Suicide and self-harm trends in recent immigrant youth in Ontario, 1996-2012: a population-based longitudinal cohort study
Notice bibliographique
Résumé
OBJECTIVE: To describe the trends in suicide and emergency department (ED) visits for self-harm in youth by immigration status and immigrant characteristics. DESIGN: Population-based longitudinal cohort study from 1996 to 2012 using linked health and administrative datasets. SETTING: Ontario, Canada. PARTICIPANTS: Youth 10 to 24 years, living in Ontario, Canada. EXPOSURE: The main exposure was immigrant status (recent immigrant (RI) versus long-term residents (LTR)). Secondary exposures included region of birth, duration or residence, and refugee status. MAIN OUTCOME MEASURE: Trends over time in suicide and ED self-harm were modelled within consecutive 3-year time periods. Rate ratios were estimated using Poisson regression models. RESULTS: 2.5 to 2.9 million individuals were included per cohort period. LTR suicide rates ranged from 7.4 to 9.4/100 000 male person-years versus 2.2-3.4/100 000 females. RI's suicide rates were 2.7-7.2/100,000 male versus 1.9-2.7/100 000 female person-years. Suicide rates were lower among RI compared with LTR (adjusted relative rate (aRR)=0.70, 95% CI=0.57 to 0.85) with different mechanisms of suicide. No significant time trend in suicide rates was observed (p=0.40). ED self-harm rates for LTR and RI were highest in females (2.6-3.4/1000 LTR females versus 1.1-1.5/1000 males, 1.2-1.8/1000 RI females versus 0.4-0.6/1000 males). RI had lower rates of self-harm compared with LTR (aRR=0.60, 95% CI=0.56 to 0.65). Stratum-specific rates showed a steeper decline per period in RI compared with LTR (RI: aRR=0.85, 95% CI=0.81 to 0.89; LTR: aRR=0.91, 95% CI=0.90 to 0.93). Observed trends were not universal across region of origin and by refugee status. INTERPRETATION: Suicide rates have been stable and ED self-harm rates are declining over time among RI youth. These trends by important subgroups should continue to be monitored to allow for early identification of subpopulations of immigrant youth in need of targeted and culturally appropriate public health interventions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».