene recidive, maar dat ze onderling te veel met elkaar samenhangen om als unieke significante voorspeller te worden gezien. Het feit dat ze geen unieke significante voorspellers zijn, betekent dus niet dat ze geen voorspellende waarde hebben voor algemene recidive. Concluderend kan dus gezegd worden dat er een verschil bestaat tussen de HKT-R indicatoren in de mate waarin zij algemene recidive voorspellen. Dit verschil is tweeledig: niet alle HKT-R indicatoren zijn, op zichzelf of gecontroleerd voor de 19

20 andere indicatoren, significante voorspellers voor algemene recidive, maar daarnaast is er ook nog verschil in de mate waarin een significante indicator algemene recidive voorspelt (de grootte van de odds ratio). Met betrekking tot de eerste hypothese kan echter niet gezegd worden dat de tien geïdentificeerde indicatoren, die inhoudelijk overeenkomen met The Big Four, de beste voorspellers voor algemene recidive zijn ten opzichte van de overige HKT-R indicatoren. Slechts twee van deze geïdentificeerde indicatoren hebben een unieke significante bijdrage in het voorspellen van algemene recidive. De derde unieke significante indicator werk, of de afwezigheid van een stabiele werksituatie of opleiding, wordt door Andrews en Bonta (2010) genoemd als matig goede voorspeller voor recidive, maar komt uit dit onderzoek naar voren als grootste unieke significante voorspeller na de klinische indicator schending van voorwaarden en afspraken. Andere onderzoeken benadrukken ook het belang van het hebben van een adequate werk- of opleidingssituatie. Zo vonden Tripodi et al. (2009) dat het hebben van werk een belangrijke factor was in het langer uitblijven van recidive. Lodewijks, de Ruiter en Doreleijers (2010) concludeerden in hun onderzoek dat een sterke inzet voor school of werk een beschermende factor is bij het voorkomen van recidive. Ook Nally, Lockwood, Ho en Knutson (2014) kwamen tot de conclusie dat het hebben van werk na terugkeer in de maatschappij een effectieve buffer is om recidive te verminderen. Hoewel Andrews en Bonta (2010) in hun model de risicofactor werk geïdentificeerd hebben als matig goede voorspeller, blijkt uit dit onderzoek dat het hebben van een stabiele werksituatie een belangrijke factor is voor de afname van het algemene recidiverisico. De acht centrale risicofactoren voor crimineel gedrag van Andrews en Bonta (2010) is het enige model in de literatuur dat een hiërarchie stelt in de risicofactoren voor crimineel gedrag. De resultaten van dit onderzoek onderschrijven deze hiërarchie van risicofactoren echter niet. In de literatuur zijn studies terug te vinden die gekeken hebben of de acht centrale risicofactoren te repliceren waren binnen hun onderzoekspopulatie. Zowel Bonta et al. (2014) als Grieger and Hosser 20

21 (2014) vonden geen bewijs dat The Big Four beter voorspellende risicofactoren waren dan The Moderate Four. Wel vonden zij bewijs dat de centrale acht risicofactoren allen significante voorspellers zijn voor zowel algemene als gewelddadige recidive. Mogelijk is het moeilijk om dit hiërarchische model te repliceren in onderzoeken, omdat de beschreven risicofactoren in het model van Andrews en Bonta (2010) uitgebreide theoretische constructen zijn welke moeilijker te meten zijn met slechts een aantal concreter gedefinieerde variabelen. Bij vervolgonderzoek naar deze centrale acht risicofactoren is het dan ook belangrijk dat naar deze theoretische constructen gekeken wordt en onderzocht wordt hoe deze constructen passen binnen of boven de reeds gebruikte risicofactoren in de bestaande risicotaxatieinstrumenten. Naast het verschil tussen de risicofactoren in de mate waarin zij recidive kunnen voorspellen, werd ook verwacht dat de risicofactoren die het best geweldloze recidive voorspellen verschillen van de risicofactoren die het best gewelddadige recidive voorspellen. Hierbij werd verwacht dat de HKT-R indicator verslaving de best voorspellende risicofactor zou zijn voor geweldloze recidive en dat antisociaal gedrag dit voor gewelddadige recidive zou zijn. Uit de resultaten van de enkelvoudige logistische regressieanalyses blijkt dat de best voorspellende risicofactor voor geweldloze recidive verschilt van die voor gewelddadige recidive. Het zijn echter niet de verwachte factoren verslaving en antisociaal gedrag, maar de klinische indicatoren schending van voorwaarden en afspraken en vijandigheid. Daarnaast valt ook op dat er een klein verschil is tussen de soorten recidive met betrekking tot welke risicofactoren significante voorspellers zijn. Geweldloze recidive heeft de risicofactoren instabiliteit met betrekking tot financiën en stresserende omstandigheden als significante voorspeller, terwijl deze factoren niet significant zijn voor het voorspellen van gewelddadig recidive. Daarbij is antisociaal gedrag geen significante voorspeller voor geweldloze recidive, maar wel voor gewelddadige recidive. Deze laatste bevinding ligt in de lijn van de 21

22 verwachting dat antisociaal gedrag specifiek een voorspeller zou zijn voor gewelddadige recidive. Ook uit de meervoudige logistische regressieanalyse wordt duidelijk dat de risicofactoren die unieke, significante voorspellers zijn voor geweldloze recidive verschillen van de significante risicofactoren voor gewelddadige recidive. De tweede hypothese van dit onderzoek wordt daarmee bevestigd. Opvallend bij deze resultaten is dat de historische indicator schending van voorwaarden betreffende behandeling en toezicht bij geweldloze recidive en de indicator arbeidsverleden bij gewelddadige recidive beiden een odds ratio kleiner dan één hebben. Dit betekent dat hoe hoger de score op deze indicatoren, hoe minder waarschijnlijk de patiënt zal recidiveren. Oftewel: met elke nieuwe type schending van voorwaarden die de patiënt in het verleden binnen een juridisch kader heeft gepleegd, neemt de waarschijnlijkheid dat hij geweldloos zal recidiveren af. En: met elke toename in ernst van de arbeidsproblematiek in het verleden, neemt de waarschijnlijkheid dat de patiënt gewelddadig zal recidiveren af. Een problematisch arbeidsverleden wordt als belangrijke risicofactor gezien voor gewelddadige recidive, omdat het verwijst naar het al dan niet kunnen aangaan van een langer durend dienstverband en het in staat zijn om zelfstandig een bestaan op te bouwen en te voorzien in het eigen levensonderhoud (Spreen et al., 2014). Dus hoe kan het dan dat een problematisch arbeidsverleden een beschermende factor lijkt te zijn voor gewelddadige recidive in de resultaten van dit onderzoek? Over de oorzaak van het gevonden negatieve verband kan daarom alleen maar gespeculeerd worden. Een mogelijke verklaring is dat patiënten die in het verleden veel moeite hebben gehad met het behouden van een baan, binnen de tbsbehandeling positieve werk- en leerervaringen hebben opgedaan en deze ervaringen ook na hun onvoorwaardelijke ontslag toepassen in de nieuwe arbeidssituatie. In dat geval zouden de indicatoren arbeidsvaardigheden gedurende de behandeling en werk (het hebben van een adequate werksituatie bij ontslag) een mogelijk modererend effect hebben op de indicator 22

23 arbeidsverleden. Het vermoeden van een modererend effect van één of meerdere indicatoren wordt gesterkt doordat het verband tussen de indicator arbeidsverleden en gewelddadige recidive pas negatief wordt, op het moment dat er voor de andere indicatoren wordt gecontroleerd. Patiënten met een instabiel arbeidsverleden, die gedurende de behandeling zien dat een stabiele werksituatie meer oplevert met betrekking tot bijvoorbeeld financiële stabiliteit en behandelvoortgang, zijn wellicht vervolgens meer geneigd om concessies te doen op hun werk en minder de confrontatie op te zoeken of ontslag te nemen wanneer iets op het werk tegen zit. Mogelijk dat deze patiënten gedurende de tbs-behandeling dus een goed alternatief geboden krijgen om hun houding en gedrag met betrekking tot werk aan te passen, met als gevolg een verlaagd risico op gewelddadige recidive. Dit zou ook aansluiten bij de theorie van Moffitt (1993), die zegt dat er een alternatief moet worden geboden dat meer oplevert dan het bestaande antisociale gedrag van de patiënt. Met betrekking tot het negatieve verband tussen de historische indicator schending van voorwaarden betreffende behandeling en toezicht en geweldloze recidive kan een gelijksoortige interpretatie gemaakt worden. Ook hier wordt het verband pas negatief nadat er gecontroleerd wordt voor de andere indicatoren van de HKT-R. De indicator schending van voorwaarden betreffende behandeling en toezicht is een historische, statische indicator, dus onveranderbaar. Mogelijk dat ook hier één of meerdere HKT-R indicatoren een modererende rol spelen in het verband met geweldloze recidive. De indicatoren schending van voorwaarden en afspraken gedurende de behandeling en meewerken aan behandeling zouden deze modererende rol kunnen hebben. Mogelijk dat ook hier de theorie van Moffitt (1993) weer een rol speelt, waarbij het meewerken aan de behandeling en het houden aan afspraken meer oplevert voor de patiënt dan het gedrag uit het verleden. Het handboek van het Ministerie van Veiligheid en Justitie voor het opstellen van het tbs-verlengingsadvies geeft een aantal voorbeelden van verlofvoorwaarden waaraan patiënten moeten voldoen (Ministerie 23

24 van Veiligheid en Justitie, 2017). Hierin worden ook het houden aan gemaakte afspraken binnen de behandeling en het hebben van een actieve houding in het behalen van verlof- en behandeldoelen genoemd als voorwaarden voor verlof. Wanneer een patiënt zich niet aan deze voorwaarden houdt kan het verlof aangehouden of ingetrokken worden. Dit is een goed voorbeeld van iets wat patiënten te winnen hebben bij het veranderen van hun eerdere gedrag met betrekking tot het schenden van voorwaarden en afspraken: uitbreiding van vrijheden. Dit is dus een mogelijke verklaring voor een gedragsverandering op dit gebied. Daarnaast is het aannemelijk dat wanneer de patiënt zich houdt aan de voorwaarden en afspraken gedurende de behandeling en zich meewerkend opstelt (dus lage scores haalt op deze twee factoren), de geboden behandeling ook effect heeft op zijn gedrag, waardoor vervolgens het recidiverisico afneemt. In dit onderzoek zijn de HKT-R indicatoren gebruikt om te onderzoeken in welke mate deze risicofactoren nu de verschillende soorten recidive voorspellen, onafhankelijk van elkaar en gecontroleerd voor elkaar. De HKT-R zelf is echter een cumulatief instrument, waarbij de risicofactoren allemaal onderdeel zijn van één overkoepelende factor: gewelddadige recidive (Spreen et al., 2014). Dit onderzoek heeft de HKT-R indicatoren dus niet gebruikt in de context van het instrument, maar als op zichzelf staande risicofactoren voor recidive. De resultaten van dit onderzoek ondermijnen daarom niet de waarde van de HKT-R als risicotaxatie-instrument. Toch lijkt het er wel op dat bepaalde factoren meer bepalend zijn voor het recidiverisico dan anderen. In de toekomst kan het interessant zijn om dit verder te onderzoeken in de context van een risicotaxatie-instrument. Dit onderzoek heeft bijgedragen aan de literatuur door een grote hoeveelheid risicofactoren en de grootte van hun effect op het recidiverisico te onderzoeken. Hierdoor levert het nieuwe en aanvullende informatie op in de zoektocht naar de belangrijkste risicofactoren voor recidive. Toen Andrews en Bonta (2010) The Central Eight beschreven 24

25 stelden zij dat het slechts een theoretisch kader was om verzamelde kennis te organiseren. Daarbij gaven zij al aan dat deze theorie aan verandering onderhevig zou zijn in het licht van nieuwe bewijzen en theorieën. In de toekomst zal onderzoek deels gericht moeten zijn op replicatie: welke risicofactoren komen binnen verschillende onderzoekspopulaties als grootste voorspellers naar voren? Op deze manier kan The Central Eight door ontwikkeld worden, niet alleen als theoretisch model, maar mogelijk ook tot empirisch gegeven. Door de uitsplitsing van algemene recidive in de onafhankelijke groepen geweldloze recidive en gewelddadige recidive draagt dit onderzoek ook bij aan de huidige literatuur. Tot op heden werd in de literatuur algemene recidive vergeleken met gewelddadige recidive. Deze vergelijking is echter moeilijk te maken, omdat gewelddadige recidive onderdeel is van algemene recidive. Dit onderzoek laat zien dat er sprake is van twee verschillende soorten recidive, met daarin ook een verschil in welke risicofactoren het belangrijkste zijn in het voorspellen van de soorten recidive. De beperking van dit onderzoek ligt in het geven van nieuwe inzichten voor de klinische praktijk. Er is verschil gevonden in de mate waarin de indicatoren de drie soorten recidive voorspellen. De beste voorspellers in dit onderzoek zijn echter vooral de statische risicofactoren die niet meer te veranderen zijn, zoals justitiële voorgeschiedenis en leeftijd eerste veroordeling. Deze hiërarchie in risicofactoren heeft dus weinig toe te voegen aan de klinische behandeltrajecten binnen de tbs. Vervolgonderzoek zou zich met het oog op de klinische praktijk moeten richten op het aanbrengen van hiërarchie in de dynamische risicofactoren, maar ook op het onderzoeken van de modererende effecten van dynamische risicofactoren op statische risicofactoren. Met deze informatie zou dan de positie in het risicomanagement (PRM) van de risicofactoren objectiever bepaald kunnen worden, met als mogelijk gevolg een efficiënter behandeltraject voor de patiënt. 25