Lewati ke konten
Likelier

Ketakutan yang dirasakan vs. probabilitas sebenarnya

Berapa peluang kehilangan pekerjaan Anda karena otomatisasi AI?

Tidak terkuantifikasi

Tidak ada estimasi yang andal

Kami mencari data yang otoritatif untuk pertanyaan ini dan tidak menemukan angka yang bersedia kami publikasikan. Kemungkinan alasan: sumber-sumber tidak sepakat secara substansial, dataset yang mendasari diketahui bias, atau pertanyaan tersebut bergantung pada konteks yang tidak dapat kami normalisasikan ke basis bersama.

Mengetahui sumber peer-reviewed yang ketat yang kami lewatkan? Silakan beri tahu kami.

Lainnya · ditinjau 2026-06-14
Kualitas bukti 4.88/5

Skor tinjauan delapan dimensi terhadap rubrik kualitas . Setiap dimensi dinilai 1–5.

D1 Dasar sumber
5/5
D2 Otoritas sumber
5/5
D3 Aritmetika
5/5
D4 Ketidakpastian
4/5
D5 Cakupan
5/5
D6 Prosa
5/5
D7 Kejujuran persepsi
5/5
D8 Kelengkapan peringatan
5/5
Rata-rata 4.88/5
Bukti langsung
Source Tidak ada perkiraan yang andal
An office desk with a chair slightly pulled back, a monitor displaying abstract data patterns, muted blue and grey tones, flat vector illustration.

Keputusan yang dipengaruhi risiko ini

Pilihan yang bergantung pada risiko ini: bagaimana pertimbangannya ditimbang.

Tidak ada satu angka pun yang menjawab pertanyaan “berapa peluang AI mengambil pekerjaan Anda?” karena tidak ada penelitian yang menghasilkannya. Angka yang paling sering dikutip, 47% pekerjaan AS berisiko tinggi dari Frey dan Osborne, menggambarkan kerentanan tingkat tugas terhadap otomatisasi, bukan prediksi pengangguran. Ketika OECD menjalankan kembali analisis menggunakan data tingkat individu alih-alih agregat tingkat pekerjaan, bagian berisiko tinggi turun menjadi 9-14%. Makalah GPTs-are-GPTs tahun 2023 menemukan 80% pekerja memiliki setidaknya beberapa paparan tugas terhadap LLM, tetapi hanya 19% yang memiliki setengah atau lebih tugas mereka terpapar. Sementara itu, Bureau of Labor Statistics memproyeksikan pertumbuhan pekerjaan bersih sebesar 6,7 juta hingga tahun 2033. Angka-angka ini tidak bertentangan; mereka mengukur hal-hal yang berbeda.

Kesenjangan antara “tugas yang dapat dilakukan AI” dan “pekerjaan yang berhenti ada” adalah tempat sebagian besar ketidakpastian berada. ATM seharusnya menghilangkan teller bank; sebaliknya, operasi cabang yang lebih murah menyebabkan lebih banyak cabang, dan lapangan kerja teller meningkat selama dua dekade. Apakah AI generatif mengikuti pola augmentasi yang sama atau mematahkannya adalah pertanyaan empiris utama, dan jawaban jujur pada awal tahun 2026 adalah tidak ada yang tahu. Studi-studi tersebut sepakat tentang arah paparan: pekerjaan kognitif-rutin (entri data, tinjauan dokumen dasar, pembukuan) menghadapi tekanan perpindahan tertinggi, sementara pekerjaan fisik-manual (konstruksi, perpipaan, perawatan lansia) menghadapi yang paling rendah. Namun, paparan bukanlah takdir.

Risiko individu bervariasi setidaknya satu tingkat besaran di berbagai pekerjaan, industri, dan geografi. Seorang juru entri data dan seorang tukang ledeng hidup di alam semesta risiko yang berbeda, dan tidak ada yang dapat dijelaskan dengan baik oleh rata-rata populasi. Rentang waktu sama pentingnya: prospek lima tahun didominasi oleh augmentasi; prospek tiga puluh tahun benar-benar tidak pasti. Mengingat berbagai perkiraan yang diterbitkan, tidak adanya perpindahan massal yang teramati sejauh ini, dan kesenjangan mendasar antara paparan tugas dan penghapusan pekerjaan, entri ini membawa bendera no_reliable_estimate. Ketakutan itu nyata; probabilitas seumur hidup yang dapat dipertahankan tidak.

Buku besar klaim

Setiap angka di bawah ini adalah apa yang dilaporkan masing-masing sumber, dengan kutipan kata demi kata yang kami andalkan dan bagaimana kami sampai pada angka kami. Klik tautan mana saja untuk memverifikasi langsung.

  1. [1] Oxford Martin School, University of Oxford — The Future of Employment: How Susceptible Are Jobs to Computerisation?
    The Future of Employment: How Susceptible Are Jobs to Computerisation?
    Statistik
    47% of US employment is in the high-risk category for computerisation over the next decade or two
    Kutipan
    “"We examine how susceptible jobs are to computerisation. … According to our estimate, 47 percent of total US employment is in the high risk category, meaning that associated occupations are potentially automatable over some unspecified number of years, perhaps a decade or two." ”
    Data sumber dari
    2013-09-17
    Diakses
    2026-04-18 · salinan arsip
    Perhitungan
    Frey & Osborne (2017, published in Technological Forecasting and Social Change 114:254-280) classified 702 occupations by automation probability using O*NET task descriptors. The 47% figure refers to jobs whose constituent tasks are technically automatable, not a prediction that 47% of workers will be unemployed. The authors explicitly note this is a measure of task susceptibility, not a forecast of job losses. The paper predates the LLM era and does not account for generative AI capabilities. No conversion to a per-worker lifetime displacement probability is attempted because the study does not model job creation, reallocation, or partial automation.
    Independensi
    Seminal academic study using O*NET occupational data. Independent methodology from the OECD and Goldman Sachs estimates below.
  2. [2] OECD — The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis
    The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis
    Statistik
    9% of jobs across the 21 OECD countries are highly automatable; an additional ~25% face significant task change
    Kutipan
    “"Overall, we find that, on average across the 21 OECD countries, 9 % of jobs are automatable. [...] For instance, while the share of automatable jobs is 6 % in Korea, the corresponding share is 12 % in Austria." ”
    Data sumber dari
    2016-05-14
    Diakses
    2026-04-18 · salinan arsip
    Perhitungan
    Arntz, Gregory & Zierahn (2016) re-analysed Frey & Osborne's methodology using PIAAC individual-level survey data rather than occupation-level aggregates. By accounting for within-occupation task variation, the high-risk share drops from 47% to ~9-14%. The OECD updated this to 14% in its 2019 Employment Outlook using newer PIAAC data. Neither figure is a probability of displacement for an individual worker; it describes the share of jobs with >70% automatable task content. No lifetime probability is derivable from this study because it does not model transition rates or job creation.
    Independensi
    Uses PIAAC microdata, a different data source and unit of analysis (individual workers vs occupations) from Frey & Osborne. Methodologically independent.
  3. [3] OpenAI / University of Pennsylvania — GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
    GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models
    Statistik
    ~80% of the US workforce could have at least 10% of their tasks affected by LLMs; ~19% could have 50%+ of tasks affected
    Kutipan
    “"Our findings reveal that around 80% of the U.S. workforce could have at least 10% of their work tasks affected by the introduction of LLMs, while approximately 19% of workers may see at least 50% of their tasks impacted." ”
    Data sumber dari
    2023-03-17
    Diakses
    2026-04-18 · salinan arsip
    Perhitungan
    Eloundou, Manning, Mishkin & Rock (2023) assessed task-level exposure to LLMs across 1,016 occupations using O*NET. "Exposure" means the task could be completed significantly faster with LLM access, not that the job would be eliminated. The 80% headline describes partial task exposure (>=10% of tasks), not full job replacement. The 19% figure for >=50% task exposure is closer to a displacement signal but still measures task content, not employment outcomes. Converting task exposure to a lifetime job-loss probability requires assumptions about employer adoption rates, augmentation vs replacement decisions, and labor market adjustment speeds that the paper does not provide.
    Independensi
    Uses O*NET task data (shared with Frey & Osborne) but applies a GPT-specific exposure rubric developed by both human annotators and GPT-4 classification. Partially independent.
  4. [4] Goldman Sachs — The Potentially Large Effects of Artificial Intelligence on Economic Growth
    The Potentially Large Effects of Artificial Intelligence on Economic Growth
    Statistik
    Two-thirds of US occupations are exposed to some degree of AI automation; generative AI could substitute up to 25% of current work tasks globally
    Kutipan
    “"our economists estimate that roughly two-thirds of U.S. occupations are exposed to some degree of automation by AI. They further estimate that, of those occupations that are exposed, roughly a quarter to as much as half of their workload could be replaced." ”
    Data sumber dari
    2023-03-26
    Diakses
    2026-04-18 · salinan arsip
    Perhitungan
    Hatzius et al. (2023) estimate that generative AI could expose 300 million full-time jobs globally to automation, with roughly 25% of work tasks substitutable. The report simultaneously projects a 7% increase in global GDP over a 10-year period from AI adoption, implying substantial job creation alongside displacement. The 300M figure describes exposure, not net job loss, and the report explicitly models offsetting job creation from new industries and increased productivity. No per-worker lifetime displacement probability can be extracted.
    Independensi
    Goldman Sachs proprietary analysis drawing on O*NET, European ISCO data, and internal economic modelling. Partially independent from academic studies above.
  5. [5] Bureau of Labor Statistics — Employment Projections: 2023-2033
    Employment Projections: 2023-2033

    Lihat semua 2 entri Likelier yang mengutip sumber ini →

    Statistik
    Total US employment projected to grow by 6.7 million jobs from 2023 to 2033, to 174.6 million (0.4 percent a year)
    Kutipan
    “"The U.S. economy is projected to add 6.7 million jobs from 2023 to 2033, the U.S. Bureau of Labor Statistics (BLS) reported today. Total employment is projected to increase to 174.6 million and grow 0.4 percent annually, which is slower than the 1.3 percent annual growth recorded over the 2013-23 decade." ”
    Data sumber dari
    2024-09-04
    Diakses
    2026-04-18 · salinan arsip
    Perhitungan
    BLS decennial projections are the baseline measure of actual expected employment outcomes. The 2023-2033 outlook projects net job growth of 6.7 million, not net loss. BLS does not separately model AI-driven displacement; its projections incorporate historical trends in technology adoption, productivity growth, and sectoral shifts. The fact that net employment is projected to grow does not preclude significant churn within occupations, but it provides a counterweight to headline claims of mass job elimination. No per-worker lifetime displacement probability is published.
    Independensi
    Official US government statistical agency using proprietary macroeconomic modelling. Fully independent from the academic and private-sector studies above.
  6. [6] Stanford Digital Economy Lab — Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
    Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence
    Statistik
    Early-career workers (ages 22-25) in the most AI-exposed occupations experienced a 16 percent relative decline in employment since late 2022, while employment for more experienced workers in the same occupations and for workers in less-exposed fields remained stable or continued to grow
    Kutipan
    “"early-career workers (ages 22-25) in the most AI-exposed occupations have experienced a 16 percent relative decline in employment even after controlling for firm-level shocks. In contrast, employment for workers in less exposed fields and more experienced workers in the same occupations has remained stable or continued to grow." ”
    Data sumber dari
    2025-11-13
    Diakses
    2026-06-14 · salinan arsip
    Perhitungan
    Brynjolfsson, Chandar & Chen (2025) analyse high-frequency payroll records from ADP, the largest US payroll processor, covering millions of workers. They document a 16% relative decline in headcount for the 22-25 age band in occupations most exposed to generative AI (software developers, customer-service representatives) measured against pre-2023 trend, with no comparable decline for workers 30+ in the same occupations or for workers in low-exposure fields. The 16% is a cohort-level relative employment differential, not a per-worker probability of job loss; the paper does not convert it into an individual displacement hazard, and AI attribution remains contested (a Feb 2026 follow-up by the same authors examines interest-rate and timing confounds). It is used here only to populate the early-career age x AI-exposure personal factor, not to derive a headline number. The earlier August 2025 preprint reported ~13%; the published version reports 16%.
    Independensi
    First large-scale payroll-based (ADP administrative records) evidence, methodologically independent from the O*NET task-exposure studies and BLS macroeconomic projections above. Measures realised employment, not task susceptibility.
  7. [7] Proskauer (Law and the Workplace) — AI Bias Lawsuit Against Workday Reaches Next Stage as Court Grants Conditional Certification of ADEA Claim
    AI Bias Lawsuit Against Workday Reaches Next Stage as Court Grants Conditional Certification of ADEA Claim
    Statistik
    On May 16, 2025 a federal court conditionally certified Mobley v. Workday as a nationwide ADEA collective covering job applicants aged 40+; Workday's filings disclosed roughly 1.1 billion applications rejected through its AI screening tools during the relevant period
    Kutipan
    “"1.1 billion applications were rejected [...] Notice will be issued to the allegedly affected job applicants, in what could be one of the largest collectives ever certified." ”
    Data sumber dari
    2025-06-03
    Diakses
    2026-06-14 · salinan arsip
    Perhitungan
    Mobley v. Workday (N.D. Cal. 3:23-cv-00770) alleges Workday's AI applicant-recommendation system produced a disparate impact by age, race, and disability at the hiring gate. On 2025-05-16 the court granted conditional (preliminary) certification of a nationwide ADEA collective of applicants aged 40+ screened since September 2020. The ~1.1 billion figure is the volume of applications Workday disclosed were rejected through its tools, not a number of confirmed biased rejections; the case is unresolved and the disparate-impact claim is untested at trial. No per-applicant probability of a bias-tainted auto-rejection is derivable, so this source supports a caveat only, not a number.
    Independensi
    Legal-developments analysis of court filings; non-authoritative reference used only to document the algorithmic-exclusion-at-the-hiring-gate dimension absent from the displacement-by-automation studies above.

436 risiko dengan probabilitas terukur
1 dari 10 1 dari 100 1 dari 1K 1 dari 10K 1 dari 100K 1 dari 1M 1 dari 10M 1 dari 100M 1 dari 1B pasti lebih jarang → Risiko operasi kosmetik di luar negeri — 1 dari 10 Gula-garam bayi dan penyakit dewasa — 1 dari 10 Endometriosis — 1 dari 10 Risiko transplantasi rambut di Turki — 1 dari 10 Penggantian sendi lutut — 1 dari 10 Pereda nyeri kronis — 1 dari 10 Kehilangan gigi total — 1 dari 9,1 Alzheimer — 1 dari 8,3 Kurang tidur — 1 dari 8,3 Tembakau tanpa asap — 1 dari 8,3 Bersepeda tanpa helm — 1 dari 8,0 Kerusakan gigi akibat bruksisme — 1 dari 7,7 Kegagalan kondom — 1 dari 7,7 Hindari berobat karena takut imigrasi — 1 dari 7,1 Kehilangan penglihatan — 1 dari 6,7 Hernia akibat angkat beban — 1 dari 6,7 Patah pinggul lansia — 1 dari 6,7 Minum reguler — 1 dari 6,7 Serangan jantung pertama — 1 dari 5,9 Infertilitas — 1 dari 5,7 Perawatan jangka panjang 5+ tahun — 1 dari 5,6 CTE (sepak bola) — 1 dari 5,0 Depresi mayor — 1 dari 4,9 Cedera hiking — 1 dari 4,8 Infeksi dari berbagi makanan dengan anak — 1 dari 4,2 Penyakit Lyme — 1 dari 4,0 Kesepian & kesehatan — 1 dari 3,8 Risiko AUD warisan — 1 dari 3,5 Gangguan penggunaan alkohol — 1 dari 3,4 Gangguan kecemasan — 1 dari 3,2 Risiko jantung pasca-menopause — 1 dari 3,0 Diabetes tersembunyi — 1 dari 3,0 Terbang saat pilek — 1 dari 2,9 Kehilangan pekerjaan & depresi — 1 dari 2,9 Penyakit kutu (hutan) — 1 dari 2,9 Kolesterol tinggi tersembunyi — 1 dari 2,9 Kehilangan kakek-nenek di masa kecil — 1 dari 2,8 Pacifier on the floor — 1 dari 2,8 Hipertensi tersembunyi — 1 dari 2,7 Infeksi resisten — 1 dari 2,6 Tanpa kecocokan sumsum — 1 dari 2,4 Masuk panti jompo — 1 dari 2,2 Mamografi positif palsu — 1 dari 2,0 Merokok reguler — 1 dari 2,0 Diare wisatawan — 1 dari 2,0 Olahraga petualangan — 1 dari 1,8 Kebutuhan LTC setelah 65 — 1 dari 1,8 Pengalaman menjanda — 1 dari 1,7 Seks tanpa kondom — 1 dari 1,5 Nyeri punggung bawah — 1 dari 1,3 Kebersihan tangan — 1 dari 1,0 Kanker (jenis apa pun) — 1 dari 7,1 Skuter listrik tanpa helm — 1 dari 4,5 Sepeda listrik tanpa helm — 1 dari 4,0 Bagasi salah tangani — 1 dari 3,7 Kecelakaan cedera yang bersalah — 1 dari 2,9 Tabrakan dengan rusa — 1 dari 2,7 Cedera kecelakaan mobil — 1 dari 2,6 Pembatalan penerbangan — 1 dari 1,8 Gangguan perjalanan: perang atau bencana — 1 dari 1,7 Penyerangan saat hitchhiking — 1 dari 8,8 Pencurian rumah — 1 dari 8,6 Penipuan cek via pos — 1 dari 7,7 Pelecehan seksual anak — 1 dari 6,8 Penguntitan — 1 dari 6,2 Pelecehan mahasiswi — 1 dari 5,7 Kekerasan rumah tangga — 1 dari 3,7 Penyerangan jalan malam — 1 dari 3,6 Pencurian sepeda — 1 dari 2,9 Kekerasan seksual — 1 dari 2,3 Pelecehan seksual (seumur hidup) — 1 dari 1,6 Kelangkaan air — 1 dari 2,5 Badai matahari kelas Carrington — 1 dari 1,9 Titik balik WAIS — 1 dari 1,1 Kucing rumahan kabur — 1 dari 10 Gigitan anjing lepas — 1 dari 9,8 Kelinci mati dalam 4 tahun — 1 dari 3,3 Gigitan anjing (tidak mematikan) — 1 dari 1,8 Hamster mati sebelum remaja — 1 dari 1,0 Kekurangan zat besi (wanita) — 1 dari 3,9 Kekurangan vitamin D — 1 dari 2,9 Asupan magnesium kurang — 1 dari 1,9 Makanan kurang matang — 1 dari 1,6 Kontaminasi silang daging mentah — 1 dari 1,4 Makanan Dibiarkan di Luar — 1 dari 1,2 Penipuan suara AI — 1 dari 2,9 Kerugian penipuan online — 1 dari 2,5 Perundungan siber remaja — 1 dari 2,0 Anak & konten eksplisit — 1 dari 1,9 Pelanggaran data — 1 dari 1,1 Keguguran — 1 dari 6,7 Percobaan bunuh diri remaja — 1 dari 5,6 Depresi pascapersalinan — 1 dari 4,8 Pereda nyeri sebelum vaksinasi — 1 dari 3,8 Kenaikan berat badan berlebih — 1 dari 2,6 Anak tidak divaksinasi & campak — 1 dari 2,0 Kutu rambut pada anak — 1 dari 2,0 Penipuan terhadap lansia — 1 dari 10 Kolaps dana pensiun — 1 dari 10 Amblesnya perumahan — 1 dari 8,3 Audit IRS — 1 dari 6,7 Keruntuhan mata uang — 1 dari 5,6 Deportasi overstay visa — 1 dari 5,6 Penyitaan mobil kredit subprime — 1 dari 5,0 Disabilitas usia kerja — 1 dari 4,0 Gagal bayar pinjaman mahasiswa — 1 dari 3,8 Pembalasan pelapor pelanggaran — 1 dari 3,2 Pensiun paksa setelah 50 — 1 dari 2,9 Kekurangan dana pensiun — 1 dari 2,6 BNPL: telat bayar — 1 dari 2,4 Perceraian — 1 dari 2,4 Kerusakan akibat pipa pecah — 1 dari 2,2 Perundungan di tempat kerja — 1 dari 2,1 Pemadaman listrik lama — 1 dari 2,0 Deportasi (tidak berdokumen) — 1 dari 1,8 Kejutan biaya pemakaman — 1 dari 1,7 Pencurian identitas — 1 dari 1,7 Penipuan kartu kredit — 1 dari 1,5 Intimidasi di sekolah — 1 dari 1,5 Prajurit garis depan — 1 dari 1,3 Resesi ekonomi — 1 dari 1,0 Crash pasar saham — 1 dari 1,0 Kerusakan atap akibat hujan es — 1 dari 3,0 Kerugian akibat penyewa bermasalah — 1 dari 1,8 Komplikasi LASIK — 1 dari 100 Bahaya tisu toilet kering — 1 dari 100 Asap rokok pasif — 1 dari 91 Gangguan gaming (dewasa) — 1 dari 83 UGD karena hak tinggi — 1 dari 79 Thrown/dropped object — 1 dari 67 Reaksi obat — 1 dari 58 Overdosis obat-obatan — 1 dari 56 Asma akibat kompor gas pada anak — 1 dari 50 Toksoplasmosis dari kotak pasir kucing — 1 dari 48 Klaim cacat kesehatan mental — 1 dari 45 Ketergantungan benzo — 1 dari 40 Timbal air keran — 1 dari 40 Penyalahgunaan obat — 1 dari 35 Cedera otak traumatis — 1 dari 33 Infeksi rumah sakit — 1 dari 31 Polusi udara — 1 dari 29 Penyakit ginjal stadium akhir — 1 dari 29 Diare wisatawan (air) — 1 dari 26 Cedera ski — 1 dari 26 Gangguan bipolar — 1 dari 23 Operasi gigi bungsu — 1 dari 22 Komplikasi wisata gigi — 1 dari 20 Penelantaran lansia — 1 dari 20 Parkinson — 1 dari 20 Parasit hewan peliharaan — 1 dari 20 ADHD yang tidak terdiagnosis — 1 dari 20 Alergi makanan saat dewasa — 1 dari 19 Demensia non-Alzheimer — 1 dari 17 Gangguan penggunaan ganja — 1 dari 16 Stroke — 1 dari 15 PTSD — 1 dari 15 Gangguan pendengaran parah — 1 dari 14 Diabetes tipe 2 — 1 dari 13 Radang Usus Buntu — 1 dari 13 Asap memasak dalam ruangan — 1 dari 13 Depresi yang tidak diobati — 1 dari 13 Soda dan diabetes — 1 dari 13 Penyakit jantung — 1 dari 12 Kematian akibat kesalahan medis — 1 dari 12 Perilaku seksual kompulsif — 1 dari 12 Gangguan makan — 1 dari 11 Penggantian sendi panggul — 1 dari 11 Batu ginjal — 1 dari 11 Kematian/kecacatan orang tua — 1 dari 11 Gaya hidup sedentari — 1 dari 11 Infeksi Salon — 1 dari 11 Kanker ovarium — 1 dari 91 Kanker kolorektal — 1 dari 77 Kanker payudara — 1 dari 59 Kanker hati — 1 dari 59 Kanker paru-paru — 1 dari 56 Kanker prostat — 1 dari 50 Melanoma (UV) — 1 dari 29 Risiko KKR serat rendah — 1 dari 26 Daging merah & KKR — 1 dari 21 Daging gosong & kanker — 1 dari 20 Kecelakaan perawatan — 1 dari 83 Mengemudi dengan obat penenang — 1 dari 77 Mengirim pesan + mengemudi — 1 dari 56 Kematian kecelakaan tanpa sabuk — 1 dari 53 Ngebut 20 % di atas batas — 1 dari 50 Motor tanpa helm — 1 dari 45 Penerbangan Antariksa (astronot) — 1 dari 42 Menonton video saat mengemudi — 1 dari 32 Cedera kecelakaan anak — 1 dari 27 Mengemudi mengantuk — 1 dari 26 Norovirus di kapal pesiar — 1 dari 24 Cedera e-skuter — 1 dari 10 Dicopet saat bepergian — 1 dari 38 Pencurian konverter katalitik — 1 dari 37 Ditikam dalam penyerangan — 1 dari 37 Pencurian kendaraan — 1 dari 34 Perampokan/penjambretan jalanan — 1 dari 26 Vonis salah — 1 dari 24 Pencampuran obat di minuman — 1 dari 17 Pencurian mobil keyless via relay — 1 dari 13 Demo di rezim otoriter — 1 dari 12 Keruntuhan AMOC — 1 dari 20 Anafilaksis dari sengatan — 1 dari 50 Cedera kalung kucing — 1 dari 25 Keracunan makanan di restoran — 1 dari 58 Kekurangan B12 — 1 dari 28 Kekurangan vegetarian — 1 dari 14 Deepfake intim — 1 dari 25 Penggunaan media sosial bermasalah — 1 dari 13 Anak telan benda (UGD) — 1 dari 91 Persalinan mengancam nyawa (AS) — 1 dari 61 Kematian melahirkan (SSA) — 1 dari 55 Jatuh dari tangga (balita) — 1 dari 37 Kematian bed-sharing — 1 dari 36 Cedera bermain ayunan & perosotan — 1 dari 33 Diagnosis autisme — 1 dari 31 Komplikasi caesar — 1 dari 29 Cedera mainan butuh UGD (anak) — 1 dari 21 Preeklamsia — 1 dari 20 Robekan parah saat melahirkan — 1 dari 17 Diabetes gestasional — 1 dari 13 Cedera kepala anak akibat jatuh — 1 dari 12 Meninggal tanpa ahli waris — 1 dari 100 Kehancuran finansial taruhan olahraga — 1 dari 100 Kematian pilot tempur — 1 dari 48 Kematian karier nelayan komersial — 1 dari 45 Kematian karier penebang pohon — 1 dari 34 Kebangkrutan medis — 1 dari 25 Gangguan belanja kompulsif — 1 dari 20 Penipuan sewa apartemen — 1 dari 20 Kehilangan SNAP karena aturan 2025 — 1 dari 18 Penyitaan hipotek — 1 dari 14 Klaim cacat muskuloskeletal — 1 dari 14 Kerugian day-trading — 1 dari 13 Katastrofi Pemerintahan Ekstremis — 1 dari 13 Badai menghancurkan rumah — 1 dari 17 NAION (Ozempic) — 1 dari 909 Anak tenggelam di kolam — 1 dari 800 MS — 1 dari 769 Kematian di tempat kerja — 1 dari 690 Demam tifoid — 1 dari 654 GLP-1: aspirasi saat anestesi — 1 dari 613 Produk impor tidak aman — 1 dari 565 Aneurisma otak — 1 dari 400 COVID-19 — 1 dari 400 Cedera kembang api — 1 dari 385 Tendon putus kena pisau dapur — 1 dari 385 Kafein berlebih — 1 dari 366 Penyakit sel sabit — 1 dari 365 Obat palsu — 1 dari 361 Cedera tulang belakang — 1 dari 313 Diagnosis kanker anak — 1 dari 285 Kematian pandemi berikutnya — 1 dari 208 Dengue (perjalanan) — 1 dari 200 Kelahiran prematur akibat panas — 1 dari 200 Melewatkan mandi harian — 1 dari 200 Tidak menggosok kaki — 1 dari 200 Risiko donor sumsum — 1 dari 167 Ensefalitis akibat caplak — 1 dari 167 Skizofrenia — 1 dari 143 Jatuh tidak disengaja — 1 dari 135 Kematian mendadak saat berolahraga — 1 dari 123 Bunuh Diri (AS) — 1 dari 121 Kecanduan opioid — 1 dari 114 Tuberkulosis (global) — 1 dari 109 Diagnosis HIV — 1 dari 105 Kanker Radon — 1 dari 435 Kanker testis — 1 dari 250 Kanker serviks — 1 dari 167 Kanker pankreas — 1 dari 125 Kematian pejalan kaki — 1 dari 806 Kecelakaan sepeda motor — 1 dari 709 Tenggelam dari perahu — 1 dari 685 Pengemudi menewaskan pejalan kaki — 1 dari 552 Cedera jalan kaki karena ponsel — 1 dari 400 Kebakaran baterai EV — 1 dari 333 Pesepeda tewas tertabrak — 1 dari 159 Kebakaran mobil bensin — 1 dari 125 Fatalitas mobil otonom — 1 dari 115 Kecelakaan mobil — 1 dari 105 Kematian tugas pemadam kebakaran — 1 dari 455 Kematian tugas polisi — 1 dari 357 Pembunuhan — 1 dari 339 Penipuan pig butchering — 1 dari 106 Panas ekstrem — 1 dari 333 Kematian perubahan iklim — 1 dari 204 Gigitan kelelawar & rabies — 1 dari 278 Penyakit bawaan nyamuk — 1 dari 190 Keracunan makanan (global) — 1 dari 317 Kebakaran panel surya — 1 dari 667 Skoliosis masa kanak-kanak tidak diobati — 1 dari 1.000 Anak jatuh dari jendela — 1 dari 855 Jatuh tangga kursi roda — 1 dari 625 Bayi jatuh — 1 dari 500 Cedera kursi roda bayi — 1 dari 455 Kematian ibu — 1 dari 272 Usia ibu & cacat lahir — 1 dari 200 Kematian anak (<18) — 1 dari 103 Kematian dalam karier penjelajahan gua — 1 dari 167 Kematian tugas petugas gawat darurat — 1 dari 909 Korban sipil perang — 1 dari 499 Prajurit dalam pertempuran — 1 dari 270 Pencabutan visa pelajar — 1 dari 263 Kematian karier pertambangan — 1 dari 214 Kehancuran finansial judi — 1 dari 159 Kebakaran rumah akibat petir — 1 dari 461 Kebakaran hutan menghancurkan rumah — 1 dari 120 Malaria (perjalanan) — 1 dari 10.000 Infeksi dari minuman bersama — 1 dari 10.000 Penyakit Chagas — 1 dari 8.475 Cacing pita rubah dari beri liar — 1 dari 8.475 Anak menelan kantong nikotin — 1 dari 7.937 Schistosomiasis — 1 dari 6.667 Kematian mendadak (dewasa muda) — 1 dari 3.922 Kabel tidak aman — 1 dari 3.390 Sepsis dari luka — 1 dari 2.857 Kesadaran saat anestesi — 1 dari 2.500 Serangan panas (luar ruangan) — 1 dari 1.905 Kebakaran rumah — 1 dari 1.818 Rabies dari anjing — 1 dari 1.449 Tenggelam — 1 dari 1.379 Loncat air dangkal cedera tulang — 1 dari 1.111 Rawat inap EVALI — 1 dari 1.064 Tersedak — 1 dari 1.020 Kanker pinang — 1 dari 1.290 Pembekuan darah (penerbangan) — 1 dari 4.651 Pengemudi menewaskan pesepeda — 1 dari 3.937 Remaja tewas di jalan — 1 dari 3.030 Kursi sepeda belakang anak — 1 dari 2.500 Anak tanpa pengaman tewas — 1 dari 2.000 Kematian oleh polisi — 1 dari 4.739 Pembunuhan kehormatan — 1 dari 2.381 Pembunuhan oleh pasangan intim — 1 dari 1.767 Badai — 1 dari 8.929 Kematian kelaparan — 1 dari 6.536 Kematian badai salju — 1 dari 4.367 Gempa Bumi — 1 dari 3.802 Listeria dalam daging olahan — 1 dari 6.061 E. coli berat dari produk segar — 1 dari 4.831 Keracunan makanan (AS) — 1 dari 1.862 Merkuri ikan — 1 dari 1.695 Cedera tulang ikan — 1 dari 1.429 Kebakaran baterai — 1 dari 4.545 Menelan kapsul deterjen — 1 dari 6.494 Tenggelam di kolam — 1 dari 5.882 Displasia panggul bayi tidak diobati — 1 dari 5.000 SIDS — 1 dari 2.398 Perang (sipil) — 1 dari 2.000 Pembengkakan otak flu pada anak — 1 dari 100.000 Kematian akibat sengatan lebah/tawon — 1 dari 76.923 Dengue lokal (daratan AS) — 1 dari 66.667 Kematian anestesi — 1 dari 45.662 Kematian anjing di mobil panas — 1 dari 41.667 Infeksi luka Vibrio vulnificus — 1 dari 32.051 Anafilaksis — 1 dari 27.548 Manipulasi leher kiropraktik — 1 dari 16.667 Keracunan CO — 1 dari 14.006 Hepatitis A (perjalanan) — 1 dari 12.500 Melewatkan imunoterapi alergi — 1 dari 11.111 Akrilamida & kanker — 1 dari 16.667 Kecelakaan bus — 1 dari 100.000 Kecelakaan pesawat — 1 dari 58.824 Kebakaran mobil pascatabrakan — 1 dari 25.000 Kematian di perlintasan kereta api — 1 dari 20.576 Mobil terbenam air — 1 dari 16.667 Gandengan sepeda anak — 1 dari 14.286 Hampir bertabrakan di landasan — 1 dari 13.699 Serangan air keras — 1 dari 94.340 Terorisme — 1 dari 77.519 Penculikan anak oleh orang asing — 1 dari 38.760 Penculikan orang asing — 1 dari 35.211 Kematian mahar — 1 dari 13.158 Kematian senjata tak disengaja — 1 dari 11.299 Kebakaran Hutan — 1 dari 100.000 Tornado — 1 dari 80.645 Tsunami — 1 dari 52.632 Tenggelam di laut — 1 dari 29.155 Banjir — 1 dari 20.202 Kematian akibat panas pasca badai — 1 dari 20.000 Kematian longsor — 1 dari 18.416 Letusan supervolcano — 1 dari 12.376 Sengatan lebah — 1 dari 78.927 Menelan lebah atau tawon — 1 dari 29.155 Sengatan kalajengking fatal — 1 dari 26.110 Kematian anjing cokelat — 1 dari 13.889 Saus kayu manis bertimbal — 1 dari 40.000 Pelepasan zat plastik — 1 dari 16.949 Bayi mati lemas di kursi mobil — 1 dari 64.935 Jatuh kursi bouncer — 1 dari 60.606 Balita tersedak — 1 dari 50.000 Bayi tersedak tanpa pengawasan — 1 dari 50.000 Kematian balita menghadap depan — 1 dari 26.738 Menelan magnet kuat — 1 dari 12.048 Kematian saat snorkeling — 1 dari 21.739 Hewan dalam transportasi — 1 dari 20.000 Kematian dalam tahanan ICE — 1 dari 17.065 Ranjau darat — 1 dari 14.728 Reaksi vaksin — 1 dari 763.359 Aluminium & Alzheimer — 1 dari 169.492 Kebocoran gas di rumah — 1 dari 140.845 Kematian anak di mobil panas — 1 dari 102.041 Glifosat & kanker — 1 dari 1.000.000 Kanker peralatan masak Teflon — 1 dari 169.492 Cedera *roller coaster* — 1 dari 312.500 Feri tenggelam — 1 dari 133.333 Cedera turbulensi — 1 dari 114.943 Penembakan sekolah — 1 dari 192.308 Penembakan massal — 1 dari 113.636 Longsoran Salju — 1 dari 210.526 Petir — 1 dari 209.205 Gigitan ular — 1 dari 884.956 Gigitan laba-laba — 1 dari 833.333 Serangan kuda nil — 1 dari 564.972 Serangan buaya — 1 dari 337.838 Gigitan anjing — 1 dari 142.045 Residu pestisida — 1 dari 1.000.000 Kaleng kotor — 1 dari 200.000 Bahaya bioplastik PLA — 1 dari 169.492 Kematian ayunan bayi — 1 dari 714.286 Tersedak anggur utuh — 1 dari 625.000 Anak tercekik tali tirai jendela — 1 dari 416.667 Anak tercekik kantong plastik — 1 dari 263.158 Baterai kancing — 1 dari 250.000 Kematian tempat tidur miring — 1 dari 238.095 Kematian lift/eskalator — 1 dari 188.324 Ensefalitis Jepang (perjalanan) — 1 dari 2.000.000 Anak + airbag depan — 1 dari 10.000.000 Dampak asteroid — 1 dari 1.351.351 Laba-laba di pisang — 1 dari 10.000.000 Serangan hiu — 1 dari 5.681.818 Serangan beruang — 1 dari 3.787.879 Keracunan beri liar — 1 dari 2.222.222 Serangan piranha — 1 dari 135.135.135 Ponsel di pompa bensin — 1 dari 1.000.000.000 Ponsel di pesawat — 1 dari 1.000.000.000
Lottery jackpot 1 dari 95.238

Baru-baru ini dilihat di perangkat ini