Pediatricians’ Competence in Prevention, Risk Determination or Detection of Suicidal Behavior in Children: Cross-Sectional Survey Study
Notice bibliographique
Résumé
Background. Child and adolescent suicides remain one of the most painful public issues. The COVID-19 pandemic has aggravated this topic as the number of suicides among children population has increased in this period. Research and practice guidelines identify the leading role of primary care physicians in the prevention, identification, and routing of patients with suicidal behavior. At the same time, there were no studies on pediatricians’ competence in the field of suicides. Objective. The aim of the study is to study pediatricians’ competence in prevention, risk determination or and detection of suicidal behavior. Methods. Cross-sectional study was conducted with the usage of original electronic questionnaire aimed on identifying the level of pediatricians’ competence in evaluating suicidal behavior in children. Questionnaire included 18 questions. Results. We have received 208 electronic questionnaires. 97.1% of specialists have confirmed that they evaluate emotional status of their patients during admission. During admission: 86.1% of specialists have considered the characteristics of children appearance, facial expression, voice intonation, 65.4% — have asked questions about mood, 62.5% — have interviewed parents. 98.6% of specialists pay attention to the presence of self-inflicted injuries marks, 88.4% — ask about the origin of these injuries. Only 36.1% of respondents ask patients about suicidal thoughts, intentions, or actions. Only 69.3% of specialists are ready to refer their patients to psychologist, and 51.7% — to psychiatrist. Conclusion. Even though most surveyed pediatricians notice signs of suicidal intent (low mood, self-inflicted injuries), they avoid discussing the topic of suicide during admission. Increasing the competence of pediatricians should be aimed on destigmatisation in the field of mental health, increasing the knowledge level, and developing practical skills in working with children with suicidal behavior.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».