MétaCan
Menu
Retour à la cohorte
Enregistrement W4391825186 · doi:10.1016/j.heliyon.2024.e26074

Risk and protective factors for self-harm thoughts and behaviours in transgender and gender diverse people: A systematic review

2024· review· en· W4391825186 sur OpenAlexaboutno aff
Katherine Bird, Jon Arcelus, Lucy Matsagoura, Brendan O’Shea, Ellen Townsend

Notice bibliographique

RevueHeliyon · 2024
Typereview
Langueen
DomainePsychology
ThématiqueLGBTQ Health, Identity, and Policy
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilMedical Research CouncilArts and Humanities Research CouncilUK Research and InnovationMental Health Research UK
Mots-clésTransgenderHarmTransgender womenPsychologyClinical psychologyPsychotherapistMedicineSocial psychologyPsychoanalysisFamily medicineHuman immunodeficiency virus (HIV)

Résumé

récupéré en direct d'OpenAlex

Background: Self-harm (any self-injury or -poisoning regardless of intent) is highly prevalent in transgender and gender diverse (TGD) populations. It is strongly associated with various adverse health and wellbeing outcomes, including suicide. Despite increased risk, TGD individuals' unique self-harm pathways are not well understood. Following PRISMA guidelines we conducted the first systematic review of risk and protective factors for self-harm in TGD people to identify targets for prevention and intervention. Methods: We searched five electronic databases (PubMed, PsychInfo, Scopus, MEDLINE, and Web of Science) published from database inception to November 2023 for primary and secondary studies of risk and/or protective factors for self-harm thoughts and behaviours in TGD people. Data was extracted and study quality assessed using Newcastle-Ottawa Scales. Findings: Overall, 78 studies published between 2007 and 2023 from 16 countries (N = 322,144) were eligible for inclusion. Narrative analysis identified six key risk factors for self-harm in TGD people (aged 7-98years) were identified. These are younger age, being assigned female at birth, illicit drug and alcohol use, sexual and physical assault, gender minority stressors (especially discrimination and victimisation), and depression or depressive symptomology. Three important protective factors were identified: social support, connectedness, and school safety. Other possible unique TGD protective factors against self-harm included: chosen name use, gender-identity concordant documentation, and protective state policies. Some evidence of publication bias regarding sample size, non-responders, and confounding variables was identified. Interpretation: This systematic review indicates TGD people may experience a unique self-harm pathway. Importantly, the risk and protective factors we identified provide meaningful targets for intervention. TGD youth and those assigned female at birth are at increased risk. Encouraging TGD people to utilise and foster existing support networks, family/parent and peer support groups, and creating safe, supportive school environments may be critical for self-harm and suicide prevention strategies. Efforts to reduce drug and alcohol use and experiences of gender-based victimisation and discrimination are recommended to reduce self-harm in this high-risk group. Addressing depressive symptoms may reduce gender dysphoria and self-harm. The new evidence presented in this systematic review also indicates TGD people may experience unique pathways to self-harm related to the lack of social acceptance of their gender identity. However, robust longitudinal research which examines gender-specific factors is now necessary to establish this pathway.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,110
Tête enseignante GPT0,431
Écart entre enseignants0,320 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetLGBTQ Health, Identity, and PolicyTravaux en français237 207