Financial Stress, Unemployment, and Suicide – A Meta-Analysis
Notice bibliographique
Résumé
Abstract: Background: Socioeconomic factors such as financial stress and unemployment are known predictors of suicide. However, no large-scale meta-analyses exist. Aims: Determine the suicide risk following unemployment or financial stress. Method: Literature searched through July 31, 2021. Robust meta-analysis and metaregression of the risk of suicide following financial stress (23 studies) or unemployment (43 studies), from 20 nations. Subgroup meta-analyses by sex, age, year, country, and methodology. Results: The suicide risk following financial stress or unemployment was not significantly elevated among those with diagnosed mental illness. In the general population, we found significantly elevated suicide risks for financial stress (RR: 1.742; 95% CI: 1.339, −2.266) and unemployment (RR: 1.874; CI: 1.501, −2.341). However, neither was significant among studies controlling for physical/mental health (perhaps partially due to lower statistical power). We observed no significant differences by sex, age, or by GDP. We observed a higher suicide risk following unemployment in more recent years. Limitations: Publication bias was evident. We could not examine some individual-level characteristics, most notably the severity/duration of unemployment/financial stress. Heterogeneity was high for some meta-analyses. Studies from non-OECD countries are under-represented. Conclusion: After accounting for physical/mental health, financial stress and unemployment weakly associated with suicide, and the associations may be nonsignificant.
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 | 0,010 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,041 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».