Dossiers des coroners sur la mortalité par suicide à Montréal : limites et incidences sur les stratégies de prévention du suicide
Bibliographic record
Abstract
Introduction À Montréal, les caractéristiques des cas de suicide sont susceptibles de varier d'un territoire à l'autre. Les données recueillies par les coroners dans le cadre de leurs investigations sur les suicides pourraient servir à appuyer la planification en matière de prévention du suicide à l'échelle locale. Méthodologie Dans cette étude, nous avons analysé tous les dossiers des coroners relatifs aux décès par suicide survenus à Montréal entre 2007 et 2009 afin de déterminer l'utilité des données disponibles, d'établir un profil des cas de suicide et d'examiner les différences à l'échelle locale en comparant deux territoires, celui ayant le taux de suicide le plus élevé et celui ayant le taux le plus faible. Résultats Les données recueillies ont révélé qu'il n'existait pas de procédure uniforme et systématique pour la consignation des données sur les décès par suicide. Quoique les taux de données manquantes aient été variables, ils étaient très élevés en ce qui concerne les antécédents de tentative de suicide et les événements récents qui pourraient avoir provoqué le suicide. Nous avons observé des différences dans les caractéristiques des personnes qui s'enlèvent la vie en fonction du territoire de résidence. Conclusion L'adoption par les coroners d'une procédure uniforme de collecte de données sur les cas de suicide permettrait aux décideurs d'avoir un portrait plus juste des personnes décédées par suicide au sein de leur territoire. S'adapter à la situation locale pourrait améliorer les stratégies de prévention du suicide.
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
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 | 0.012 | 0.069 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.010 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".