MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389326263 · doi:10.2196/46195

Evaluation of the Effectiveness of Suicide.ca, Quebec’s Digital Suicide Prevention Strategy Platform: Cross-Sectional Descriptive Study

2023· article· en· W4389326263 sur OpenAlexafffundvenueabout
Louis‐Philippe Côté, Julie Lane

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensCentre Hospitalier Universitaire de SherbrookeUniversité de SherbrookeUniversité du Québec à Montréal
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésIntervention (counseling)AnalyticsDescriptive statisticsSocial mediaThe InternetPopulationMedicineTriageService (business)Suicide preventionGovernment (linguistics)Poison controlPsychologyMedical emergencyNursingEnvironmental healthWorld Wide WebBusinessComputer scienceData science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In 2017, the Quebec government assigned the Association québécoise de prévention du suicide (AQPS) to develop a digital suicide prevention strategy (DSPS). The AQPS responded by creating a centralized website that provides information on suicide and mental health, identifies at-risk individuals on the internet, and offers direct crisis intervention support via chat and text. OBJECTIVE: This study aims to evaluate the effectiveness of suicide.ca, Quebec's DSPS platform. METHODS: This study used a cross-sectional descriptive design. The study population comprised internet users from Quebec, Canada, who visited the suicide.ca platform between October 2020 and October 2021. Various data sources, such as Google Analytics, Firebase Console, and Customer Relation Management data, were analyzed to document the use of the platform. To understand the profile of suicide.ca users, frequency analyses were conducted using data from the self-assessment module questionnaires, the intervention service's triage questionnaire, and the counselors' intervention reports. The effectiveness of the platform's promotional activities on social media was assessed by examining traffic peaks. Google Analytics was used to evaluate the effectiveness of AQPS' strategy for identifying at-risk internet users. The impact of the intervention service was evaluated through an analysis of counselors' intervention reports and postintervention survey results. RESULTS: The platform received traffic from a diverse range of sources, with promotional efforts on social media directly contributing to the increased traffic. The requirement of a user account posed a barrier to the use of the mobile app, and a triage question that involved personal information led to a substantial number of dropouts during the intervention service triage. AdWords campaigns and fact sheets addressing suicide risk factors played a crucial role in driving traffic to the platform. With regard to the profile of suicide.ca users, the findings revealed that the platform engaged individuals with diverse levels of suicidal risk. Notably, users of the chat service displayed a higher suicide risk than those who used the self-assessment module. Crisis chat counselors reported a positive impact on approximately half of the contacts, and overall, intervention service users expressed satisfaction with the support they received. CONCLUSIONS: A centralized digital platform can be used to implement a DSPS, effectively reaching the general population, individuals with risk factors for suicide, and those facing suicidal issues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,269

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,255
Tête enseignante GPT0,510
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetSuicide and Self-Harm Studies→Travaux en français237 207→