Understanding Canadian experiences of suicidality during the COVID-19 pandemic: protocol of a pan-Canadian qualitative study
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic led to major disruptions in society across many spheres, including healthcare, the economy and social behaviours. While early predictions warned of an increased risk of suicide during and after the COVID-19 pandemic, rates of suicide deaths remained stable or decreased over that period for most countries. In contrast, the prevalence of suicidal ideation doubled and suicide attempts slightly increased during the COVID-19 pandemic in the adult general population worldwide, accompanied by a higher prevalence of major depressive disorder and anxiety disorders. While these data can tell us what happened, they cannot tell us why. Qualitative suicide research seeks to understand experiences of individuals with suicide-related thoughts and behaviours, provides an in-depth exploration of their lives and interactions with others and centres their views and unique context. There is little qualitative research focusing on suicidality during the pandemic. This study will use a qualitative approach to explore the extent and impact of the COVID-19 pandemic on Canadians who experienced suicidality and review their experiences of accessing mental healthcare to identify key components in supporting safety and recovery. METHODS AND ANALYSIS: This study will involve approximately 100 semistructured interviews with participants across four Canadian provinces and will explore experiences with suicide-related thoughts and behaviours during the COVID-19 pandemic. Transcripts will be analysed through qualitative analysis informed by constructivist grounded theory. ETHICS AND DISSEMINATION: The study was approved by the Research Ethics Board of the Centre for Addiction and Mental Health, Toronto Academic Health Sciences Network (for JZ: CAMH REB No 104-2022). In addition to traditional peer-reviewed presentations and publications, a report will make study findings accessible to policy makers, media and the public.
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 | 0,042 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,020 | 0,008 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,004 |
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 ».