Assessment of self-harm risk using implicit thoughts.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Assessing for the risk of self-harm in acute care is a difficult task, and more information on pertinent risk factors is needed to inform clinical practice. This study examined the relationship of 6 forms of implicit cognition about death, suicide, and self-harm with the occurrence of self-harm in the future. We then attempted to develop a model using these measures of implicit cognition along with other psychometric tests and clinical risk factors. We conducted a prospective cohort of 107 patients (age > 17 years) with a baseline assessment that included 6 implicit association tests that assessed thoughts of death, suicide, and self-harm. Psychometric questionnaires were also completed by the patients, and these included the Beck Hopelessness Scale (Beck, Weissman, Lester, & Trexler, 1974), Barratt impulsiveness scale (Patton, Stanford, & Barratt, 1995), brief symptom inventory (Derogatis & Melisaratos, 1983), CAGE questionnaire for alcoholism (Ewing, 1984), and the drug abuse screening test 10 (Skinner, 1982). Medical and demographic information was also obtained for patients as potential confounders or useful covariables. The outcome measure was the occurrence of self-harm within 3 months. Implicit associations with death versus life as a predictor added significantly (odds ratio = 5.1, 95% confidence interval [1.3, 20.3]) to a multivariable model. The model had 96.6% sensitivity and 53.9% specificity with a high cutoff, or 58.6% sensitivity and 96.2% specificity with a low cutoff. This scale shows promise for screening emergency department patients with mental health presentations who may be at risk for future self-harm or suicide.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle