《Behavioral Sciences》：Autism in Criminal-Justice and Forensic Settings: A Systematic Review and Meta-Analysis with an Exploratory Bidirectional Synthesis
背景：刑事司法和法医人群中自闭症（autism）的估计差异很大，而涉及自闭症定义人群的研究报告的司法结局亦具有异质性。广泛合并可能掩盖招募、诊断确定（diagnostic ascertainment）、法律背景和结局定义方面的差异。方法：研究人员进行了系统综述和荟萃分析（meta-analysis），解决两个互补问题：特定刑事司法和法医人群中自闭症患者的比例（Axis A）以及自闭症定义人群中的刑事司法结局（Axis B）。检索涵盖 PubMed/MEDLINE、Lens.org、NCJRS、Scopus、Web of Science Core Collection 和 ProQuest Central Premium，并辅以引文检索。使用二项广义线性混合模型（binomial generalized linear mixed models, GLMM）结合剖面似然置信区间（profile-likelihood confidence intervals）合成相容的精确计数比例；采用逆方差限制最大似然（restricted maximum likelihood, REML）模型并结合修改的 Hartung–Knapp 推断进行敏感性分析。结果：协调后的登记库包含 300 份候选报告，保留 161 份报告，并从 30 份报告中选取 37 项数值贡献，代表 29 个源研究单位。仅三个临床相容的 Axis A 分层支持合并。自闭症估计比例为：专科法医智力障碍服务中 23.57%（95% CI 10.67–42.69），一般法医责任评估中 0.89%（95% CI 0.36–2.23），法医青少年转介服务中 23.51%（95% CI 20.10–27.08）。每个合成包含两个队列，修改的 Hartung–Knapp 区间显著更宽。一般监狱行政估计范围为 0.62%–1.09%。Axis B 发现因终点、人群、性别、观察期和调整集而异，因此未合并。结论：司法和法医环境中的自闭症频率强烈依赖于环境和确定方式。证据不支持单一刑事司法患病率估计或自闭症与犯罪之间的单一关联。临床和法律定义的人群应分别合成，并明确管理队列重叠和诊断定义。
1. Introduction（引言）
1.1. Autism and Criminal-Justice Involvement: An Inconsistent Evidence Base（自闭症与刑事司法接触：不一致的证据基础）
自闭症（autism）为异质性神经发育状况，核心为社会沟通/互动差异及受限重复行为、兴趣或感觉处理。其与刑事司法的相关性不能简化为是否更易犯罪；司法接触涵盖警察、法院、监狱、缓刑和法医精神卫生等不同阶段与选择机制，应区分患病率、经历和犯罪行为。
1.2. Heterogeneity Across Criminal-Justice and Forensic Settings（跨刑事司法与法医环境的异质性）
研究估计差异显著，早期与后续综述均提示方法学限制。司法/法医系统并非单一采样框架；监狱登记、专科法医服务、评估人群和青少年转介的入口标准不同。智力障碍（ID）、年龄和发展背景进一步增加不可比性。简单合并可能获得统计精度但失去流行病学与临床意义。
1.3. Diagnostic Ascertainment as a Source of Heterogeneity（诊断确定作为异质性来源）
自闭症确定可经行政诊断编码、常规临床记录、结构化评估、筛查、回顾性病历、自报和历史诊断类别，其敏感度和特异度不同。行政登记识别已记录诊断而非真实患病率；历史诊断术语不等同当代 ASD；筛查阳性与疑似病例不应合并为确诊。法医环境中诊断机会与服务路径相关。
1.4. The Reverse Direction: Justice Outcomes in Autism-Defined Populations（反向方向：自闭症定义人群的司法结局）
以自闭症定义队列研究司法结局时，警察互动、逮捕、指控、定罪、暴力、网络犯罪、亲密伴侣暴力和再定罪含义不同。效应指标包括比例、风险比、优势比、风险比和发生率比，不能互换合并。调整策略亦复杂，协变量可能是混杂、中介、碰撞或选择标志，且需考虑时间顺序。
1.5. Cohort Dependence and the Problem of Apparent Replication（队列依赖与表观重复问题）
大型登记可产生多篇分析重叠人群的论文，若逐篇视为独立研究将造成伪重复，膨胀证据量并扭曲权重。报告、源研究、独立队列和效应贡献需明确区分；性别亚组或同一队列不同模型不是独立复制。合成前应映射报告至源研究和参与者队列。
1.6. Why a Stratified Meta-Analytic Approach Is Needed（为何需要分层荟萃分析）
既有综述一致发现自闭症分布于多种司法环境、比例差异大、结局异质且方法学问题持续。关键是如何在不牺牲可解释性下定量合成。合并应取决于招募框架、代表人群、诊断确定、结局定义、观察期和分析单位是否相容。稀疏分层宜用广义线性混合模型（GLMM）及小样本推断，如修改的 Hartung–Knapp 方法。
1.7. The Present Study（本研究）
本研究采用分层双向框架，区分矫正、专科法医服务、法医评估和青年转介路径，并按进入样本方式和诊断确定分类。Axis A 估计特定司法/法医人群中自闭症比例，仅合并相容分层；Axis B 探索自闭症定义人群的司法结局，保留结局、观察期、效应量和调整集差异。目标不是总体患病率，而是映射报告至源研究和参与者队列，避免重叠样本作为独立证据。
2. Methods（方法）
2.1. Design and Reporting Framework（设计与报告框架）
遵循 PRISMA 2020 和 PRISMA-S 报告。主要分析为 Axis A，Axis B 为探索性映射。研究未前瞻注册，修订计划在证据检查后形成，包括更窄人群与诊断分层、队列重叠规则、移除总体 Axis A 和宽泛 B1 合并及修订统计方法。
2.2. Eligibility Criteria（纳入标准）
纳入任何年龄且对自闭症和刑事司法参与有操作性定义的实证研究。Axis A 需明确司法/法医招募框架及对应分母；Axis B 需自闭症定义人群和可识别司法结局，且自闭症先于结局用于后续结局解释。病例报告、综述、社论、仅定性报告等不进入荟萃分析。
2.3. Population and Diagnostic Classification（人群与诊断分类）
Axis A 按进入样本过程分类：矫正人群（A1）、法医服务（A2）和评估/转介人群（A3），并细分监狱、社区矫正、罪行选择、智力障碍服务、安全法医服务、一般法医评估、青少年转介等。自闭症确定分为专科/结构化评估、常规临床文档和行政编码；历史诊断、筛查阳性和疑似病例单独呈现。Axis B 区分独立于司法招募与以司法为条件招募，并按警察接触、指控、定罪、暴力、亲密伴侣暴力和再定罪分类。
2.4. Study Selection and Record Management（研究选择与记录管理）
记录经 Rayyan 管理并形成报告级处置登记。双人独立筛选和全文评估，分歧经讨论解决。区分书目录、全文报告、源研究、参与者队列和分析贡献；未保留的历史中间计数不推算。保留用于背景或关联发表者不计为额外独立定量研究。
2.5. Data Collection and Cohort Dependence（数据提取与队列依赖）
提取国家、招募日期、设计、路径、法律状态、年龄、性别、智力障碍、共病、自闭症定义与确定、结局、观察期、分子分母、缺失和调整变量。精确计数与四舍五入百分比、加权估计和模型结果分开。评估潜在重叠，每个合成仅一个独立队列贡献；不确定重叠采用保守替代选择。
2.6. Risk-of-Bias Assessment（偏倚风险评估）
按贡献成分评估。Axis A 用 JBI 患病率清单，Axis B 用 JBI 队列和横断面工具。不将条目加总为数值质量分。关注抽样与招募、自闭症确定、测量可靠性、结局确定、随访、混杂和分析一致性。双人独立评估并共识解决。
2.7. Effect Measures and Observation Periods（效应量与观察期）
Axis A 分子为满足特定自闭症定义唯一人数，分母为合格人群，并附 Wilson 95% CI。行政诊断、临床诊断和筛查结果分别解释。Axis B 比例为唯一自闭症参与者至少一次特定结局，非复发事件总数；终生史、固定回顾期、前瞻随访和未指定期间分开。不同效应量不互换合并，调整与未调整结果保持区分。
2.8. Statistical Analysis Plan（统计分析计划）
2.8.1. Compatibility and Primary Model（相容性与主模型）：合并要求招募、人群、诊断定义与来源、结局、观察期和效应量相容，且至少两个独立队列贡献。不计算总体 Axis A 或宽泛 B1 估计。相容精确计数比例用二项 GLMM，logit 链接和队列随机截距，以剖面似然 CI 汇总。
2.8.2. Model Comparison and Heterogeneity（模型比较与异质性）：敏感性分析用 logit 比例逆方差随机效应模型，REML 估计组间方差，修改的 Hartung–Knapp 推断，t 分布 k?1 自由度。报告 τ
2、Cochran Q 和 I
2，但仅用于逆方差比较模型。
2.8.3. Sensitivity Analyses and Missing Results（敏感性分析与缺失结果）：检查替代非重叠队列、分子分母定义、诊断限制和偏倚域。少于两个剩余贡献不做留一法。稀疏分层不支持荟萃回归；缺失结果通过方法、结局、关联发表和注册信息评估；两队列分层不做漏斗图。
2.8.4. Certainty of Evidence（证据确定性）：采用 GRADE 原则分别评估三个相容 Axis A 合成和端点特异性 Axis B 证据，考虑偏倚风险、不一致性、间接性、不精确性和发表偏倚风险，不赋予全综述统一确定性评级。
2.8.5. Reproducibility and Supplementary Materials（可重复性与补充材料）：使用 R 的 lme4 和 metafor 分析，包含版本化数据集、代码本、队列映射、提取来源、修订日志和脚本；表格和图形由冻结输入生成，参与者总数在相容模型内报告，不将重叠样本求和为全局唯一人群。
3. Results（结果）
3.1. Evidence Identification and Selection（证据识别与选择）
协调登记含 300 份候选报告，保留 161 份，排除 139 份；保留报告映射至 130 个源研究单位。数值展示包括 37 项贡献、30 份报告、29 个源研究单位，其中 24 项 Axis A、13 项 Axis B。仅 6 项贡献进入三个主要合并，各来自独立队列和报告，其余单独呈现。
3.2. Study Characteristics（研究特征）
Axis A 招募过程差异明显，包括监狱、社区青年司法、罪行选择羁押、安全法医服务、智力障碍服务和法医评估/转介。三个合并分层为专科法医智力障碍服务、一般法医责任评估和法医青少年转介服务中的临床记录自闭症。Axis B 结局分开，观察窗、效应指标、调整集和重叠登记阻止共同总结。
3.3. Axis A: Autism in Justice and Forensic Populations（Axis A：司法与法医人群中的自闭症）
矫正和社区司法人群中，三国监狱行政 ICD-10 F84 记录比例分别为 0.62%、0.62% 和 1.09%，因时间窗不同未合并。社区庭外青年司法为 12.23%。罪行选择羁押样本报告 9.67% 和 59.46%，不与一般监狱合并。
3.4. Specialist Forensic Intellectual-Disability Services（专科法医智力障碍服务）
两个临床服务队列共 61/249 为自闭症，合并估计 23.57%（95% CI 10.67–42.69），τ
2=0.094。个体比例为 30.43% 和 17.12%。该估计反映专科服务 caseload 组成。更广认知损害样本为 14.89%，单独保留。
3.5. Other Secure Forensic Services（其他安全法医服务）
其他安全法医服务未合并。行政编码估计 18.50%，临床记录常规法医和长期服务分别为 7.69% 和 18.33%，历史 PDD 为 12.55%，现有 Asperger 诊断估计 6.52%。差异被保留而非吸收为总体 A2 估计。
3.6. Forensic Evaluation and Youth Referral Populations（法医评估与青年转介人群）
两个一般法医评估队列共 119/15,235，合并 0.89%（95% CI 0.36–2.23），τ
2=0.126，个体为 1.33% 和 0.62%。历史或不同选择评估样本单独呈现。两个伦敦法医青年转介服务共 181/770，合并 23.51%（95% CI 20.10–27.08），τ
2=0 边界；疑似诊断和关联发表未加为独立贡献。
3.7. Axis B: Justice Outcomes in Autism-Defined Populations（Axis B：自闭症定义人群中的司法结局）
3.7.1. Police Contact, Charges, and Nonviolent Outcomes（警察接触、指控和非暴力结局）：前瞻队列中 16.20% 有至少一次警察互动；另一队列指控史为 5.28%。历史 PDD 队列报告风险比 0.50 和调整风险比 0.40；瑞典青年非暴力定罪调整风险比男性 0.62、女性 0.90；自报网络犯罪调整优势比 0.94。因指标和观察期不同未合并。
3.7.2. Violent Outcomes and Reconviction（暴力结局与再定罪）：暴力结局关联随人群、性别、结局定义和调整变化，包括调整优势比 1.10、风险比 1.39 及额外调整后 0.85；暴力定罪调整风险比男性 1.19、女性 2.87；亲密伴侣暴力逮捕风险比 0.70；法医精神科再定罪风险比 0.60。结局特异，未合并。
3.8. Sensitivity Analyses and Model Comparison（敏感性分析与模型比较）
逆方差 REML 点估计接近 GLMM，但修改的 Hartung–Knapp 区间宽：智力障碍服务 23.46%（0.26–97.29）、一般评估 0.91%（0.01–53.95）、青年转介 23.51%（9.45–47.51）。每模型仅两队列，t 分布自由度为 1。I
2 分别为 82.7%、93.8% 和 0%。保留历史诊断使评估估计从 0.89% 变为 0.93%。未计算预测区间、荟萃回归和漏斗图。
3.9. Risk of Bias and Certainty of Evidence（偏倚风险与证据确定性）
Axis A 22 项贡献中 5 项低关注、12 项一些关注、5 项高关注；主要限制为非代表性抽样、诊断程序描述不足、常规行政诊断和分母覆盖不确定。Axis B 10 项研究中 7 项低、2 项一些、1 项高关注。GRADE 对智力障碍服务和一般法医评估为极低确定性，对青年转介为低确定性，Axis B 端点总体极低。
4. Discussion（讨论）
4.1. Principal Findings（主要发现）
本研究不支持刑事司法系统中自闭症单一总体估计。可辩护结果为设置特异性估计：专科法医智力障碍和青年转介约 23.5%，一般法医责任评估 0.89%，行政监狱 0.62%–1.09%。估计随进入路径和诊断确定变化。三个合并仅两队列，修改的 Hartung–Knapp 区间宽。推断重点为情境与位置，而非普遍患病率。
4.2. Why Setting and Ascertainment Matter（为何设置和诊断确定重要）
专科服务高比例与转介和服务选择机制相容，不能外推至监狱、法院或社区。低行政监狱估计可能低估潜在自闭症。历史诊断类别不完全等同当代 ASD。保留原始定义提高可解释性但减少可合并研究。
4.3. Justice Outcomes in Autism-Defined Populations（自闭症定义人群的司法结局）
Axis B 未显示一致方向。调整选择影响显著，某些暴力关联在加入 ADHD 和品行障碍后由大于 1 变为小于 1。性别特异性结果来自同一源研究，并非独立复制；登记研究可能共享人群。
4.4. Clinical and Criminal-Justice Implications（临床与刑事司法意义）
结果支持针对性识别和便利，而非基于普遍患病率假设。专科服务需可靠诊断路径、沟通和感觉调整、员工培训及跨服务协调；一般监狱和法院低记录比例不等于无需系统识别。应避免从法医样本外推至一般自闭症人群，临床评估应个体化。
4.5. Strengths and Limitations（优势与局限）
优势为明确区分记录、报告、源研究、队列和效应贡献，并保守处理重叠。局限为可合并分层极小，异质性估计不稳定，未计算预测区间；证据依赖常规记录、行政编码、历史诊断或高度选择路径；跨司法、时期和诊断系统；Axis B 多为单研究或不可合并指标。
4.6. Research Priorities（研究优先方向）
未来研究报告抽样框架、招募覆盖、诊断来源、唯一人分母、观察期、法律状态和共病 ID。前瞻自闭症队列链接官方司法记录有助于时间解释；司法系统研究若求真实患病率需系统病例发现。荟萃分析应积累可比设置中的独立队列，共享登记需持久队列标识。
5. Conclusions（结论）
自闭症在刑事司法和法医人群中不能由单一患病率代表。合并比例从一般法医评估 0.89% 到专科法医智力障碍和青年转介约 23.5%，行政监狱低于 1.1%。差异反映招募路径和诊断确定以及人群差异。自闭症定义队列的司法结局同样端点特异，不支持自闭症与犯罪的单一关联。未来合成应优先人群定义、诊断效度、队列独立和结局可比性；实践支持情境敏感识别与便利，并谨慎外推。
