Adaptation of a french e-health tool for suicide prevention in young populations: Modalities and benefits
Notice bibliographique
Résumé
Introduction France’s suicide rate is among the highest in Europe, with the young among the more at risk than others. Several European projects have demonstrated the effectiveness of using e-tools in suicide prevention particularly for hard-to-reach populations. Lessons from StopBlues, an e-health tool (application/website) for suicide prevention in the general population developed in 2018 which was promoted by municipalities and general practitioners, shows the necessity to adapt its content for young people. Objectives The objective is to develop an e-health tool, BlueZberry, for suicide prevention targeting adolescents and young adults with psychological pain by adapting StopBlues and its promotional plan. Methods The detailed content of BlueZberry and its promotional plan were determined via a literature review and 26 individual and group interviews with experts and youth with StopBlues as a starting part. Results The literature review and interviews confirmed the need to adapt the tool according to age of the user since the context and source of psychological pain vary rapidly at this time of life. BlueZberry consists of three modules for age groups 12-14, 15-17 and 18-25 years with specific graphics and messages. Its locally organized promotion should include youth hangouts on top of usual places. Conclusions This adaptation of StopBlues will reach a larger audience by offering a more suitable solution for this vulnerable population. A web-portal will serve as an entry point for both StopBlues and BlueZberry where users will be redirected to one of the tools/modules according to their profile and respective needs.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| 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) | 0,011 | 0,004 |
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 ».