Association of 7 million+ tweets featuring suicide-related content with daily calls to the Suicide Prevention Lifeline and with suicides, United States, 2016–2018
Notice bibliographique
Résumé
Objective: The aim of this study was to assess associations of various content areas of Twitter posts with help-seeking from the US National Suicide Prevention Lifeline (Lifeline) and with suicides. Methods: We retrieved 7,150,610 suicide-related tweets geolocated to the United States and posted between 1 January 2016 and 31 December 2018. Using a specially devised machine-learning approach, we categorized posts into content about prevention, suicide awareness, personal suicidal ideation without coping, personal coping and recovery, suicide cases and other. We then applied seasonal autoregressive integrated moving average analyses to assess associations of tweet categories with daily calls to the US National Suicide Prevention Lifeline (Lifeline) and suicides on the same day. We hypothesized that coping-related and prevention-related tweets are associated with greater help-seeking and potentially fewer suicides. Results: The percentage of posts per category was 15.4% (standard deviation: 7.6%) for awareness, 13.8% (standard deviation: 9.4%) for prevention, 12.3% (standard deviation: 9.1%) for suicide cases, 2.4% (standard deviation: 2.1%) for suicidal ideation without coping and 0.8% (standard deviation: 1.7%) for coping posts. Tweets about prevention were positively associated with Lifeline calls ( B = 1.94, SE = 0.73, p = 0.008) and negatively associated with suicides ( B = −0.11, standard error = 0.05, p = 0.038). Total number of tweets were negatively associated with calls ( B = −0.01, standard error = 0.0003, p = 0.007) and positively associated with suicide, ( B = 6.4 × 10 −5 , standard error = 2.6 × 10 −5 , p = 0.015). Conclusion: This is the first large-scale study to suggest that daily volume of specific suicide-prevention-related social media content on Twitter corresponds to higher daily levels of help-seeking behaviour and lower daily number of suicide deaths. Preregistration: As Predicted, #66922, 26 May 2021.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».