Introduction: rethinking suicide
Notice bibliographique
Résumé
Throughout the world, suicides account for a significant number of premature deaths each year. According to the World Health Organization (WHO), one million people die by suicide annually, representing a global mortality rate of 16/100,000 (WHO, 2013). Each suicide is estimated to personally affect at least seven individuals (Canadian Association for Suicide Prevention, 2004). Suicide, like many other complex social problems, is often a subproblem of other, larger problems (Brown, Harris, and Russell, 2010). For example, newspaper headlines such as “Greek woes drive up suicide rate” (Smith, 2011) or “Rape, bullying led to N.S. teen’s death says mom” (Canadian Broadcasting Corporation, 2013) attest to the fact that suicide cannot be easily understood in singular, static, or acontextual terms. On the contrary, suicide and suicidal behaviours are deeply embedded in particular social, political, ethical, and historical contexts. As such, they are rarely amenable to cause–effect reasoning, quick fixes, or technical solutions. In short, suicide is a complex problem that is always “on the move.” Not surprisingly, given its complexity, the evidence about how to prevent suicide and suicidal behaviours is rather sparse (DeLeo, 2002; Gould and Kramer, 2001; Mann et al., 2005; Thompson, 2005). We contend that this provides an opening for fresh thinking and justifies the consideration of alternative approaches.
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,018 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,010 |
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 ».