Acute Risk of Suicide and Suicide Attempts Associated with Recent Diagnosis of Mental Disorders: A Population-Based, Propensity Score—Matched Analysis
Notice bibliographique
Résumé
OBJECTIVE: To determine the degree of risk during the first year after diagnosis with a mental illness. METHODS: We used propensity scoring to create a matched sample for all identified suicide attempts and suicide deaths in the province of Manitoba from 1996 to 2009. This study identified 2100 suicide deaths and 8641 attempted suicides. Three control subjects were identified for every case and matched on age, sex, income decile, region of residence, and marital status. Five categories of physician-diagnosed mental disorders were tested: schizophrenia, anxiety, depression, dementia, and substance abuse. Logistic regression was used to determine the risk for suicide attempts and suicide deaths overall, and within 3 time periods since initial diagnosis: 1 to 90 days, 91 to 364 days, and 365 or more days. RESULTS: All disorders, except dementia, were independently related to death. All disorders were related to suicide attempts. The risk of dying by suicide was particularly high within the first 90 days after initial diagnosis for many disorders, including depression (adjusted odds ratio [AOR] 7.33; 95% CI 4.76 to 11.3), substance use disorders (AOR 4.07; 95% CI 2.43 to 6.82), and schizophrenia (AOR 20.91; 95% CI 2.55 to 172). Depression and anxiety disorders had elevated risk in the first year for suicide attempts. CONCLUSIONS: These data suggest that several mental disorders independently increase the risk of suicide attempts and death by suicide after controlling for all mental disorders and demographic risk factors. Clinicians should be aware of the heightened risk of suicide and suicidal behaviour within the first 3 months after initial diagnosis.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».