A Distress-Processing Model for Clients in Suicidal Crisis
Notice bibliographique
Résumé
Abstract: Background: While crisis intervention frameworks have indicated the importance of clients in suicidal crisis better understanding their distress to decrease suicidality, it is unclear how clients in suicidal crisis process their distress. Aims: To develop (Study 1) and validate (Study 2) a sequential distress-processing model for clients in suicidal crisis. Methods: Applying task analysis, Study 1 consisted of three phases, which resulted in a theoretically and empirically informed model. In Study 2, we examined the distress-processing model’s validity using a longitudinal design. In both studies, data were online crisis chats with adults in suicidal crisis. Results: In Study 1, we developed a sequential five-stage distress-processing model: (Stage 1) unengaged with distress, (Stage 2) distress awareness, (Stage 3) distress clarity, (Stage 4) distress insight, and (Stage 5) applying distress insight. In Study 2, the model’s validity was supported via evidence that (H1) progression through the processing stages was sequential and (H2) clients with good outcomes had greater progression in their processing than clients with poor outcomes. Limitation: Clients who were suicidal but did not disclose their suicidality were not included. Conclusion: Our findings provide a framework for conceptualizing and operationalizing how clients move through suicidal crises, which can facilitate intervention and research developments.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».