Effectiveness of partial restriction of access to means in jumping suicide: lessons from four bridges in three countries
Notice bibliographique
Résumé
Abstract Aims Restricting access to means by installing physical barriers has been shown to be the most effective intervention in preventing jumping suicides on bridges. However, little is known about the effectiveness of partial restriction with interventions that still allow jumping from the bridge. Methods This study used a quasi-experimental design. Public sites that met our inclusion criteria were identified using Google search and data on jumping suicides on Bridge A (South Korea), Bridges B and C (the United States) and Bridge D (Canada) were obtained from the relevant datasets. Incidence rate ratios (IRRs) were estimated using Poisson regressions comparing suicide numbers before and after the installation of physical structures at each site. Results Fences with sensor wires and spinning handrails installed above existing railings on the Bridge A, and fences at each side of the entrances and the midpoint of main suspension cables on the Bridge D were associated with significant reductions in suicides (IRR 0.37, 95% Confidence Interval (CI) 0.26 − 0.54; 0.26, 95% CI 0.09 − 0.76). Installation of bird spike on the parapet on the Bridge B, and fences at the front of seating alcoves on the Bridge C were not associated with changes in suicides (1.21, 95% CI 0.88 − 1.68; 1.49, 95% CI 0.56 − 3.98). Conclusions Partial means restriction (such as fences with sensor wires and spinning bars at the top, and partial fencing at selected points) on bridges appears to be helpful in preventing suicide. Although these interventions are unlikely to be as effective as interventions that fully secure the bridge and completely prevent jumping, they might best be thought of as temporary solutions before more complete or permanent structures are implemented.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».