The effect of the quality of the national health security systems in 12 countries on the prevalence of suicide crisis syndrome during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: Limited access to health services and overwhelmed healthcare systems created a challenging environment for those in need of mental health support during the COVID-19 pandemic, and the pandemic impacted suicide risk in several ways. AIMS: The present study aimed to analyse how the quality of the health security systems in 12 countries affected suicide crisis syndrome (SCS) during the pandemic. We hypothesised that countries with robust health systems were better able to respond to the increased demand for (mental) health support, resulting in fewer cases of SCS. METHOD: From June 2020 to September 2021, 11 848 participants from 12 different countries took part in an online survey. Besides asking about sociodemographic information, the survey assessed the severity of SCS with the Suicide Crisis Inventory (SCI). The Global Health Security Index and the Legatum Prosperity Health Index were used to operationalise the quality of the national health systems. Multilevel analyses were performed to evaluate the impact of health system quality and COVID-19-associated factors on SCI scores. RESULTS: SCS was more prevalent among participants with COVID-19 symptoms and in countries with high rates of COVID-19-associated deaths. Multilevel analyses revealed a significant interaction effect of COVID-19 symptoms and national health indices. SCS occurred significantly less frequently in participants with COVID-19 symptoms living in countries with good health security systems. CONCLUSIONS: The challenges posed by the pandemic highlight the necessity to promote accessible and affordable health services to mitigate the negative impact of the pandemic on suicidal ideation and behaviour.
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 | 0,012 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».