MétaCan
Menu
Retour à la cohorte
Enregistrement W3111410232 · doi:10.1177/1049732320975747

How to Save a Life: Vital Clues From Men Who Have Attempted Suicide

2020· article· en· W3111410232 sur OpenAlexafffundabout
John L. Oliffe, Olivier Ferlatte, John S. Ogrodniczuk, Zac E. Seidler, David Kealy, Simon Rice

Notice bibliographique

RevueQualitative Health Research · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversity of British Columbia
Organismes subventionnairesNational Health and Medical Research CouncilMovember CanadaMichael Smith Health Research BC
Mots-clésPsychologyIsolation (microbiology)Suicide preventionMental healthDistressThematic analysisQualitative researchMental distressPoison controlPsychiatryMedicinePsychotherapistSociologyMedical emergency

Résumé

récupéré en direct d'OpenAlex

Male suicide rates are high and rising, and important insights can be gleaned from understanding the experiences of men who have attempted suicide. Drawing from a grounded theory photovoice study of diverse Canadian men, three intertwined thematic processes were derived: (a) preceding death struggles, (b) life-ending attempts and saving graces, and (c) managing to stay alive post suicide attempt. Preceding death struggles were characterized by cumulative injuries, intensifying internalized pain, isolation, and participant's efforts for belongingness in diminishing their distress. Men's life-ending attempts included overdosing and jumping from bridges; independent of method, men's saving graces emerged as changing their minds or being saved by others. Managing to stay alive post suicide attempt relied on men's acceptance that their mental illness was unending but amenable to effective self-management with professional mental health care. The findings offer vital clues about how male suicide might be prevented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,617
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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.

Tête enseignante Opus0,536
Tête enseignante GPT0,587
Écart entre enseignants0,052 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetSuicide and Self-Harm StudiesTravaux en français237 207