Étude et cartographie des hotspots suicidaires dans la région Auvergne-Rhône-Alpes
Notice bibliographique
Résumé
While suicides often occur in private homes; a notable proportion take place in public locations, known as "suicide hotspots". These sites are often characterized by their frequent usage, isolation, and media attention. Preventing suicides at these hotspots is a critical component of the national suicide prevention strategy. The first two steps are identifying these hotspots and intervening specifically at each one. However, there is currently no systematically accessible tool to identify these at-risk locations. This study aims to identify the suicide hotspots in the Auvergne-Rhône-Alpes region by analyzing forensic reports of individuals who died by suicide in this region. The study also aims to examine the epidemiological characteristics of those who died by suicide, the locations and methods chosen, as well as the involvement of their social circle. Data were collected from the Institute of Legal Medicine (IML) in Grenoble, Clermont-Ferrand, and Saint-Étienne, from 2016 to 2022. It was conducted in collaboration with the Papageno program. Over the 7-year period, 26 suicide hotspots were identified, accounting for 90 suicides. Two main hotspots alone represented about a quarter of the suicides in these locations. Suicides in public places primarily involve middle-aged men with risk factors for suicidal behavior. The most common methods of suicide were voluntary submersion and hanging. Primary hotspots included rivers, dams, bridges, woods, and forests, sometimes located tens of kilometers away from the victims' homes. The identification of suicide hotspots using forensic department records demonstrates both reliability and accuracy. The significant number of recorded events raises important questions regarding the definition and prioritization of these hotspots. However, the completeness of this dataset could be enhanced through more systematic documentation of both discovery and act locations in medico-legal reports. This study underscores the crucial role of forensic pathologists in public health, contributing to data collection that serves the collective interest. Expanding this methodology to other regions prospectively would facilitate the establishment of a national, continuous monitoring system, as recommended in suicide prevention strategies.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».