Self-harm emergency department visits in Canada during the COVID-19 pandemic: evidence from a sentinel surveillance system
Notice bibliographique
Résumé
BACKGROUND: Self-harm is a leading cause of morbidity and mortality globally, though the prevalence tends to be highest among adolescents. As an indicator in suicide surveillance, the incidence of self-harm is useful because it is sensitive to social, environmental, and economic conditions. During the COVID-19 pandemic, the epidemiology of self-harm has varied across contexts. This study aims to investigate the changes in self-harm emergency department visits in 2020 compared to a pre-pandemic period in 2018-2019. METHODS: Self-harm emergency department visits were extracted from the Canadian Hospitals Injury Reporting and Prevention Program database from 2018 to 2020. We compared the data in 2020 with the pre-pandemic baseline in 2018-2019. We examined the changes in volume, the percentages of self-harm cases among all intentional injuries by sex, age group, and the proportions of self-harm cases by method of injury. We also quantified the time trends of the percentages of self-harm cases among all intentional injuries using Joinpoint regression. RESULTS: The overall volume of emergency visits related to self-harm was higher in 2020 during weeks 24-51 compared to the average volumes for the same weeks of 2018-2019. Percentage of self-harm among all intentional injury emergency department visits was significantly higher by 6.1% among females (p < 0.05) and by 5.3% among males in 2020 than in 2018-2019 (p < 0.05). The 11-to-18-year age group showed an increase in the percentage of self-harm among all intentional injury emergency department visits by 7.4% in 2020 when compared to 2018-2019. Time trend analyses showed that the percentages of self-harm among all intentional injury emergency department visits were higher during weeks 4-52 in 2020 than in 2018-2019, for both males and females. CONCLUSIONS: The percentage of emergency department visits related to self-harm among all intentional injury visits were higher during 2020 than in 2018-2019. These results underscore the importance of continued surveillance of self-harm in Canada to better understand the sociodemographic factors affecting self-harm and to inform the prevention strategies and policies.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».