Exploring the Changes of Suicide Probability During COVID-19 Among Chinese Weibo Users
Notice bibliographique
Résumé
Abstract. Background: Coronavirus disease 2019 (COVID-19) threatens people's physical and mental health, globally, and it may even trigger suicide ideation and suicidal behavior. Aims: We aimed to examine the impact of COVID-19 on suicide risk by sampling Chinese Weibo users and analyzing their social media messages. Method: We predicted the probability of suicide (including hopelessness, suicidal ideation, negative self-evaluation, and hostility) of Weibo users in order to assess the changes in suicide probability at different times. Repeated-measures ANOVA was performed to examine the differences in suicide probability in different regions during different periods. Results: There was no significant difference in suicide probability between profoundly infected areas (PIAs) and less infected areas (LIAs) before the outbreak of COVID-19. LIAs had an increase in hopelessness during the COVID-19 growth period, while hopelessness and hostility in PIA increased during the COVID-19 decline period, indicating potential suicide probability. Limitations: Results should be interpreted with caution, and cross-cultural research may be considered in the future. Conclusion: COVID-19 has a dynamic impact on suicide probability. Using data from online social networks may help to understand the impact pattern of COVID-19 on people's suicide probability.
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 | 0,001 |
| 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) | 0,001 | 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 ».