Predictors of Suicidal Ideation in Chronic Pain Patients
Notice bibliographique
Résumé
OBJECTIVES: To explore whether chronic pain (CP) patients who report suicidal ideation (SI) present a distinctive profile with regard to their sociodemographic characteristics, physical health, psychological well-being, cognitions, and use of antidepressants, illicit drugs, and alcohol for pain relief. METHODS: Eighty-eight CP patients completed self-administered questionnaires during their intake assessment at 3 pain clinics located in the province of Québec (Canada). Patients reporting active or passive SI on the Beck Depression Inventory were compared with patients reporting no SI. Between-group univariate analyses were performed using profile variables to compare patients with and without SI. Significant variables were then entered into multiple logistic regression analyses to identify significant independent predictors of SI. RESULTS: Twenty-four percent of patients reported having had SI. Unemployed/disabled patients were 6 times more likely to report SI. Poor sleep quality was the only predictor of SI among the physical variables. For psychological well-being, depressive symptoms did not significantly predict SI. However, the poorer the patients perceived their mental health to be the more likely they were to report SI. Pain-related helplessness was the only predictor for SI among the cognitive variables. Patients who had used illicit drugs as a form of pain relief at any time since pain onset were 5 times more likely to report SI. Similar results were obtained for those who were on antidepressants. DISCUSSION: Some factors associated with SI seem pain specific, whereas others are more generally associated with SI. Better identification and understanding of these factors is essential for the development of targeted suicide prevention programs for at-risk CP patients.
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 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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».