The implementation and first insights of the French-speaking Swiss programme for monitoring self-harm
Notice bibliographique
Résumé
AIMS OF THE STUDY: Self-harm is a major risk factor for suicide but remains poorly documented. No data on self-harm in French-speaking Switzerland exist. To address this deficiency, the Swiss Federal Office of Public Health commissioned a specific self-harm monitoring programme. We present and discuss its implementation and first findings. METHODS: Every patient aged 18–65 years presenting for self-harm to the emergency departments of the Lausanne and Neuchâtel general hospitals were included in the monitoring programme over a 10-month period (December 2016 to September 2017). Clinicians collected anonymous sociodemographic and clinical data. RESULTS: The sample included 490 patients (54.9% female and 45.1% male) for 554 episodes of self-harm, showing a higher proportion of patients aged 18–34 (49.2%) than older age groups (35–49, 33.7% and 50–65, 17.1%). Patients were mostly single (56.1%) and in problematic socioeconomic situations (65.7%). Self-poisoning was the most commonly used method (58.2%) and was preferred by women (71% of females and 42.5% of males, Fisher’s exact test, p <0.001) and the majority of patients (53.3%) had experienced at least one previous episode of self-harm. The self-harm rate was 220 per 100,000 inhabitants in Lausanne and 140 in Neuchâtel. Suicidal intent was clear for 50.6% of the overall sample, unclear for 25.1% and absent for 24.3%. It differed significantly between sites (χ2(2) = 9.068, p = 0.011) as Lausanne reported more incidents of unclear intent (27.7% versus 17.4% in Neuchâtel) and Neuchâtel more incidents with absence of intent (33.1% versus 21.3% in Lausanne). In Lausanne, patients more frequently resorted to methods such as jumping from a height (11.4%) and hanging (9%) than in Neuchâtel (1.6% and 4.9%, Fisher’s exact test, p = 0.006). CONCLUSIONS: Our results are globally consistent with previous research on self-harm. We found significant inter-site differences in methods, suicidal intent and self-harm rates. Our findings highlight the importance of implementing local self-harm monitoring to identify specific at-risk groups and develop targeted preventive intervention.
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 | 0,015 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; 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 ».