Risk factors for suicide attempt in children, adolescents, and young adults hospitalized for mental health disorders
Notice bibliographique
Résumé
BACKGROUND: Suicide is a leading cause of death among children, adolescents, and young adults (AYA), and mental health disorders are a major contributing factor. Yet, suicidal behaviors among children and AYA with mental health concerns remain understudied and age-specific risk factors are poorly understood. We examined the risk factors for suicide attempt in children and AYA with mental health disorders across three age groups: pre-adolescent children (aged ≤ 12), adolescents (aged 13-17), and young adults (aged 18-25). METHODS: A cross-sectional study of children and AYA hospitalized for a mental health disorder (n = 18,018) at a private hospital system with 141 facilities across the United States (year 2014). RESULTS: Suicide attempts six months prior to hospitalization were reported in 12.1% (n = 177) pre-adolescent children, 22% (n = 1476) adolescents, and 17.9% (n = 1766) young adults. Evidence of psychological trauma was present in 55.4% of pre-adolescent children, 51.2% of adolescents, and 44.5% of young adults. Predictors for suicide attempt observed across all three age groups included the following: female sex, depressive disorder, and being a victim of bullying. Risk factors for suicide attempt specific to pre-adolescent children included being uninsured and having an unsafe home or school environment. Among AYA, suicide attempt was associated with non-Hispanic white, family history of suicide, emotional traumas, and other traumatic experiences. Alcohol use disorder was also a significant predictor of suicide attempt in young adults. CONCLUSIONS: Suicide attempts among children and AYA admitted to a hospital with mental health concerns are highly prevalent. Socioeconomic stressors appeared to be an important contributing factor of suicidal behavior in pre-adolescent children but not in older AYA. Effective suicide prevention strategies targeting children and AYA would need to consider age-specific risk factors.
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 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».