Incidence and Predictors of Suicide Attempts and Suicide Deaths Among Individuals Recently Hospitalized for a Mental Disorder
Notice bibliographique
Résumé
Objective: To examine the incidence and predictors of suicide attempts and deaths in the year after psychiatric hospitalization. Methods: A population-based dataset was used to develop a cohort of individuals 18 years or older admitted with a mental disorder (defined by ICD-10 codes) from 2005 to 2016 (n = 26,975) in Manitoba, Canada. Using Cox regression, hazard ratios were calculated for each covariate among those who attempted and died by suicide in the year following hospitalization, while adjusting for confounders. Results: In the year following hospitalization for a mental disorder, 0.7% of the individuals died by suicide and 3.5% attempted suicide. Statistically significant risk factors for suicide in the year after discharge from psychiatric hospitalization included male sex (hazard ratio , 1.47; 95% confidence interval , 1.10–1.97) and urban location (HR, 1.37; 95% CI, 1.02–1.85) and for attempting suicide included female sex (HR, 0.63; 95% CI, 0.55–0.72), living rurally (HR, 0.66; 95% CI, 0.58–0.75), a previous mental disorder (HR, 1.63; 95% CI, 1.38–1.92), justice involvement (HR, 1.48; 95% CI, 1.28–1.70), and being on income assistance (HR, 1.17; 95% CI, 1.01–1.35) (P < .05 for all). Age (HR, 0.99; 95% CI, 0.99–0.99) (P < .05) was associated with a reduced rate of suicide attempts. Conclusions: Further research into interventions to address the identified risk factors for suicide in the recently discharged population is critical to improve management.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».