Fatal self-injury in the United States, 1999–2018: Unmasking a national mental health crisis
Notice bibliographique
Résumé
BACKGROUND: Suicides by any method, plus 'nonsuicide' fatalities from drug self-intoxication (estimated from selected forensically undetermined and 'accidental' deaths), together represent self-injury mortality (SIM)-fatalities due to mental disorders or distress. SIM is especially important to examine given frequent undercounting of suicides amongst drug overdose deaths. We report suicide and SIM trends in the United States of America (US) during 1999-2018, portray interstate rate trends, and examine spatiotemporal (spacetime) diffusion or spread of the drug self-intoxication component of SIM, with attention to potential for differential suicide misclassification. METHODS: . Procedures comprised joinpoint regression to describe national trends; Spearman's rank-order correlation coefficient to assess interstate SIM and suicide rate congruence; and spacetime hierarchical modelling of the 'nonsuicide' SIM component. FINDINGS: <0.05). INTERPRETATION: Depiction of rising SIM trends across states and major regions unmasks a burgeoning national mental health crisis. Geographic variation is plausibly a partial product of local heterogeneity in toxic drug availability and the quality of medicolegal death investigations. Like COVID-19, the nation will only be able to prevent SIM by responding with collective, comprehensive, systemic approaches. Injury surveillance and prevention, mental health, and societal well-being are poorly served by the continuing segregation of substance use disorders from other mental disorders in clinical medicine and public health practice. FUNDING: This study was partially funded by the National Centre for Injury Prevention and Control, US Centers for Disease Control and Prevention (R49CE002093) and the US National Institute on Drug Abuse (1UM1DA049412-01; 1R21DA046521-01A1).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 tête enseignante, 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 ».