Social Media and Selfie-Related Mortality Amid COVID-19: Interrupted Time Series Analysis
Notice bibliographique
Résumé
BACKGROUND: COVID-19 had a considerable impact on mortality, but its effect on behaviors associated with social media remains unclear. As travel decreased due to lockdowns during the pandemic, selfie-related mortality may have decreased, as fewer individuals were taking smartphone photographs in risky locations. OBJECTIVE: In this study, we examined the effect of the COVID-19 pandemic on trends in selfie-related mortality. METHODS: We identified fatal selfie-related injuries reported in web-based news reports worldwide between March 2014 and April 2021, including the deaths of individuals attempting a selfie photograph or anyone else present during the incident. The main outcome measure was the total number of selfie-related deaths per month. We used interrupted time series regression to estimate the monthly change in the number of selfie-related deaths over time, comparing the period before the pandemic (March 2014 to February 2020) with the period during the pandemic (March 2020 to April 2021). RESULTS: The study included a total of 332 selfie-related deaths occurring between March 2014 and April 2021, with 18 (5.4%) deaths during the pandemic. Most selfie-related deaths occurred in India (n=153, 46.1%) and involved men (n=221, 66.6%) and young individuals (n=296, 89.2%). During the pandemic, two-thirds of selfie-related deaths were due to falls, whereas a greater proportion of selfie-related deaths before the pandemic were due to drowning. Based on interrupted time series regression, there was an average of 1.3 selfie-related deaths per month during the pandemic, compared with 4.3 deaths per month before the pandemic. The number of selfie-related deaths decreased by 2.6 in the first month of the pandemic alone and continued to decrease thereafter. CONCLUSIONS: Our findings indicate that the COVID-19 pandemic led to a marked decrease in selfie-related mortality, suggesting that lockdowns and travel restrictions likely prevented hazardous selfie-taking. The decrease in selfie-related mortality occurred despite a potential increase in social media use during the pandemic.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».