Education and suicidal ideation in Europe: A systematic review and meta-analysis
Notice bibliographique
Résumé
Understanding predictors of suicidal ideation (SI) is crucial for preventing suicides. Given Europe's high suicide rates and the complex nature of SI, it is essential to also examine social determinants like education as potential risk factors for SI in this region. This systematic review and meta-analysis investigates the association between formal/vocational education and SI in Europe. Electronic databases (PubMed, Web of Science, PsycINFO, PSYNDEX) were searched until November 2022. Included studies involved European populations examining associations between education and SI. Pooled Odds Ratios (OR) with 95 % confidence intervals (CI) were calculated using random-effects models. Heterogeneity was assessed with the heterogeneity variance τ2 and I2 statistic; subgroup analyses were performed based on study characteristics. Risk of bias was assessed using an adaption of the Newcastle-Ottawa Scale. From 20,564 initial studies, 41 were included in the meta-analysis (outlier-adjusted, 96,809 study participants). A negative, insignificant association (OR = 0.86, 95 % CI: 0.75; 1.00) was observed between education and SI, with significant heterogeneity (τ2 = 0.09, I2 = 73 %). Subgroup analyses indicated that population type, age group, categorization of education, timeframe of SI assessment, and study quality significantly moderated the effect size. Heterogeneity across studies limits generalizability. The cross-sectional design precludes establishing causal relationships, and social desirability bias may have underestimated the association between education and SI. This systematic review and meta-analysis suggests a trend towards a protective effect of education on the emergence of SI in Europe. Future research, preferably with longitudinal study design examining various covariates, should systematically consider educational inequalities in SI.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,028 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».