Effects of Multiple Forms of Information Bias on Estimated Prevalence of Suicide Attempts According to Sexual Orientation: An Application of a Bayesian Misclassification Correction Method to Data From a Systematic Review
Notice bibliographique
Résumé
Multiple epidemiologic studies demonstrate a disparity in suicide risk between sexual minority (lesbian, gay, bisexual) and heterosexual populations; however, both "exposure" (sexual minority status) and outcome (suicide attempts) may be affected by information bias related to errors in self-reporting. We therefore applied a Bayesian misclassification correction method to account for possible information biases. A systematic literature search identified studies of lifetime suicide attempts in sexual minority and heterosexual adults, and frequentist meta-analysis was used to generate unadjusted estimates of relative risk. A Bayesian model accounting for prior information about sensitivity and specificity of exposure and outcome measures was used to adjust for misclassification biases. In unadjusted frequentist analysis, the relative risk of lifetime suicide attempt comparing sexual minority with heterosexual groups was 3.38 (95% confidence interval: 2.65, 4.32). In Bayesian reanalysis, the estimated prevalence was slightly reduced in heterosexual adults and increased in sexual minority adults, yielding a relative risk of 4.67 (95% credible interval: 3.94, 5.73). The disparity in lifetime suicide attempts between sexual minority and heterosexual adults is greater than previously estimated, when accounting for multiple forms of information bias. Additional research on the impact of information bias in studies of sexual minority health should be pursued.
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 | 0,358 | 0,591 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,017 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».