Notice bibliographique
Résumé
A recent study indicated a suicide attempt rate of 41 % among trans (e.g., trans, transgender, transexual/transsexual, genderqueer, two-spirit) individuals. Although this rate is alarming, there is a dearth of literature regarding suicide prevention for trans individuals. A vital step in developing suicide prevention models is the identification of protective factors. It was hypothesized that social support from friends, social support from family, optimism, reasons for living, and suicide resilience, which are known to protect cis (non-trans) individuals, also protect trans individuals. A sample of self-identified trans Canadian adults (N = 133) was recruited from LGBT and trans LISTSERVs. Data were collected online using a secure survey platform. A three block hierarchical multiple regression model was used to predict suicidal behavior from protective factors. Social support from friends, social support from family, and optimism significantly and negatively predicted 33 % of variance in participants' suicidal behavior after controlling for age. Reasons for living and suicide resilience accounted for an additional 19 % of the variance in participants' suicidal behavior after controlling for age, social support from friends, social support from family, and optimism. Of the factors mentioned above, perceived social support from family, one of three suicide resilience factors (emotional stability), and one of six reasons for living (child-related concerns) significantly and negatively predicted participants' suicidal behavior. Overall, these findings can be used to inform the practices of mental health workers, medical doctors, and suicide prevention workers working with trans clients.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».