The Relationship Between Suicide-Related Twitter Events and Suicides in Ontario From 2015 to 2016
Notice bibliographique
Résumé
Abstract. Background: Many studies have demonstrated suicide contagion through mainstream journalism; however, few have explored suicide-related social media events and their potential relationship to suicide deaths. Aims: To determine whether Twitter events were associated with changes in subsequent suicides. Methods: Suicide-related Twitter events that garnered at least 100 tweets originating in Ontario, Canada (July 1, 2015 to June 30, 2016) were identified and characterized as putatively "harmful" or "innocuous" based on recommendations for responsible media reporting. The number of suicides in Ontario during the peak of each Twitter event and the subsequent 6 days ("exposure window") was compared with suicides occurring during a pre-event period of the same length ("control window"). Results: There were 17 suicide-related Twitter events during the period of study (12 putatively harmful and five putatively innocuous). The number of tweets per event ranged from 121 for "physician-assisted suicide law in Quebec" to 6,202 for the "Attawapiskat suicide crisis." No significant relationship was detected between Twitter events and actual suicides. Notably, a comprehensive examination of the details of Twitter events showed that even the putatively harmful events lacked many of the characteristics commonly associated with contagion. Limitations: This was an uncontrolled experiment in only one epoch and a single Canadian province. Discussion: This study found no evidence of suicide contagion associated with Twitter events. This finding must be interpreted with caution given the relatively innocuous content of suicide-related Tweets in Ontario during 2015–2016.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».