Last Words: Are There Differences in Psychosocial and Clinical Antecedents Among Suicide Decedents Who Leave E‐Notes, Paper Notes, or No Note?
Notice bibliographique
Résumé
OBJECTIVE: Only a minority of suicide decedents leave a suicide note. Typically, the notes are handwritten on paper; however, electronic suicide notes have been reported with increasing frequency. This emerging phenomenon remains generally under-researched. The aim of this study was to compare the psychosocial and clinical antecedents of suicide decedents who left E-notes with those who left paper notes or no notes. METHOD: The study was embedded in the Southwestern Ontario Suicide Study (SOSS). The SOSS was a three-year case series of consecutive deaths by suicide that occurred in the region between 2012 and 2014. Data on psychosocial and clinical antecedents were collected with a modified version of the Manchester questionnaire used in the UK. RESULTS: Of the 476 suicides files reviewed, 45.8% contained a suicide note. A total of 383 separate suicide notes were left: 74.3% were paper notes and 25.7% were E-notes. The results of the multivariate regression analyses indicate that the likelihood of leaving a suicide note was negatively associated with a history of admissions to a mental health unit, while the likelihood of leaving an E-note was negatively associated with age, positively associated with presence of a mental disorder, and negatively associated with history of hospital admissions. CONCLUSIONS: Future studies with larger samples need to consider the timing of the text messages, and appraise whether there was the intent of seeking help or rescue in the text messages.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».