Behavioural addictions as risk factors for incidence and reoccurrence of suicide ideation and attempts in a prospective cohort study among young swiss men
Notice bibliographique
Résumé
Introduction Substance use disorder, depression and sexual minority are well documented risk factors for suicidal behaviour, far less is known about behavioural addictions. Objectives First, to explore associations between behavioural addictions (gaming, gambling, cybersex, internet, smartphone, work) at age 25 and the incidence and reoccurrence of suicide ideation (SID), suicide attempts (SAT), and suicide attempts among those with suicide ideation (SATID) at age 28. Second, to test whether these associations were impacted by adjusting for cannabis and alcohol use disorder, nicotine dependence, sexual orientation and depression. Methods Based on two waves of a prospective cohort study of 5,428 young Swiss men, nested models with and without adjustment for risk factors were used to regress SID, SAT and SATID on preceding behavioural addictions. Results Without adjustment, each of the behavioural addictions at age 25 significantly predicted the incidence of SID and SAT at age 28. Gambling and cybersex addiction furthermore predicted SATID. When adjusting for other risk factors, associations with behavioural addictions were reduced, whereas depression and cannabis use disorder were the most important and consistent predictors for the incidence and recurrence of SID, SAT and SATID. Conclusions Among young Swiss men, behavioural addictions are important predictors of SID and SAT, however a large part of their association is shared with depression and cannabis use disorder. Treatment for addictive behaviors, especially cannabis use can open the door to larger mental health screening and targeted intervention. Crisis intervention among men presenting addictive behaviours with or without substance may therefore be key to preventing suicidal behaviour. Disclosure No significant relationships.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».