Hospitalization for self-harm during the early months of the COVID-19 pandemic in France: A nationwide retrospective observational cohort study
Notice bibliographique
Résumé
ABSTRACT Introduction Little is known to date about the impact of Covid-19 pandemic on self-harm incidence. Methods The number of hospitalizations for self-harm in France (mainland and overseas) from January to August 2020 (which includes the first confinement from March 17 th to May 11 th ) was compared to the same period in 2019-2017. Hospital data with the ICD-10 codes X60-84 were extracted from the national administrative database (PMSI). Results There were 53,583 hospitalizations for self-harm in France between January and August 2020. Compared to the same period in 2019, this represents an overall 8.5% decrease. This decrease started the first week of the confinement and the number of hospitalizations remained at lower levels relative to 2019 until the end of August. The decrease was more marked in women (−9.8%) than men (−6.4%). However, an increase in hospitalizations was observed in individuals aged 75 and older (+5.3 to +11.6%). Moreover, the number of self-harm by firearm (+20.3%), jumping from height (+10.5%), and drowning (+4.7%) increased between 2019 and 2020, as well as the number of hospitalizations in intensive care (+3.5%) and deaths at discharge from hospital (+8.0%). No correlation was found between the evolution in the number of hospitalizations for self-harm and the number of severe cases of Covid-19 (hospitalization and mortality rates) across administrative departments. Discussion During the early months of the Covid-19 pandemic in France - including the first confinement -, a general decrease in the number of hospitalizations for self-harm was observed. However, an increase was found among elderly, a population at higher Covid 19-related mortality risk, and in the number of more severe suicidal acts. These results, therefore, shed light on a complex relationship between the pandemic and self-harm occurrence. This situation may change with time, which requires active suicide prevention strategies.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».