Suicide-related Twitter Content in Response to a National Mental Health Awareness Campaign and the Association between the Campaign and Suicide Rates in Ontario
Notice bibliographique
Résumé
OBJECTIVE: Mental health awareness (MHA) campaigns have been shown to be successful in improving mental health literacy, decreasing stigma, and generating public discussion. However, there is a dearth of evidence regarding the effects of these campaigns on behavioral outcomes such as suicides. Therefore, the objective of this article is to characterize the association between the event and suicide in Canada's most populous province and the content of suicide-related tweets referencing a Canadian MHA campaign (Bell Let's Talk Day [BLTD]). METHODS: Suicide counts during the week of BTLD were compared to a control window (2011 to 2016) to test for associations between the BLTD event and suicide. Suicide tweets geolocated to Ontario, posted in 2016 with the BLTD hashtag were coded for specific putatively harmful and protective content. RESULTS: = 3,763) mainly included content related to general comments about suicide death (68%) and suicide being a problem (42.8%) with little putatively helpful content such as stories of resilience (0.6%) and messages of hope (2.2%). CONCLUSIONS: In Ontario, this national mental health media campaign was associated with a high volume of suicide-related tweets but not necessarily including content expected to diminish suicide rates. Campaigns like BLTD should strongly consider greater attention to suicide-related messaging that promotes help-seeking and resilience. This may help to further decrease stigmatization, and potentially, reduce suicide rates.
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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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 ».