Shining light on darkness: suicidal ideation and suicide attempt among Iranian women who do and do not use drugs
Notice bibliographique
Résumé
Background Illicit drug use and dependence is a well-established risk factor for self-harm and suicide. The present comparative study aimed to evaluate the prevalence of suicidal ideation and suicide attempt among Iranian women.Methods With a cross-sectional design, a total of 787 Iranian women who reported using illicit drugs and 406 women without drug use history were recruited and invited to answer questions regarding their socio-demographic status, individual health conditions, interpersonal information, e.g. experience of sexual, verbal, or physical violence, illicit drug use, and history of suicidal ideation and suicide attempt. Data were collected through gender-matched interviews. Generalized Linear Models (GLM) with Poisson family and log link function were used to report adjusted prevalence ratios (APR) of the associated factors of the study outcomes.Results The mean age (SD) of women with and without drug use was 34.3 (9.2) and 30.5 (11.0) years, respectively. Prevalence of lifetime history of both suicidal ideation (38.54 vs 19.01%) and suicide attempt (26.25 vs 6.55%) was significantly higher among women reporting drug use compared to those reporting no drug use. The APR of the associated factors ranged from 1.8 to 3.1 and from 3.3 to 4.8 for suicidal ideation and suicide attempt, respectively.Conclusion Women who use drugs are at greater risk of suicidal ideation and suicide attempt compared with their peers who do not use drugs. Although further studies are required to explore possible causal relationships between drug use and suicide among Iranian women, a comprehensive package of care and treatment in addition to predominantly drug-related harm reduction programs may help address such critical health issues among Iranian women who use drugs.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».