Impact of Trump's Promotion of Unproven COVID-19 Treatments on Social Media and Subsequent Internet Trends: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Individuals with large followings can influence public opinions and behaviors, especially during a pandemic. In the early days of the pandemic, US president Donald J Trump has endorsed the use of unproven therapies. Subsequently, a death attributed to the wrongful ingestion of a chloroquine-containing compound occurred. OBJECTIVE: We investigated Donald J Trump's speeches and Twitter posts, as well as Google searches and Amazon purchases, and television airtime for mentions of hydroxychloroquine, chloroquine, azithromycin, and remdesivir. METHODS: Twitter sourcing was catalogued with Factba.se, and analytics data, both past and present, were analyzed with Tweet Binder to assess average analytics data on key metrics. Donald J Trump's time spent discussing unverified treatments on the United States' 5 largest TV stations was catalogued with the Global Database of Events, Language, and Tone, and his speech transcripts were obtained from White House briefings. Google searches and shopping trends were analyzed with Google Trends. Amazon purchases were assessed using Helium 10 software. RESULTS: From March 1 to April 30, 2020, Donald J Trump made 11 tweets about unproven therapies and mentioned these therapies 65 times in White House briefings, especially touting hydroxychloroquine and chloroquine. These tweets had an impression reach of 300% above Donald J Trump's average. Following these tweets, at least 2% of airtime on conservative networks for treatment modalities like azithromycin and continuous mentions of such treatments were observed on stations like Fox News. Google searches and purchases increased following his first press conference on March 19, 2020, and increased again following his tweets on March 21, 2020. The same is true for medications on Amazon, with purchases for medicine substitutes, such as hydroxychloroquine, increasing by 200%. CONCLUSIONS: Individuals in positions of power can sway public purchasing, resulting in undesired effects when the individuals' claims are unverified. Public health officials must work to dissuade the use of unproven treatments for COVID-19.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».