Population-Attributable Fractions of Axis I and Axis II Mental Disorders for Suicide Attempts: Findings From a Representative Sample of the Adult, Noninstitutionalized US Population
Notice bibliographique
Résumé
OBJECTIVES: We aimed to determine the percentage of suicide attempts attributable to individual Axis I and Axis II mental disorders by studying population-attributable fractions (PAFs) in a nationally representative sample. METHODS: Data were from the National Epidemiologic Survey on Alcohol and Related Conditions Wave 2 (NESARC; 2004-2005), a large (N = 34 653) survey of mental illness in the United States. We used multivariate logistic regression to compare individuals with and without a history of suicide attempt across Diagnostic and Statistical Manual of Mental Disorders, Fourth Edition, Axis I disorders (anxiety, mood, psychotic, alcohol, and drug disorders) and all 10 Axis II personality disorders. PAFs were calculated for each disorder. RESULTS: Of the 25 disorders we examined in the model, 4 disorders had notably high PAF values: major depressive disorder (PAF = 26.6%; 95% confidence interval [CI] = 20.1, 33.2), borderline personality disorder (PAF = 18.1%; 95% CI = 13.4, 23.5), nicotine dependence (PAF = 8.4%; 95% CI = 3.4, 13.7), and posttraumatic stress disorder (PAF = 6.3%; 95% CI = 3.2, 10.0). CONCLUSIONS: Our results provide new insight into the relationships between mental disorders and suicide attempts in the general population. Although many mental illnesses were associated with an increased likelihood of suicide attempt, elevated rates of suicide attempts were mostly attributed to the presence of 4 disorders.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».