Traumatic Experiences, Psychological Distress and Suicide‐Related Behaviors in Autistic Adults
Notice bibliographique
Résumé
Autistic adults have increased risks of trauma, suicide, and poor mental health compared to non-autistic adults, with 1 in 4 autistic adults attempting suicide. We administered an anonymized, self-report survey to 424 autistic and 345 non-autistic adults through a convenience sampling framework. Binomial logistic regression models identified whether trauma and autism diagnosis were related to (i) self-harm, (ii) suicide attempts, (iii) suicide plans, (iv) a mental health condition that impacts daily life, and (v) substance use to cope. Heatmaps were generated to identify traumas that frequently co-occur with psychological distress and SRB. After accounting for trauma and demographic differences, autism remained a significant predictor of all outcomes, except whether individuals used substances to cope (OR: 0.78, 95% CI: 0.54-1.12, p = 0.18). Autistic people were more likely to report self-harm (OR: 2.71, 95% CI: 1.85-4.00, p < 0.01), suicide attempts (OR: 2.45, 95% CI: 1.65-3.68, p < 0.01), suicide plans (OR: 2.00, 95% CI: 1.41-2.83, p < 0.01), and experiencing a mental health condition that impacts daily life (OR: 3.58, 95% CI: 2.42-5.33, p < 0.01) than non-autistic people. Among autistic people, childhood victimization co-occurred with a mental health condition that impacts daily life, self-harm, and suicide plans most frequently. This study provides evidence of complex relationships between autism, trauma, self-harm, suicide attempts, suicide plans, and a mental health condition that impacts daily life. Focusing on the prevention of trauma, coping strategies, and recovery from traumatic events through safeguarding and support may be critical tools for suicide prevention among autistic people.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».