Systematic review and meta-analyses of suicidal outcomes following fictional portrayals of suicide and suicide attempt in entertainment media
Notice bibliographique
Résumé
Background: Guidelines to encourage responsible reporting of suicide in news media are a key component of suicide prevention strategies. Recent guidelines have been developed on portrayal of suicide in entertainment media although the relationship between these portrayals and subsequent suicidal behaviour has received considerably less attention in research. Methods: We conducted a systematic review and meta-analysis to examine the association between portrayals of suicide and suicide attempt in entertainment media and suicidal behaviour in the population. We searched PubMed, Scopus, Embase, PsycInfo, Web of Science and Google Scholar until April 20, 2021. We included studies adopting interrupted time series or single/multiple arm pre-post designs. Separate analyses were undertaken for studies of suicide and suicide attempts. We synthesized studies at moderate risk of bias and included studies at serious risk in a sensitivity analysis. Using a random-effects meta-analysis, we synthesized studies at moderate risk of bias and included studies at serious risk in a sensitivity analysis. Study registration: PROSPERO (CRD42020221333). Findings: Twelve studies met our inclusion criteria. Six studies were about suicide. Two of these were at moderate risk of bias and both examined the effects of the Netflix series 13 Reasons Why. The pooled rate ratio (RR) for these studies was 118 (95% CI 109 to 127, p<0001). Heterogeneity was low (I 2 = 29%). Six studies focused on suicide attempts, and two of them were at moderate risk of bias. The pooled RR for these two studies was 133 (95% CI 084 to 209, p = 022). Heterogeneity was high (I 2 = 92%). Enhanced funnel plots indicated likely publication bias for studies of suicide and possible bias for studies of attempted suicide. Interpretation: Portrayals of suicide in entertainment media may increase suicides and attempted suicide in the population. More studies that limit the potential sources of bias are needed to fully understand the circumstances under which fictional portrayals may influence suicidal behaviour.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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) | 0,001 | 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 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 ».