ViolHelp: results of a pilot study to identify potential warning signs and risk factors for self- and hetero-directed violence in the calls received by the Helplines of the Italian National Institute of Health.
Notice bibliographique
Résumé
BACKGROUND: Self- and hetero-directed violence (SHDV) is a serious public health problem and a complex phenomenon, influenced by individual and environmental factors. SHDV may occur particularly in moments of personal, economic and/or social crisis. During the COVID-19 pandemic, the ISS-Helplines operators have perceived an increase in psychological distress and self-isolation among callers. The ViolHelp project aimed at identifying potential warning signs and risk factors of SHDV emerging in the activity of the ISS-Helplines (Istituto Superiore di Sanità, ISS, Italian National Institute of Health). MATERIALS AND METHODS: A dashboard collecting warning signs and risk factors of SHDV was developed to be used during the ISS-Helplines activity. RESULTS: In one year of data collection, 135 calls were compiled. In 106 calls, callers referred experienced violence: 72 self-directed violence (SDV), 20 hetero-directed violence (HDV), 14 both. The most frequent warning signs and risk factors for SDV were desire to die (68.6%), previous suicide attempts (31.4%) and threat of self-harm (25.6%); for HDV were depressed mood (32.4%), diagnosis of pathology and/or psychiatric disorders, desire to die, use of psychotropic drugs, and alcohol abuse (29.4%). CONCLUSIONS: The results of this pilot project show the importance of being able to read the warning signs and to create a network that can improve information, prevention and support activities for people at risk of violence and their families.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».