Non-suicidal self-injury prevalence, course, and association with suicidal thoughts and behaviors in two large, representative samples of US Army soldiers
Notice bibliographique
Résumé
BACKGROUND: Non-suicidal self-injury (NSSI) prospectively predicts suicidal thoughts and behaviors in civilian populations. Despite high rates of suicide among US military members, little is known about the prevalence and course of NSSI, or how NSSI relates to suicidal thoughts and behaviors, in military personnel. METHODS: We conducted secondary analyses of two representative surveys of active-duty soldiers (N = 21 449) and newly enlisted soldiers (N = 38 507) from the Army Study to Assess Risk and Resilience in Servicemembers (Army STARRS). RESULTS: The lifetime prevalence of NSSI is 6.3% (1.2% 12-month prevalence) in active-duty soldiers and 7.9% (1.3% 12-month prevalence) in new soldiers. Demographic risk factors for lifetime NSSI include female sex, younger age, non-Hispanic white ethnicity, never having married, and lower educational attainment. The association of NSSI with temporally primary internalizing and externalizing disorders varies by service history (new v. active-duty soldiers) and gender (men v. women). In both active-duty and new soldiers, NSSI is associated with increased odds of subsequent onset of suicidal ideation [adjusted odds ratio (OR) = 1.66-1.81] and suicide attempts (adjusted OR = 2.02-2.43), although not with the transition from ideation to attempt (adjusted OR = 0.92-1.36). Soldiers with a history of NSSI are more likely to have made multiple suicide attempts, compared with soldiers without NSSI. CONCLUSIONS: NSSI is prevalent among US Army soldiers and is associated with significantly increased odds of later suicidal thoughts and behaviors, even after NSSI has resolved. Suicide risk assessments in military populations should screen for history of NSSI.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».