The Suicide Risk Assessment and Management Manual (S-RAMM) Validation Study II
Notice bibliographique
Résumé
Abstract Objectives:Structured professional judgement is now the most widely accepted approach to clinical risk assessment and risk management. The Suicide Risk Assessment and Management Manual (S-RAMM) is a new structured professional judgement tool closely modelled on the HCR-20. This is the first prospective validation study for this instrument. Methods:Two post-membership registrars jointly interviewed 81 of 83 current inpatients to rate the S-RAMM. Two assistant psychologists independently rated the HCR-20, GAF and PANSS. All incidents of self-harm, attempted suicide, suicide and violence to others were collated from hospital reporting of critical incidents over the next six months supplemented by examination of other records. Results:For combined self-harm and suicide outcomes, the S-RAMM total score using the receiver operating characteristic had an area under the curve AUC=0.89, (95% CI 0.79 to 0.99). The S-RAMM performed as well for the prediction of self-harm and suicide as the HCR-20 did for violence, and better than measures of mental state (PANSS total score) and global function (GAF). Conclusions:The S-RAMM has better than minimum acceptable characteristics for use as a clinical or research tool for suicide risk assessment, and performs almost as well as the HCR-20 does for violence. Further prospective studies are now required, in other populations.
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 | 0,019 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; 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 ».