Geographic Patterns of Youth Suicide in San Diego County
Notice bibliographique
Résumé
OBJECTIVE: Our objectives were to evaluate for any cluster patterns of youth suicide deaths and characterize the level of child opportunity in the communities where suicide deaths occurred. METHODS: Decedents <18 years were identified from San Diego County Medical Examiner death reports from 2000 to 2020. We mapped decedents' residential Zone Improvement Plan (ZIP) codes and calculated suicide rates per 10,000 youths. ZIP codes identified in overlapping spatial statistical approaches - the spatial scan statistic and Local Moran with Empirical Bayes (EB) rates - were considered a cluster for the final analysis. We obtained Child Opportunity Index (COI) scores for each ZIP code to determine if there were differences in: 1) ZIP codes with suicide deaths compared to ZIPs with no deaths 2) differences in distribution of suicide death rates across quintiles of COI. RESULTS: Scan statistic identified 25 ZIP codes within a cluster (RR 2.6, P = 0.00066). Local Moran with EB rates identified two ZIP codes as a high-high cluster (P < 0.05). The location identified as a cluster in both approaches was in Alpine. The median COI for ZIP codes with suicide deaths was higher at 63.5 (IQR 38-83) compared to 47 (IQR 22.5-75.5) for ZIP codes without suicide deaths. There was a significant difference in suicide rates between Very Low and Moderate levels of Overall opportunity (P = .013). CONCLUSION: We identified a cluster of youth suicides in one of the most populous counties in the country. These findings serve to inform policies and prevention programs that aim to mitigate youth suicide mortality.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».