Antecedents of hospital admission for deliberate self-harm from a 14-year follow-up study using data-linkage
Notice bibliographique
Résumé
\n \t\t\tBackground: A prior episode of deliberate self-harm (DSH) is one of the strongest predictors of future completed suicide. Identifying antecedents of DSH may inform strategies designed to reduce suicide rates. This study aimed to determine whether individual and socio-ecological factors collected in childhood and adolescence were associated with later hospitalisation for DSH.Methods: Longitudinal follow-up of a Western Australian population-wide random sample of 2,736 children aged 4-16 years, and their carers, from 1993 until 2007 using administrative record linkage. Children were aged between 18 and 31 years at end of follow-up. Proportional hazards regression was used to examine the relationship between child, parent, family, school and community factors measured in 1993, and subsequent hospitalisation for DSH.Results: There were six factors measured in 1993 that increased a child's risk of future hospitalisation with DSH: female sex; primary carer being a smoker; being in a step/blended family; having more emotional or behavioural problems than other children; living in a family with inconsistent parenting style; and having a teenage mother. Factors found to be not significant included birth weight, combined carer income, carer's lifetime treatment for a mental health problem, and carer education.Conclusions: The persistence of carer smoking as an independent risk factor for later DSH, after adjusting for child, carer, family, school and community level socio-ecological factors, adds to the known risk domains for DSH, and invites further investigation into the underlying mechanisms of this relationship. This study has also confirmed the association of five previously known risk factors for DSH.\n
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».