Suicidality in clinically stable bipolar disorder and schizophrenia patients during the COVID-19 pandemic
Notice bibliographique
Résumé
The coronavirus disease 2019 (COVID-19) pandemic has a disproportionate impact on vulnerable subpopulations, including those with severe mental illness (SMI). This study examined the one-year prevalence of suicidal ideation (SI), suicide plans (SP), and suicide attempts (SA) in bipolar disorder (BD) and schizophrenia (SCZ) patients during the pandemic. Prevalence rates were compared between the two disorders and associated factors were examined. A survey was conducted in six tertiary psychiatric hospitals and psychiatric units. People with a diagnosis of BD or SCZ were invited to participate. SI, SP, and SA (suicidality for short) were assessed and associated factors were examined using binary logistical regression. The 1-year prevalence of SI, SP and SA in BD patients were 58.3%, (95% CI: 54.1-62.6%), 38.4% (95% CI: 34.3-42.6%) and 38.6% (95% CI: 34.5-42.8%), respectively, which were higher than the corresponding figures in SCZ patients (SI: 33.2%, 95% CI: 28.6-37.8%; SP: 16.8%, 95% CI: 13.2-20.5%; SA: 19.4%, 95% CI: 15.5-23.3%). Patients with younger age, experience of cyberbullying, a history of SA among family or friends, a higher fatigue and physical pain score, inpatient status, and severe depressive symptoms were more likely to have suicidality. The COVID-19 pandemic was associated with increased risk of suicidality, particularly in BD patients. It is of importance to regularly screen suicidality in BD and SCZ patients during the pandemic even if they are clinically stable.
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 | 0,001 | 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) | 0,002 | 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 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 ».