Passive Sensing in the Prediction of Suicidal Thoughts and Behaviors: Protocol for a Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Suicide is a severe public health problem, resulting in a high number of attempts and deaths each year. Early detection of suicidal thoughts and behaviors (STBs) is key to preventing attempts. We discuss passive sensing of digital and behavioral markers to enhance the detection and prediction of STBs. OBJECTIVE: The paper presents the protocol for a systematic review that aims to summarize existing research on passive sensing of STBs and evaluate whether the STB prediction can be improved using passive sensing compared to prior prediction models. METHODS: A systematic search will be conducted in the scientific databases MEDLINE, PubMed, Embase, PsycINFO, and Web of Science. Eligible studies need to investigate any passive sensor data from smartphones or wearables to predict STBs. The predictive value of passive sensing will be the primary outcome. The practical implications and feasibility of the studies will be considered as secondary outcomes. Study quality will be assessed using the Prediction Model Risk of Bias Assessment Tool (PROBAST). If studies are sufficiently homogenous, we will conduct a meta-analysis of the predictive value of passive sensing on STBs. RESULTS: The review process started in July 2022 with data extraction in September 2022. Results are expected in December 2022. CONCLUSIONS: Despite intensive research efforts, the ability to predict STBs is little better than chance. This systematic review will contribute to our understanding of the potential of passive sensing to improve STB prediction. Future research will be stimulated since gaps in the current literature will be identified and promising next steps toward clinical implementation will be outlined. TRIAL REGISTRATION: OSF Registries osf-registrations-hzxua-v1; https://osf.io/hzxua. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/42146.
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 | 0,063 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,017 | 0,020 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,008 |
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 ».