Recherche sur la surveillance et la prévention du suicide en Nouvelle-Écosse : pertinence de l’utilisation des dossiers des médecins légistes
Bibliographic record
Abstract
Introduction Les dossiers des médecins légistes peuvent nous aider à mieux comprendre l’ampleur du suicide dans une population, ainsi que les facteurs sociodémographiques ou autres associés au phénomène. Méthodologie Cette étude pilote avait pour objectif principal de déterminer, à l’aide de méthodes mixtes, les sources et les types de renseignements contenus dans les dossiers du Service du médecin légiste de la Nouvelle-Écosse (SMLNE) susceptibles d’orienter la surveillance du suicide et de cibler les efforts de prévention. L’objectif secondaire était de dresser un portrait de la cohorte d’une année composée de 108 personnes décédées par suicide en 2006, à la lumière des renseignements sociodémographiques accessibles et de l’utilisation des soins de santé dans l’année précédant le décès. Résultats L’extraction des données a révélé des incohérences à la fois dans les dossiers et d’un dossier à l’autre quant au type et à la quantité de données sociodémographiques ou autres recueillies, empêchant ainsi toute analyse de corrélation. Toutefois, le recoupement des dossiers et des bases de données a révélé une utilisation fréquente des services de santé au cours du mois précédant le décès. Conclusion L’introduction d’une collecte systématique de données lors des enquêtes du SMLNE permettrait de produire un ensemble de données exhaustives qui seraient utiles pour l’élaboration de politiques et la recherche à l’échelle de la population.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: yes | Observational | low |
| gpt | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: yes | Observational | low |
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.019 | 0.082 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedLabeled directly by 2 models reading the full record.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".