Mood instability and impulsivity as trait predictors of suicidal thoughts
Notice bibliographique
Résumé
OBJECTIVES: Impulsivity, the tendency to act quickly without adequate planning or concern for consequences, is a commonly cited risk factor for suicidal thoughts and behaviour. There are many definitions of impulsivity and how it relates to suicidality is not well understood. Mood instability, which describes frequent fluctuations of mood over time, is a concept related to impulsivity that may help explain this relationship. The purpose of this study was to determine whether impulsivity could predict suicidal thoughts after controlling for mood instability. METHODS: This study utilized longitudinal data from the 2000 Adult Psychiatric Morbidity Survey (N = 2,406). There was a time interval of 18 months between the two waves of the study. Trait impulsivity and mood instability were measured with the Structured Clinical Interview for DSM-IV Axis II Personality Disorders. Logistic regression analyses were used to evaluate baseline impulsivity and mood instability as predictors of future suicidal thoughts. RESULTS: Impulsivity significantly predicted the presence of suicidal thoughts, but this effect became non-significant with mood instability included in the same model. CONCLUSIONS: Impulsivity may be a redundant concept when predicting future suicidal thoughts if mood instability is considered. The significance is that research and therapy focusing on mood instability along with impulsivity may be useful in treating the suicidal patient. PRACTITIONER POINTS: Mood instability and impulsivity both predict future suicidal thoughts. Impulsivity does not predict suicidal thoughts after controlling for mood instability. Assessing and treating mood instability could be important aspects of suicide prevention and risk management.
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 | 0,011 | 0,001 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».