Risk and protective factors for self-harm and suicide behaviours among serving and ex-serving personnel of the UK Armed Forces, Canadian Armed Forces, Australian Defence Force and New Zealand Defence Force: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Self-harm and suicide behaviours are a major public health concern. Several factors are associated with these behaviours among military communities. Identifying these factors may have important implications for policy and clinical services. The aim of this review was to identify the risk and protective factors associated with self-harm and suicide behaviours among serving and ex-serving personnel of the United Kingdom Armed Forces, Canadian Armed Forces, Australian Defence Force and New Zealand Defence Force. METHODS: A systematic search of seven online databases (PubMed, Web of Science, Embase, Global Health, PsycINFO, PTSDpubs and CINAHL) was conducted alongside cross-referencing, in October 2022. Following an a priori PROSPERO approved protocol (CRD42022348867), papers were independently screened and assessed for quality. Data were synthesised using a narrative approach. RESULTS: Overall, 28 papers were included: 13 from Canada, 10 from the United Kingdom, five from Australia and none from New Zealand. Identified risk factors included being single/ex-relationship, early service leavers, shorter length of service (but not necessarily early service leavers), junior ranks, exposure to deployment-related traumatic events, physical and mental health diagnoses, and experience of childhood adversity. Protective factors included being married/in a relationship, higher educational attainment, employment, senior ranks, and higher levels of perceived social support. CONCLUSION: Adequate care and support are a necessity for the military community. Prevention and intervention strategies for self-harm and suicide behaviours may be introduced early and may promote social networks as a key source of support. This review found a paucity of peer-reviewed research within some populations. More peer-reviewed research is needed, particularly among these populations where current work is limited, and regarding modifiable risk and protective factors.
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 | 0,008 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,008 | 0,008 |
| 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 ».