An epidemiological study for no-suicide self-injury behavior of 1463 junior school students in Dalian city
Notice bibliographique
Résumé
Objective To find incidence rate of no-suicide self injury (NSSI) of junior school students in Dalian city, and to provide some evidences for interventions for them. Methods Randomly drawn out 1463 junior school students were served as study objects. All objects were evaluated with Ottawa Self-Injury Inventory(OSI) and self-made investigate questionnaire, 75 no-suicide self-injury were screening out. Results The incidence ratio of NSSI of junior school students was 5.4%, there were no significant different between the male and female students. The highest incidence ratio was found at 13 years old. The average age for first-time self-harm was (12.24±1.344) years old. There were no significant different between the male and the female students(t=-1.415, P=0.163); Cutting Skin was the most common way of NSSI (12.0%); Ideation of 80% of the NSSI was from their Own Idea . 2.7% of the NSSI can Feel Relief through NSSI behavior.93% of NSSI was to regulate their mood. 100% students of NSSI against NSSI behavior by Reading Books or Listening Music , in which 60% of NSSI believe the method was helpful to relax their mind. 78.5% of the NSSI resisted NSSI behavior by Watching TV or Playing Games , but they did not get enough effects. 60% NSSI considered themselves without the need to treat. 41.3% of NSSI had never been to treat. 2.5% of NSSI went to hospital for the wound. Conclusion NSSI is often be found in junior school students, and highest ratio is at 13 years old. The most common method of NSSI is Cutting Skin . More NSSI aim is to release their emotion, and self-injury behavior accordance with their inner thoughts.NSSI behavior often is secret, and reading and listening to music is cut off from the relative effective way to conduct.NSSI are seldom to initiative doctor, and education organ, parents and society in a three-dimensional one of the system is necessary. Key words: No-suicide self-injury; Junior; Ottawa self-injury inventory; Epidemiology
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».