Suicide and Self-Harm Among Immigrant Youth to Ontario, Canada From Muslim Majority Countries: A Population-Based Study
Notice bibliographique
Résumé
ObjectiveTo examine the association between Muslim religious affiliation and suicide and self-harm presentations among first- and second-generation immigrant youth.MethodsWe performed a population-based cohort study involving individuals aged 12 to 24 years, living in Ontario, who immigrated to Canada between 1 January 2003 and 31 May 2017 (first generation) and those born to immigrant mothers (second generation). Health administrative and demographic data were used to analyze suicide and self-harm presentations. Sex-stratified logistic regression models generated odds ratios (OR) for suicide and negative binomial regression models generated rate ratios (aRR) for self-harm presentations, adjusting for refugee status and time since migration.ResultsOf 1,070,248 immigrant youth (50.1% female), there were 129,919 (23.8%) females and 129,446 (24.2%) males from Muslim-majority countries. Males from Muslim-majority countries had lower suicide rates (3.8/100,000 person years [PY]) compared to males from Muslim-minority countries (5.9/100,000 PY) (OR: 0.62, 95% CI, 0.42–0.92). Rates of suicide between female Muslim-majority and Muslim-minority groups were not different (Muslim-majority 1.8/100,000 PY; Muslim-minority 2.2/100,000 PY) (OR: 0.82, 95% CI, 0.46–1.47). Males from Muslim-majority countries had lower rates of self-harm presentations than males from Muslim-minority (<10%) countries (Muslim majority: 12.2/10,000 PY, Muslim-minority: 14.1/10,000 PY) (aRR: 0.82, 95% CI, 0.75, 0.90). Among female immigrants, rates of self-harm presentations were not different among Muslim-majority (30.1/10,000 PY) compared to Muslim-minority (<10%) (32.9/10,000 PY) (aRR: 0.93, 95% CI, 0.87–1.00) countries. For females, older age at immigration conferred a lower risk of self-harm presentations.ConclusionBeing a male from a Muslim-majority country may confer protection from suicide and self-harm presentations but the same was not observed for females. Approaches to understanding the observed sex-based differences are warranted.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».