Rates and Reasons for Concealing Suicidal Ideation From Clinicians: A Cross‐National Examination
Notice bibliographique
Résumé
INTRODUCTION: Nondisclosure of suicidal ideation (SI) presents a challenge to assessing suicide risk, as assessments often rely on self-reported SI. Cross-national comparisons of rates of, and reasons for, SI nondisclosure remain understudied. The present study examined whether rates of SI nondisclosure from clinicians differed, and if there were differences in rates of reasons for SI nondisclosure, across 12 countries. METHOD: A subset of adult participants (n = 6770) who reported a lifetime history of SI from 12 countries responded to the question: "Have you ever denied or concealed thinking about suicide from a doctor or clinician?" Those who selected "Yes" provided reason(s) for SI nondisclosure. Responses were coded according to inductively and deductively derived reasons for SI nondisclosure. RESULTS: Rates of nondisclosure among participants who reported lifetime SI ranged from 7.2% (Taiwan) to 48.2% (United States). Among those participants, rates of reasons for SI nondisclosure ranged from 2.0% (participant was unsure/did not know why they concealed SI) to 35.6% (negative internal experiences). CONCLUSIONS: Findings provide insight into the frequency of and reasons for SI nondisclosure from clinicians at a country-specific level. Results could serve as a rationale for clinicians to incorporate indirect suicide risk factors into risk assessments.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».