Suicidality among inpatients who absconded from a tertiary mental health facility in Uganda: a retrospective study
Notice bibliographique
Résumé
BACKGROUND: Suicidality and absconding from psychiatric care are two critical phenomena that complicate mental health care in developing countries. The aim of this study was twofold. First, to determine the prevalence of suicidality among absconders over two decades. Secondly, we set out to determine overall factors that influence the likelihood of having suicidal behaviors among absconders, as well as factors specific to each diagnosis. METHODS: This was a retrospective chart review of files of patients who absconded from inpatient psychiatric care at a tertiary psychiatric facility in southwestern Uganda between 2000 and 2020. A pre-tested electronic questionnaire was used for data abstraction of sociodemographic characteristics, documented suicidality, and other clinical variables. Data cleaning and analysis were conducted using STATA V.17. Logistic regression was performed for factors associated with suicidality. RESULTS: Among the absconders, 9.5% exhibited suicidality. Factors that heightened the odds of suicidality among absconders included being divorced or separated (adjusted odds ratio [aOR] = 2.00, 95% Confidence Interval [CI]: 1.20-3.31, p = 0.007), having depression (aOR = 5.41, 95% CI: 2.47-11.82, p < 0.001), a history of substance use (aOR = 1.50, 95% CI: 1.01-2.23, p = 0.049), and experiencing violence before hospitalization (aOR = 1.83, 95% CI: 1.14-2.94, p = 0.013). In contrast, substance use disorder (aOR = 0.25, 95% CI: 0.10-0.62, p = 0.003) and having schizophrenic spectrum disorders (aOR = 0.35, 95% CI: 0.18-0.68, p = 0.002) were linked to a decreased likelihood of suicidality among those who absconded. CONCLUSION: This study reveals a high burden of suicidality among individuals who abscond, with important risk factors such as marital status, depression, and a history of experiencing violence. It was noted that substance use disorder and schizophrenia spectrum disorders are associated with a reduced suicide risk. This study shows a significant interplay between clinical and demographic factors in predicting suicidality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».