Predicting Future Suicide: Clinician Opinion versus a Standardized Assessment Tool
Notice bibliographique
Résumé
OBJECTIVE: To compare the effectiveness of clinician prediction of risk to a standardized assessment of presentation status. METHODS: All adult psychiatry emergency department consults in the two main hospitals in Winnipeg, Canada, were assessed using a standardized form (n = 5,376). This form includes two risk scales for a gestalt physician assessment of risk (Suicide Likelihood scale, suicide Attempt Likelihood scale) and the Columbia Classification Algorithm of Suicide Assessment (C-CASA). Regression determined whether assessments predicted future suicide attempts and deaths. The area under the curve (AUC) determined the prediction accuracy of these methods. RESULTS: Although the regression results were significant, the AUCs were either moderate or poor. Clinician assessment was not effective at predicting deaths (AUC = .546, .36-.73), but moderately accurate at predicting future attempts (AUC = .728, .66-.79). C-CASA assessment was moderately accurate at predicting both attempts and deaths (AUC = .666 and .678). CONCLUSIONS: Clinician assessment does not significantly outperform a simple assessment of the occurrence of suicidal thoughts and behaviors during presentation to the emergency department. Behavior-based standardized assessments should be further researched in this field. Assessment of suicidality at presentation using C-CASA or similar assessment should be standard for psychiatric patients assessed in the emergency department.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».