Suicidal behavior in patients with severe mental disorders prior to and during the COVID-19 pandemic
Notice bibliographique
Résumé
Abstract Background Determining whether the incidence of suicidal behavior during the COVID-19 pandemic changed for those with severe mental disorders is essential to ensure the provision of suicide preventive initiatives in the case of future health crises. Methods Using population-based registers, quarterly cohorts from the first quarter of 2018 (2018Q1) to 2021Q4 were formed including all Swedish-residents >10 years old. Interrupted time series and generalized estimating equations analyses were used to evaluate changes in Incidence Rates (IR) of specialised healthcare use for suicide attempt and death by suicide per 10 000 person-years for individuals with or without specific severe mental disorders (SMDs) during, compared to before the pandemic. Results The IR (95% Confidence interval, CI) of suicide in individuals with SMDs decreased from 16.0 (15.0–17.1) in 2018Q1 to 11.6 (10.8–12.5) in 2020Q1 (i.e. the quarter before the start of the pandemic), after which it dropped further to 6.7 (6.3–7.2) in 2021Q2. In contrast, IRs of suicide attempt in SMDs showed more stable trends, as did the trends regarding suicide and suicide attempt for individuals without SMD. These discrepancies were most evident for individuals with substance use disorder and ASD/ADHD. Changes in IRs of suicide v. suicide attempt for one quarter during the pandemic for substance misuse were 11.2% v. 3.6% respectively. These changes for ASD/ADHD were 10.7% v. 3.6%. Conclusions The study shows pronounced decreases in suicide rates in individuals with SMDs during the pandemic. Further studies aiming to understand mechanisms behind these trends are warranted to consult future suicide prevention strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».