Core components and strategies for suicide and risk management protocols in mental health research: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Suicide and risk management protocols in mental health research aim to ensure patient safety, provide vital information on how to assess suicidal ideation, manage risk, and respond to unexpected and expected situations. However, there is a lack of literature that identifies specific components and strategies to include in suicide and risk management protocols (SRMPs) for mental health research. The goal of this scoping review was to review academic and grey literature to determine core components and associated strategies, which can be used to inform SRMPs in mental health research. METHODS AND ANALYSIS: The methodological framework outlined by Arksey and O'Malley was used for this scoping review. The search strategy, conducted by a medical librarian, was multidisciplinary and included seven databases. Two reviewers independently assessed eligibility criteria in each document and used a standardized charting form to extract relevant data. The extracted data were then examined using qualitative content analysis. Specifically, summative content analysis was used to identify the core components and strategies used in SRMPs. The data synthesis process was iterative. RESULTS: This review included 36 documents, specifically 22 peer-reviewed articles and 14 documents from the grey literature. Five core components of SRMPs emerged from the reviewed literature including: training; educational resources for research staff; educational resources for research participants; risk assessment and management strategies; and clinical and research oversight. Potentials strategies for risk mitigation within each of the core components are outlined. CONCLUSIONS: The five core components and associated strategies for inclusion in SRMPs will assist mental health researchers in conducting research safely and rigorously. Findings can inform the development of SRMPs and how to tailor them across various research contexts.
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 | 0,205 | 0,377 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,010 |
| Bibliométrie | 0,041 | 0,037 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,020 | 0,023 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».