Relationship between specific posttraumatic stress symptoms and suicidality in a sample of American veterans: A network analysis
Notice bibliographique
Résumé
Military veterans are at heightened risk for posttraumatic stress disorder (PTSD) and suicidality, yet the relationship between specific posttraumatic stress symptoms (PTSS) and suicidality remains understudied. This study used network analysis to explore the interconnections between PTSS and suicidality in a treatment-seeking veteran sample. The PTSD Checklist for DSM-5 (PCL-5) and the Suicidal Behaviors Questionnaire-Revised (SBQR) were used to assess 19 nodes, including 18 PTSS and one suicidality, in both partial-correlation and Bayesian networks. Key findings revealed that negative emotions, intrusive memories, loss of interest in activities, and physiological reactivity were the most central symptoms in the partial-correlation network. Bayesian analysis further identified negative emotions as the primary causal driver of pathways leading to sleep disturbances, amnesia, and suicidality. Three symptom clusters emerged: intrusion-avoidance-sleep, negative affect-externalization-suicidality, and anhedonia. Results emphasize the importance of targeting negative emotions and related symptoms to disrupt cascading effects and reduce suicidality in veterans. These findings underscore the value of network analysis in identifying clinically actionable insights, enabling more precise and transdiagnostic approaches to PTSD treatment. Future research should incorporate longitudinal designs and additional variables, such as trauma type and resilience, to refine interventions for this high-risk population.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».