Risk Factors and Preventative methods of Self-Harm and Suicidality for Autistic People
Notice bibliographique
Résumé
Non-suicidal self-injury (NSSI) and suicide are not new concepts. However, prevention and intervention strategies are evolving. This paper explores NSSI/Self-Harm and suicidality in the context of autism spectrum disorders (ASD), starting with neurotypical children and adolescents aged 10-24 to compare differences. Suicide is a leading cause of death in adolescents and young adults and is disturbingly high in the autistic community. While evidence about causes and risk factors for NSSI, self-harm, and suicidal behavior in autistic people exist, a comprehensive review of peer-reviewed publications revealed significant gaps in research about severe mental health concern prevention. With high chances of developing mental health disorders, autistic people have higher rates of experiencing self-injury of various types throughout their lives and increased cases of suicide than neurotypical people. Four major risk factors for autistic people: Demographics/SES, ableism and otherness, autism camouflaging, and autistic burnout. Three recommendations for educators are provided on how to support autistic mental health. The implicit focus on causation and behavior identification in research needs to be addressed instead of comprehensive preventative strategy creation. If educators and mental health practitioners know mental health literacy methods and risk factors for suicide and self-harm, specifically for neurotypical students, neurodivergent students deserve equitable support and attention.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».