Trends in medically serious suicide attempts before and after COVID-19: a four-year retrospective analysis (2018–2022)
Notice bibliographique
Résumé
BACKGROUND: Suicide has become a first-order public health concern after the negative impact of COVID-19 on the general population's mental health. Several studies have analyzed the trends in suicide attempts (SA) before and after the onset of the pandemic, but few studies focus on the impact of the pandemic on medically serious suicide attempts (MSSA). METHODS: Participants were 385 hospitalized individuals ≥ 16 years old who made MSSA identified retrospectively through a review of e-medical records between 2018 and 2022 ("pre-COVID-19" and "COVID" periods). The two groups were compared on sociodemographic and clinical variables using Chi-square or Exact Fisher's tests for categorical variables and a Mann-Whitney test for continuous variables. To study the variation in MSSA over time, MSSA were aggregated monthly. Joinpoint regression analyses were used to assess time trends. RESULTS: A sample of 161 MSSA patients, 80 women and 81 men, were selected from 385 admissions after a suicide attempt (SA) in the four years (n = 160 pre-COVID period vs. n = 225 COVID period) (OR = 1.41; CI 95% = 1.0003-1.7223, p < 0.001). Sixty-eight patients with MSSA were admitted during the first period, and 93 during the COVID period (OR = 1.4 ; CI 95% = 1-1.9 ; p < 0.05). MSSA patients were more likely to be admitted to an intensive care unit during the COVID period than during the pre-COVID period (OR = 3.5; CI 95% = 1.7-6.9; p < 0.001). CONCLUSIONS: This study highlights the need for research on suicide risk during and after crisis periods, such as the COVID-19 pandemic. It provides valuable knowledge on the incidence of SA needing hospitalization, MSSA, and highly severe MSSA for four years before and after the pandemic onset.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,004 | 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 ».