Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over one hundred thousand lives were lost in the United States during 2022 from drug overdoses (CDC, 2023). While previous studies examine socioeconomic and macroeconomic relationships, I have not found extensions to estimate a relationship between media influence and overdoses. I investigated the potential relationship by including a Google search trend index (a measure of relative state-level popularity of web searches) for trap music as a proxy for media influence of trap music. Trap music is a new mainstream subgenre of hip-hop which portrays a romanticized view of illicit substance sale and abuse. My logic is younger demographics are more likely to listen and be influenced by the subgenre, meaning high interest in the subgenre would be correlated with overdose rates for younger demographics. Employing a fixed effects model (and controlling for macroeconomic and socioeconomic variables) across 40 states from 2013-2023, I find a one standard deviation increase in Google search intensity (13.7 points) being associated with a 1.98 increase in drug overdose deaths per 100,000 for those aged 15-34 years, statistically significant at the 5 percent error level. Those aged 35-54 reflected no measurable relationship. Interestingly, I found no relationship between the number of opioid treatment program facilities and overdose. My findings suggest media trends are associated with overdose deaths in addition to socioeconomic and macroeconomic trends for young demographics.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle