Can a local low-budget intervention make a difference to suicide rates? Evaluating the effectiveness of the Barnet (London) suicide prevention campaign using real-time suspected suicide data
Notice bibliographique
Résumé
Abstract Background Three quarters of suicides in the UK are by men, of whom only a quarter had contact with mental health services at the time of their death. Community-based interventions are therefore likely to be crucial to reduce (male) suicides, but there is limited evidence to support their effectiveness. The aim of this study was to evaluate the impact of a multi-strategy campaign to increase uptake of mental health services and peer support amongst working-aged men in Barnet, London, via: (1) targeted promotion of the ‘Stay Alive’ app, (2) a large scale digital and outdoor media campaign, (3) community outreach targeting male-dominated industries, (4) the first face-to-face “Andy’s Man Club” peer-to-peer support group in the borough. Methods We used data on suspected suicides in London between 1st March 2021 to 31st November 2023 (N = 1,408) to calculate monthly age-standardised rates in (a) Barnet, (b) surrounding boroughs and (c) the rest of London, for ‘naïve’ and ‘placebo’ comparisons during and outside the campaign period, and then before, during and after the campaign. We also estimated maximum exposure to the campaign beyond its duration, and repeated the analysis using a more conservative (February to December 2020) baseline period for Barnet. Results There was a sizeable drop in suicides in Barnet for the duration of the campaign and the following six months, with 6 to 9 deaths possibly averted thanks to the campaign, which represents a decline of around 20% of the yearly incidence, at a cost of under £6,400 per averted suicide. Conclusions Our analysis suggests that a local, relatively inexpensive community-based campaign can be effective in reducing (suspected) suicides. However, further research is needed to confidently link this decrease in suicides to the campaign, or specific elements of it.
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 | 0,020 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».