Le suicide chez les jeunes en Centre jeunesse : où en sommes-nous et quels sont les défis pour la prévention ?
Bibliographic record
Abstract
Cet article dresse un portrait des avancées réalisées au cours des dix dernières années en prévention du suicide chez les jeunes en centres jeunesse. On y présente d’abord une synthèse des connaissances développées par la recherche en ce domaine. On y fait état des taux exceptionnellement élevés de suicides et de comportements suicidaires chez ce groupe de jeunes, des aspects liés aux différences de genre et de l’importance de la concomitance. L’article présente les principaux facteurs de risque du suicide tels que retrouvés chez les jeunes en centre jeunesse et décrit notamment la concomitance entre troubles mentaux, des troubles de consommation d’alcool et de drogues. Le rôle des événements de vie et des facteurs de protection du suicide est aussi abordé, de même que les projets innovants en matière de concertation développés afin de mieux traiter ces jeunes et prévenir le suicide. Enfin, on décrit par la suite les défis prioritaires en matière de prévention du suicide et de ses impacts chez les jeunes en centre jeunesse, notamment la nécessité de cibler le développement de nouveaux traitements mieux adaptés à la situation particulière des jeunes en centre jeunesse.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".