Identifying Undiagnosed High-Risk Suicidality Cases by Matching Patients With a Similar Comorbidity Burden: Retrospective Observational Study
Notice bibliographique
Résumé
BACKGROUND: Suicide is the second leading cause of death for children and adolescents aged 6 to 18 years old. Pediatric suicidality is underreported, which poses significant challenges for effective intervention and prevention strategies. Identifying populations at risk for suicidality can provide critical benefits in terms of study cohort selection, prevalence estimation, and clinical resource allocation. OBJECTIVE: This study sought to (1) measure the prevalence of mental health comorbidities in pediatric suicidality, and (2) identify undiagnosed high-risk suicidality cases by matching patients with similar mental health comorbidity burden. METHODS: Electronic health record data from a large academic pediatric hospital in Boston, Massachusetts, were analyzed for patients aged 6-18 years old presenting to the emergency department between June 1, 2016, and June 1, 2022. Suicidality cases were defined using ICD-10 codes for three suicidality subtypes: suicidal ideation, self-harm, and suicide attempt. Comorbidities of suicidality were calculated as the conditional probability of ICD-10 code pairs. After multiple hypothesis corrections, statistically significant comorbidities and patient encounter demographics were input as covariates into a propensity score matching (PSM) model. Accuracy of the PSM model was validated against chart review by two independent subject matter experts. RESULTS: In total, 2,638 ED encounters met an ICD-10-based case definition of suicidality during the study period. The prevalence of suicidality (2.9%) by subtype was ideation (2.5%), self-harm (1.1%), and attempt (0.2%). Suicidality prevalence was more common for female sex (4.2%) than male sex (1.7%). Comorbidities of suicidality were statistically significant for 55 frequently co-occurring ICD-10 codes. Nearly half of these comorbidities (26/55) were not present in DSM-5, and nearly a quarter (12/55) consisted of ICD-10 codes for accidental rather than intentional self-harm. Increased probability of suicidality was observed for patients with personality disorder (44%), gender dysphoria (43%), bipolar disorder (36%), depression (33%), and schizophrenia spectrum disorders (32%). Based on gold standard chart review, 53.4% of propensity matched non-cases were unrecognized suicidality cases. CONCLUSIONS: Propensity score matching using comorbidity profiles is an effective approach for identifying suicidality cases that lack ICD-10 codes for suicidality.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».