A state level analyses of suicide and the COVID-19 pandemic in Mexico
Notice bibliographique
Résumé
BACKGROUND: While suicide rates in high- and middle-income countries appeared stable in the early stages of the pandemic, we know little about within-country variations. We sought to investigate the impact of COVID-19 on suicide in Mexico's 32 states and to identify factors that may have contributed to observed variations between states. METHODS: Interrupted time-series analysis to model the trend in monthly suicides before COVID-19 (from Jan 1, 2010, to March 31, 2020), comparing the expected number of suicides derived from the model with the observed number for the remainder of the year (April 1 to December 31, 2020) for each of Mexico's 32 states. Next, we modeled state-level trends using linear regression to study likely contributing factors at ecological level. RESULTS: Suicide increased slightly across Mexico during the first nine months of the pandemic (RR 1.03; 95%CI 1.01-1.05). Suicides remained stable in 19 states, increase in seven states (RR range: 1.12-2.04) and a decrease in six states (RR range: 0.46-0.88). Suicide RR at the state level was positively associated with population density in 2020 and state level suicide death rate in 2019. CONCLUSIONS: The COVID-19 pandemic had a differential effect on suicide death within the 32 states of Mexico. Higher population density and higher suicide rates in 2019 were associated with increased suicide. As the country struggles to cope with the ongoing pandemic, efforts to improve access to primary care and mental health care services (including suicide crisis intervention services) in these settings should be given priority.
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) | 0,001 | 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 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 ».