Adverse childhood experiences and suicidality in low-income and middle-income countries: a systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Suicide is an important public health problem with a complex aetiology; this includes adverse childhood experiences (ACEs). Common to suicide and ACEs research is a lack of evidence from low-income and middle-income countries (LMICs). This review aims to evaluate associations between ACEs and suicidality in LMICs. METHODS: In this systematic review and meta-analysis, a search for articles investigating associations between any ACEs and suicidal outcomes in LMICs was conducted using Medline, Embase, PsycINFO, CINAHL and Web of Science on 2 December 2022; updated on 14 January 2025. Cross-sectional or cohort study research articles investigating ACEs prior to age 18 and using population-based, probabilistic or total population, sampling were eligible for inclusion. Suicidal outcomes across the spectrum were eligible for inclusion. Identified records underwent two-step screening by two independent reviewers; data extraction and risk of bias assessment using Joanna Briggs Institute Critical Appraisal tools were also completed in duplicate. Random-effects models were used to calculate pooled ORs. Articles that could not be meta-analysed were narratively synthesised. Reporting of this review was guided by the Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 statement. RESULTS: Ultimately, 118 articles were included; all were of low or moderate risk of bias and none reported on suicide mortality. Six ACEs were significantly associated with increased odds of suicidal outcomes: (1) bullying-victimisation, (2) emotional, verbal or psychological abuse victim, (3) parental separation, divorce or death, (4) physical abuse or violence victim, (5) physical attack victim and (6) sexual abuse victim. Significant ORs ranged from 1.19 to 2.61. Positive associations were found across subgroup and sensitivity analyses. Narrative review found statistically significant positive and non-significant associations between ACEs and suicidal outcomes. CONCLUSIONS: ACEs are associated with suicidal outcomes in LMICs, highlighting the need for early intervention strategies and multisector public health approaches to reducing ACEs and their potential impacts.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,001 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».