Why do suicide rates increase in the spring and decrease in the fall? Insights from Canadian suicide rate and death rate data spanning 2010 to 2020
Notice bibliographique
Résumé
In 1952, the psychiatrist Erwin Stengel hypothesized that suicide becomes rarer in times when the value of life within a society is lower, when death is more common. In Canada, suicide rates and death rates present with consistent seasonality between years, fluctuating inversely with one another. However, the typical pre-pandemic seasonality seen in death rates was broken during the first year of the COVID-19 pandemic, as a consequence of inordinate deaths occurring at an odd time of year. This offers a unique opportunity to observe whether suicide rates were inversely disrupted. The present study models weekly Canadian suicide rates using death rates, from time series data spanning 2010 to 2019. Results indicate that suicide rates decrease on average by 0.27 standard deviations per 1 standard deviation increase in the death rate. This model is then used to predict 2020 suicide rates, using 2020 death rates. Predictions account for 11.6% of the variation in actual 2020 suicide rates. Furthermore, actual 2020 suicide rates display a negative disruption at the same time as the 2020 death rate positive disruption, and this suicide rate disruption is mimicked by our model predictions. Overall, results are interpreted as being favorable towards Stengel’s theory. As alternative interpretation, we suggest that each non-suicide-related death removes a potential suicide from the population. Overall analysis suggests that elevated death rates during colder seasons are driven by increased communicable disease transmission relative to warmer seasons, resulting in suppressed suicide rates.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».