Self-harm presentation across healthcare settings by sex in young people: an e-cohort study using routinely collected linked healthcare data in Wales, UK
Notice bibliographique
Résumé
BACKGROUND: This study used individual-level linked data across general practice, emergency departments (EDs), outpatients and hospital admissions to examine contacts across settings and time by sex for self-harm in individuals aged 10-24 years old in Wales, UK. METHODS: A whole population-based e-cohort study of routinely collected healthcare data was conducted. Rates of self-harm across settings over time by sex were examined. Individuals were categorised based on the service(s) to which they presented. RESULTS: A total of 937 697 individuals aged 10-24 years contributed 5 369 794 person years of data from 1 January 2003 to 30 September 2015. Self-harm incidence was highest in primary care but remained stable over time (incident rate ratio (IRR)=1.0; 95% CI 0.9 to 1.1). Incidence of ED attendance increased over time (IRR=1.3; 95% CI 1.2 to 1.5) as did hospital admissions (IRR=1.4; 95% CI 1.1 to 1.6). Incidence in the 15-19 years age group was the highest across all settings. The largest increases were seen in the youngest age group. There were increases in ED attendances for both sexes; however, females are more likely than males to be admitted following this. This was most evident in individuals 10-15 years old, where 76% of females were admitted compared with just 49% of males. The majority of associated outpatient appointments were under a mental health specialty. CONCLUSIONS: This is the first study to compare self-harm in people aged 10-24 years across primary care, EDs and hospital settings in the UK. The high rates of self-harm in primary care and for young men in EDs highlight these as important settings for 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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».