Nonsuicidal self-harm in youth: a population-based survey
Notice bibliographique
Résumé
BACKGROUND: Nonsuicidal self-harm includes cutting, scratching, burning and minor overdosing. There have been few studies that have examined the rate of self-harm and mental-health correlates among community-based youth. We performed a population-based study to determine the prevalence of nonsuicidal self-harm, its mental-health correlates and help-seeking behaviour. METHODS: We used data from the Victoria Healthy Youth Survey, a population-based longitudinal survey of youth aged 14-21 in Victoria, British Columbia. The survey included questions about the history, method, frequency, age of onset and help-seeking for nonsuicidal self-harm. Youth were interviewed between February and June 2005. Univariable group differences were analyzed using students t test for continuous data and chi2 for binary or categorical data. Multivariate analyses were conducted by use of multivariate analysis of variance and logistic regression. RESULTS: Ninety-six of 568 (16.9%) youth indicated that they had ever harmed themselves. Self-injuries such as cutting, scratching and self-hitting were the most common forms of nonsuicidal self-harm (83.2%). The mean age of onset was 15.2 years. Of those who reported nonsuicidal self-harm, 56% had sought help for this behaviour. Participants who reported 5 or more symptoms (out of 6) in a given symptom category were more likely than those who reported less than 5 symptoms to report nonsuicidal self-harm for the following categories: depressive mood (odds ratio [OR] 2.18, confidence interval [CI] 1.28-3.7) and problems with regulation of attention, impulsivity and activity (OR 2.24, CI 1.33-3.76). INTERPRETATION: We found a high lifetime prevalence of nonsuicidal self-harm. Many mental-health symptoms were associated with this behaviour, particularly those with depressive mood and attention-related problems. Just over half of youth reported seeking help for nonsuicidal self-harm. Clinicians who encounter youth should be vigilant to assess for this behaviour in youth who present with mental health issues.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».