通过社交媒体大数据扩大药物滥用和成瘾研究

介绍

与药物使用(如阿片类药物滥用)有关的用户生成内容和用户互动十分普遍，并且正在迅速成为跨社交媒体平台的交流形式[1，2]。关于这一主题的社交媒体大数据为实时观察和理解问题药物使用的时间趋势和相关风险因素提供了途径[3.]，以及测量大量感兴趣人群的集体人类行为的能力[4]。社交媒体大数据涉及大量的数字化数据资源，其中包含通过社交媒体平台观察到的自然发生的通信现象，可用于计算或可扩展的解决方案，以生成数据驱动的推论。不仅一些人在社交媒体上交流和分享个人经历、问题和对物质使用问题的思考，而且有成瘾问题的人也通过社交媒体上的网络和交流向有类似成瘾问题的人寻求社会支持[5]。Davey和他的同事认为，网络社区和论坛非常适合人们交流有问题的吸毒活动，因为他们假定的匿名性和相对自由，不受地理限制和感知的耻辱[6]。Shutler及其同事指出，Twitter等社交媒体可以成为一个观测平台，可以揭示当前阿片类药物流行的模式，因为用户在推特上发布非法、非医疗使用处方阿片类药物的情况，部分原因是用户认为自己的真实身份得到了保护。7]。

虽然在美国，诸如药物滥用预警网络和全国药物使用和健康调查等完善的资源提供了关于药物滥用行为的重要信息，但众所周知，这些传统平台在向公众提供数据以供可能用于研究方面滞后[3.]。另一方面，关于吸毒问题(如阿片类药物使用障碍)的在线交流在社交媒体上出奇地普遍[8]。这些未经请求的通信数据集为研究人员提供了一个新的机会，可以不引人注目地评估和跟踪各种健康风险、人为因素以及与药物使用有关的新趋势[3.，9]。Daniulaityte及其同事指出，网上科技已成为侦测非法药物使用模式和趋势的主要来源之一[3.]。Miller和Sonderlund建议，在线通信技术可以成为与难以接触的、有非法药物使用问题的人群进行沟通的有效手段[10]。

随着信息和通信技术的进步，寻求健康信息、披露个人健康关切和交换社会支持已成为社会媒体上普遍存在的人际交流形式[2，11-20.]。至关重要的是要建立一个概念框架，以加强我们对社会媒体上与吸毒问题有关的这些自然发生的交流的科学理解。使用社交媒体数据驱动的知识可以帮助研究人员更好地确定这些技术在公共卫生研究中的效用，而不仅仅是从领域专家那里获得的知识。此外，从自我披露的社交媒体数据中得出的计算结果可能会改善对自我报告数据的研究有效性的担忧，即在社会可取性、反应偏差和记忆回忆偏差方面。

由于社交媒体世界与个人真实世界的相似性和反思性，用户生成的社交媒体大数据越来越多地被接受和分析，以观察和预测心理状态和人类集体行为[21，22]。例如，研究人员发现，社交媒体上的交流和个人资料与现实世界中自我的反映有关[23，24]。社交媒体上的沟通模式和互动也可以预测自恋的个人特征[25]、心理功能和健康[26]和性格特征[27，28]。近年来，研究已经证明了社交媒体大数据在理解公共卫生问题方面的效用，从精神健康状况[29]、全民流感监测[30.，31]，在美国大麻合法化的州使用浓缩大麻[32]，以及处方兴奋剂阿得拉[2到对吸食大麻的风险和情绪的感知[17]。

随着越来越多的经验证据表明社交媒体在观察和预测健康行为方面的有用性，人们正在分析与吸毒有关的社交媒体数据，以解决各种研究问题，包括问题物质使用的时间趋势[33，34]、市场变化、社会规范和吸毒的文化方面[35]、公众的看法，以及相关的心理因素(例如情绪)[7])。对这些大规模社交媒体传播数据进行系统评估的结果，可以进一步为关键的外联方法、未来的干预组成部分、减少伤害的方法以及控制和预防战略提供信息，而这些又可以通过重要的社交媒体渠道提供，以促进公共卫生。为了最大限度地利用社交媒体大数据解决美国紧迫的公共卫生问题(例如，药物使用问题、阿片类药物危机)，我们提出了一个概念性框架，旨在指导对通过社交媒体可观察到的与药物使用有关的问题通信的调查，并促进其对公共卫生外展工作的潜在影响。

一个多维框架来分析处方药物使用问题的社会媒体传播

我们的概念将社交媒体上明显的药物使用问题的沟通分为4个关键维度:(1)用户特征，(2)沟通特征，(3)社交媒体上问题物质使用相关沟通的机制和预测因素，以及(4)这些社交媒体沟通在个人和社会层面上的心理和行为后果。

首先，了解用户特征(例如，谁是在社交媒体上分享药物滥用、危险行为和成瘾相关心理状态的用户?)可以对药物相关通信和相关风险进行深入的分组或调节分析[36]。更具体地说，了解这些通信的人口特征可以促进对药物滥用趋势的有针对性的监测，并加强针对感兴趣的特定子群体分类的适度模型的开发[37，38]。

其次，识别目标社交媒体大数据的传播特征可以深入了解与处方药物使用问题相关的自我披露社交媒体传播相关的时间、语言和心理模式[35]。例如，Paul和Dredze领导了一项很有前途的研究，开发数据爬行和监控系统，通过在线通信数据的数据挖掘来捕捉与娱乐性药物使用相关的上下文因素[35]。他们修改并使用了一种多维文本建模方法——析因潜在狄利克雷分配(factorial latent Dirichlet allocation)，将有关药物类型(如可卡因)、传递方法(如吸烟)和结果方面(如影响、健康)等背景因素的先验知识纳入其中。他们的方法证明了数据信息学在捕获和发现任意数量的上下文因素方面的成功应用，这些因素对于理解新的娱乐性药物和趋势具有临床重要性。

正如最近的一项研究所强调的那样，将机器学习技术应用于Twitter上的心理健康诊断，分析社交媒体上关于物质使用问题的自我披露沟通的语言特性，为确定有物质使用问题的人的沟通主题和未满足的需求提供了一个新的机会[39]。了解这些未经请求的社交媒体数据的传播特征将有助于及时启动治疗和健康传播外展策略。此外，可以结合分析这些通信的用户特征来检查通信属性，以确定关于问题物质使用共享特定主题或价(例如，愤怒，恐惧)的交互用户子群体。

第三，调查人们为什么以及在什么情况下使用社交媒体来沟通与药物使用有关的问题，揭示了各种不请自来的行为的机制(例如，自我披露处方药非医疗使用的个人故事;在成瘾恢复过程中使用社交媒体获得社会支持)。通过分析社交媒体大数据，以及用户访谈和自我报告调查来识别这种传播行为机制，可以为研究人员在制定基于社交媒体的预防或干预计划时提供战略性中介结构(例如，[2])。

第四，了解这种未经请求使用社交媒体通信对自己和他人产生的心理影响(例如，自我披露)和行为结果(例如，社会影响)已受到越来越多的公众关注[40]。然而，这一领域的研究尚未得到充分的探索，重点是社交媒体技术在促进健康结果方面的实践和临床潜力[41-43]。社交媒体大数据分析，结合包括纵向跟踪和横断面调查或定性访谈在内的混合方法，可以帮助研究人员确定这些潜在的结果(例如，使用Facebook上的康复支持小组的影响)。研究自然发生的社交媒体传播的结果，可以提供针对关键时刻的干预模型，从而通过社交媒体大规模地提供及时的干预。

将这4个主题整合到一个多维框架中，可以系统地观察解释普遍使用社交媒体进行与吸毒有关的通信的因素和条件。这种多概念框架的发展还可以帮助研究人员和临床医生探索基于社交媒体的通信在提供最先进的药物滥用康复支持和参与系统方面的预测和机制价值。此外，与这一多维框架相关的学习成果将提供数据驱动的战略，以利用社交媒体数据、功能和平台促进健康(例如，宣传活动)，并了解涉及时间敏感的健康问题的人类交流的性质。

在这项工作中，我们首先回顾当前使用社交媒体进行有问题的药物使用相关通信的情况。然后，我们强调了在使用社交媒体大数据进行药物滥用和成瘾研究时的伦理挑战和方法考虑。最后，基于这4个概念维度和伦理考虑，我们对基于社交媒体的药物传播文献进行了叙述性总结，并提出了一种类型学，其中包含旨在解决在使用社交媒体研究处方药的问题和非医疗使用方面的知识差距的关键举措。

社交媒体上毒品相关传播的流行程度及其社会影响

促进物质使用的沟通及其影响

由使用者自行制作内容以推广药物使用(例如对非法药物图片作出正面评论)[44])在Instagram和Twitter等市场领先的社交媒体平台上普遍存在[45]。这些内容可以通过媒体平台内部和跨媒体平台的易于访问的网络联系迅速而广泛地传播[44，46]。卡普罗及其同事对73项研究进行了系统回顾，这些研究利用社交网站来了解各种公共卫生问题，包括性风险和心理健康[47]。该综述报告，86%的综述研究描述了用户生成的内容，并作为对难以接触到的人群中目标健康事件监测的被动观察性调查。他们的评论还暗示，研究人员越来越多地利用各种公共卫生问题领域的社交媒体平台和数据，从而直接受益于以用户为中心的数据的流行，这些数据表明了危险的健康行为和心理状态。然而，这篇系统综述并没有报道基于社交媒体大数据的处方药成瘾研究结果。

Moreno及其同事[48，49研究发现，41%的年轻成年参与者在他们可公开访问的社交媒体资料中有涉及饮酒、吸烟或其他药物使用的图片或信息。当社交媒体用户频繁且反复地接触或参与此类促进物质的通信时，他们可能会变得更接受或对这些危险行为免疫。正如媒体和社会影响框架所指出的那样，在社交媒体上通过社交网络关系共享的促进吸毒的宣传信息可以影响接触吸毒者使这些行为的频率正常化，从而可能改变他们对这些物质的态度或风险看法(例如，[50，51])。一项针对美国青少年的全国性调查发现，在一个具有全国代表性的样本中，40%的青少年在社交媒体上看到过其他青少年醉酒、吸烟或吸毒的照片。46]。根据美国人对药物滥用态度的全国调查，那些在社交媒体上看到同龄人吸毒照片的青少年比那些从未在社交媒体上看到同龄人产生的内容的青少年更有可能吸毒。46]。

社会心理学和媒体传播理论解释了内容曝光与参与被推广行为的意愿增加之间的联系。例如，培养理论[52，53假设频繁的媒体接触危险行为会影响人们对现实的中介版本是真实的信念，从而导致对现实世界中这些危险行为的频率和流行程度的高估。这种对现实的扭曲认知导致人们把媒体描绘的危险或有害的行为，如吸毒，视为相对正常的行为。46，54]。社会学习理论[55]进一步支持了通过社交媒体观察危险行为可以影响人们模仿行为或采用特定价值观和思想的说法。班杜拉社会学习理论[56认为媒体传播可以通过“告知、使能、激励和引导”受众，在很大程度上促进人类信仰和行为的改变(第76页)。

社交媒体通信平台允许物质使用者与广泛的社交网络连接，并随时获取与物质使用相关的内容。社交媒体网站上的新闻动态可以成为一个不断提供个性化和社交化内容的平台，用于社交建模和模仿。这些社交媒体上的社会中介学习过程强调了考虑日常接触内容的后果(例如，模仿)的重要性，这些内容间接或直接地促进了有问题的药物使用。

物质恢复支持和预防沟通及其临床意义

虽然促进药物使用的内容在社交媒体上很普遍，但利用社交媒体网络和在线社区探索对吸毒成瘾问题的康复支持是一种日益流行的交流形式[42]。基于社交媒体的平台(如Facebook群组和Pages)是由自我激励的用户创建和领导的，其目标是为有物质使用问题或正在成瘾康复过程中的用户提供分享和社会支持。Rubya和Yarosh最近发表的研究研究了视频媒介、同伴主导的同步在线戒毒支持社区的特点[42]。虽然他们在研究中考察的平台不是当前市场上的社交媒体平台(如Facebook、Twitter)，但它确实提供了社交媒体组件，如用户交互功能、社交网络功能和参与工具，这些对基于同伴的在线社交支持很重要。57]。Rubya和Yarosh通过数据抓取、自我选择的在线调查和深入访谈，研究了基于视频的在线论坛在成瘾康复中的作用，并报告说，这些论坛被认为对帮助阿片类药物使用障碍患者克服任何可感知的障碍(例如，获取、匿名)以寻求戒毒支持至关重要。

与其在吸毒成瘾方面的应用相比，社交媒体平台上同伴支持和用户参与的价值已被用于戒烟等其他健康情况的健康干预措施[58以及弱势群体的体重减轻[59]。例如，Kim和他的同事[57]使用各种Facebook群组功能进行为期6周的戒烟和减少吸烟干预。他们的研究结果支持通过用户参与度(例如，发表评论的数量)和获得社会支持的数量(例如，参与者获得的“喜欢”的数量)预测的戒烟成功率。这些机制在他们的Facebook小组干预中得到了促进，旨在帮助常规吸烟者戒烟。正如最近两篇关于基于公共卫生利益的基于社交媒体的研究的系统综述所讨论的那样，社交媒体技术和功能尚未被充分应用或用于长期、可扩展的调查，这些调查可以产生成功的基于社交网络的健康传播现象，以促进健康[47，58]。我们进一步认为，尽管社交媒体平台独特的技术功能具有潜在价值，但大多数这些平台尚未被系统地利用，为阿片类药物成瘾康复过程中的人们提供基于证据的内容或科学指导的支持。因此，利用社交媒体平台为药物预防和康复提供支持的公共卫生和临床效益仍未得到充分探讨。

美国疾病控制与预防中心发布的一份全国报告显示，2014年，美国有近4.8万人死于强效物质中毒，超过机动车事故致死人数。[qh]60]。美国国家药物滥用研究所报告称，自2001年以来，美国与药物使用有关的死亡总人数有所增加，2002年至2015年，海洛因过量死亡人数增加了6.2倍。61]。在美国，药物滥用的流行在个人和社会层面上都造成了有害的后果，需要紧急研究，以一种可扩展的、系统的方式来理解这一现象。

社交媒体用户之间的物质使用预防和成瘾恢复支持通信的扩散提供了经验资源，可以系统地分析自然的实时通信数据，并获得对物质使用风险因素、行为模式以及预防和恢复过程的时间敏感见解。应用大数据信息学——检查大量非结构化数据以发现隐藏模式和有用信息的过程[62到物质使用预防和恢复支持相关的社交媒体数据将帮助我们获得关于物质使用相关用户特征及其健康行为的重要和新颖知识[63-65]。鉴于有吸毒问题的人群普遍使用社交媒体，除了通过用户在社交媒体上请求的通信数据了解相关风险行为和因素的潜在机会之外，我们认为这种新方法对于开发以证据为基础的框架，促进成瘾预防和康复支持非常重要。

由于这些临床影响和了解和加强敏感健康问题的机会，包含不同层次用户信息(例如，年龄、性别)以及用户期望和社交媒体背景中嵌入的细微差别的社交媒体数据需要谨慎注意道德界限和做法。在下一节中，我们将讨论在将以用户为中心的社交媒体通信数据纳入行为健康研究时，适用于这一新颖研究环境的关键伦理原则、挑战和考虑因素。

研究有物质使用问题的社交媒体用户的研究者责任与大数据伦理

将社交媒体大数据用于信息学可以提供人群层面的推断，例如模式或趋势识别[66]和自然语言处理[67]，用于药物使用相关行为和心理状态。在使用公开可用和个人相关的通信数据来了解人类健康行为和风险时，应特别注意研究伦理，特别是涉及吸毒成瘾等敏感话题的数据。在设计和执行数据挖掘和信息学之前，应该积极寻求道德原则和从新技术工具中收集的科学发现之间的平衡，并将其付诸实践。Mittelstadt和Floridi [68探讨了从基于大数据的研究的元分析中出现的与研究伦理相关的主题。从这些主题出发，我们利用社交媒体大数据综合出适用于每个研究阶段的相关原则，以了解毒品流行。这些阶段确定如下:(1)确定数据挖掘或检索的搜索范围，(2)进行子群体分析或后续调查，以及(3)传播和呈现社交媒体数据驱动的发现。

社交媒体大数据挖掘与检索

在挖掘和检索社交媒体大数据的整个过程中，重要的是要平衡从用户角度对数据隐私的理解，而不是对数据感兴趣的研究人员的需求，以提供更广泛的公共卫生效益。站在用户的角度(例如，从用户的精神状态出发的信念和优先级)可能是一种有益的道德考虑实践。视角获取是一种以他人为中心的社会认知过程，涉及对目标对象的心理和认知状态的模拟和推断[69]。准确理解用户的想法和期望需要从他们的角度出发，通过产生这些社交媒体通信的用户的视角来感知情况[70]。在社交媒体数据挖掘的背景下，有必要考虑在社交媒体上自我披露个人内容的用户的观点，因为用户对社交媒体帖子隐私的期望可能与研究人员对帖子隐私的看法不同。例如，一种可能的情况是，Facebook用户在“封闭”的Facebook群组中发布关于他们成瘾问题的个人故事，希望这些自我披露的内容将被保存在群组中。研究人员可能将内容视为聚合信息的一部分，从技术上讲，这些信息对加入组的其他人是可用的。在这种特定情况下，社交媒体用户和研究人员对于研究人员应该对社交媒体数据进行多少访问以进行数据挖掘和分析存在感知差异。考虑到这种感知上的差异，未能事先沟通研究目的和数据保护计划可能会让用户感到被欺骗、不知情或被操纵[71]。在数据挖掘和检索之前，我们鼓励研究者理解伦理期望和道德伤害的概念，这是通过风险水平与研究活动中科学发现的价值来评估的，从用户的角度出发，以特定的方式进行。在用户和调查人员之间建立相互理解的一种方法可能是联系群组管理员，以了解群组内规范和用户期望。研究人员可能会要求介绍小组成员，或在小组内协调发布公告，通知小组成员，研究人员可能会以汇总的方式使用匿名数据(不披露个人识别用户信息)用于研究目的(例如，[72])。

为了保护用户的隐私，并了解他们对使用其潜在敏感社交媒体内容(如与药物使用相关的通信)的期望，我们还鼓励研究人员针对潜在的伦理问题构建具体案例的指导方针。例如，哈佛大学的一个研究项目出版了一本指导手册，其中回顾了伦理规范、病例报告和具体指导，以帮助使用社交媒体网站招募和联系患者的研究人员[72]。指南手册提供了一系列在使用社交媒体网站进行患者招募时，研究人员、参与者和不同利益相关者之间可能发生的困境类型情景。指南小册子还提供了每个场景的多个案例分析结果。根据指导手册，我们认为在传统招聘环境中使用的道德和监管实践(例如，尊重隐私)可以应用于社交媒体环境。然而，应该考虑不同的操作含义，例如前瞻性地理解社交媒体社区及其用户的敏感价值，以及基于社交媒体的研究方法对公众信任的影响[73]。鉴于越来越多的研究关注将社交媒体用于观察站资源以及卫生传播外联和交付平台，有必要制定一项具体的道德研究实践准则，以便将自然产生的社交媒体传播数据以及基于社交媒体的网络和用户用于观察目的和卫生外联研究。

正如哈佛大学在招聘研究中使用社交媒体的指导方针所示，针对基于社交媒体的观察性研究中的伦理挑战的特定场景解决方案可以通过前瞻性的“认知排练”(或场景规划)来实施，而不是回顾性的。认知彩排是一种认知行为技术，它允许个人对关键事件形成一套有效的反应。认知预演方法[74，75]是基于这样的假设:一个人对关键事件的反应可以通过阅读说明和建立特定事件反应的知识库来学习和增强。通过认知预演技术，个体可以在面对之前预演的事件时，从脚本反应中适应学到的技能。认知预演方法已被用作一种干预成分，以改善对冲动控制问题和横向暴力的反应[74]。这些认知预演技术可以应用于具有挑战性的事件中，特别是与大数据使用有关的伦理困境。通过提前“预演”情境和事件，并产生指导性的指导方针，研究人员可以更好地为这些情况的出现做好准备，从而在研究人员和感兴趣的社区之间建立健康的学术文化和相互信任。这种针对特定场景的移情方法可用于检查社交媒体大数据，可应用于各种数据挖掘和检索活动，包括制定数据匿名化协议，实施适用于数据挖掘的保密和数据保护计划，以及动员与社交媒体用户进行知情同意过程的战略沟通计划。

亚组分析及随访调查

研究人员的责任扩展到维护数据的机密性和保护，并确保研究活动的透明度。这些活动不仅包括数据挖掘和分析，还包括子群体分析或后续调查(例如，在子群体之间分发调查，或邀请干预)。调查人员可能需要进行后续调查或干预，以解决由大数据驱动的调查结果提出的问题。电子数据是可追溯的，技术的进步可以让已被识别的社交媒体数据被重新识别。因此，如果用户的数据在未经用户事先同意的情况下从社交媒体上被汇总，那么后续过程中的保密失败或缺乏透明度可能会引起用户的极大关注。在大数据研究中的数据保护和人的自主性问题上，研究者和政策制定者应该认识到，接触作为大数据驱动研究结果属性的个人的伦理影响和社会后果，即使个人属性对于大数据驱动知识的总体水平是不可察觉的[68，76]。在进行后续调查之前，研究人员应该考虑受试者的权利，并将研究活动的科学发现价值与具体情况的风险水平进行权衡。此外，我们应格外小心，不仅要注意重认研究对象的机密性和私隐性，以及资料的保安和保障，而且要注意为跟进目的而进行的研究活动与相关网站的政策和使用条款的合规性[72]。

社交媒体大数据驱动研究结果的传播

新兴技术和大数据所涉及的伦理问题，超出了为实现研究目标而确定的伦理问题。研究人员还负责以道德的方式传播从社交媒体大数据中提取的发现[77]。即使个人数据的匿名化是成功的，按特定的地理特征、社会经济地位、健康状况、危险行为或这些特征的组合描述参与者的调查结果也可能导致对这些群体的歧视和污名化，从而可能增加群体层面的伤害和风险[78]。忽视群体层面的伤害(例如，在一篇学术文章中报告的大数据驱动的研究结果增加了成瘾康复患者的污名化)的后果是不容忽视的，并可能影响到所确定的群体或社区的广泛成员[79]，包括那些选择退出研究的人。可重新识别的匿名数据在群体层面的影响需要进一步研究探索其对群体用户的社会影响(例如，群体层面的耻辱和群体层面的隐私)以及对具有特定人口特征或健康相关问题的子群体的潜在意外歧视[80]。

伦理原则，包括“自主、保护、安全、利益最大化、伤害最小化和尊重善行”的基本权利([81]，第4页)，是不难理解的概念。然而，将这些原则应用于敏感的社交媒体大数据环境(例如，物质使用)可能会引发道德挑战。与利用社交媒体大数据取得研究成果的速度相比，社交媒体大数据驱动的健康研究的伦理协议和准则的发展相对缓慢。这些挑战需要对基于社会网络的社区的动态具有特殊的敏感性，并且只能通过仔细参与反复的伦理决策过程来解决，包括前瞻性地设计研究和回顾性地从相关文献中进行的伦理实践中学习。

方法

我们根据一个关键的审查过程开发了一个类型学[82]。批判性审查的优势不仅在于审查过程对先前工作的评估，还在于它产生的思维模式可以提供概念框架发展的新阶段[82]。该类型学侧重于根据4个概念属性提供一组相关的先前研究:(1)以促进或预防和控制为目的从事物质使用相关通信的用户的特征;(2)物质使用相关沟通的性质，如其价态、表达的情感属性和互动模式;(3)社交媒体传播行为的社会心理影响因素及机制;(4)问题物质使用相关社交媒体传播对使用者的影响。这种知识开发方法旨在详细说明和确定社交媒体作为有物质使用问题的用户的沟通传递手段和观察平台的效用。开发一个多维框架可以进一步帮助理论化和综合潜在的因素和条件，这些因素和条件影响网络社区中因问题物质使用相关原因而使用社交媒体的行为[43]。

在我们的批判性综述中，1名研究人员(SJK)独立地在PubMed数据库和JMIR出版物的“信息流行病学和信息监测”主题的整个电子馆藏中检索了相关文献，其中包括卡塔尔世界杯8强波胆分析医学互联网研究杂志以及其他JMIR期刊中以该主题为索引的文章(//www.mybigtv.com/themes/69)。搜索关键词是“处方药滥用”、“非医疗药物使用”、“社交媒体”、“社交网站”、“大数据”、“数据挖掘”、“社交媒体数据”、“信息学”、“机器学习”、“Twitter”、“Instagram”和“Facebook”。然后，该研究人员(SJK)根据主题相关性(即处方药的问题或非医疗使用)评估已发表研究的标题和摘要，并纳入使用社交媒体通信数据和计算分析方法(例如，数据挖掘、社会网络分析和监督或无监督自然语言处理)的研究。

鉴于审查的范围-即关注如何使用社交媒体大数据来理解非医疗或问题使用处方药的沟通和行为模式-在我们的类型学中，我们没有包括报告来自非社交媒体平台(例如，在线论坛)的数据，其他物质的问题使用(例如，酒精，香烟和大麻)或非计算分析方法(例如，仅调查)(例如，[1，3.，5，6，35])。请注意，证明文章检索的系统性质和进行质量评估不是关键评价的组成部分，因此，不需要合并试验报告标准(CONSORT)图。通过筛选PubMed数据库内的大量检索文章以及整个电子馆藏主题为“信息流行病学与信息监控”的文章医学互联网研究杂志，我们回顾了8项高度相关且符合所有纳入标准的研究结果。我们报告了与4项研究调查相关的研究的经验证据，方法和计算方法，以及每项研究中讨论的伦理实践和考虑(多媒体附录1［2，4，7，33，36，83-85])。

结果

多媒体附录1列出符合资格标准并与感兴趣的主题密切相关的研究，以及4个概念维度，以及方法和伦理领域。

用户的特点

在社交媒体上分享药物使用相关通信的用户的特征是根据一般群体特征报告的，如大学生、青年和青少年、Twitter用户和Instagram用户。不同类型和程度的物质使用往往与不同的人口特征有关，包括性别、年龄和社会经济地位[38]。用户的人口统计学和社会心理特征可以作为社交媒体上与物质使用相关的某些类型和模式的分类标记(例如，带有积极行为动词的多种药物使用推文)。了解具有特定用户特征的社交媒体通信数据，可以在针对及时干预、成瘾恢复支持系统或通过社交媒体进行戒毒康复活动时，为子群体的划分提供信息。然而，在分析传播特征的同时分析或结合用户特征的研究相对较少。

沟通特点

所有审查的研究都考察了各种沟通特征，从与非医疗使用处方兴奋剂相关的地理和时间趋势，到与处方药物使用问题相关的社交媒体沟通的情感(例如，积极与消极内涵、情绪)、情境(滥用与治疗)和主题(例如，感觉兴奋)等方面。[33])。在一项杰出的工作中，Hanson和他的同事分析了非医疗目的(例如，作为研究辅助)的药物摄入的替代动机和潜在副作用，通过tweet匹配[33]。Hanson和他的同事还研究了社会网络因素如何解释处方药的非医疗使用和相关的风险行为[2]。综述文章中的经验证据表明，聚合的、带有时间标记的社交媒体大数据可以揭示有问题处方药和多种药物使用的语言特征、互动活动(如发布描述药物使用的文字或图像内容)、吸毒需求和想法、社会关系以及风险行为。

机制和预测因素

在直接审查与药物滥用有关的社交媒体通信的缓和因素或机制因素方面的工作有限。在我们审查的研究中，社会媒体传播对处方药非医疗使用的预测因素和机制(例如，态度、风险认知)没有直接调查，因此在很大程度上仍未得到充分探索。运用媒体的使用与满足理论，可以揭示个人在社交媒体上分享或参与此类内容的动机，以及这些媒体活动为有物质使用问题的人提供了何种媒体使用满足(例如，娱乐，分享问题以获得道德支持)[86，87]。了解社交媒体用于药物相关通信的这些机制(例如，与药物使用有关的活动和寻求康复支持)可以产生临床见解，了解如何以临床有意义的方式使用这些特征，以满足有药物使用问题的人的现实需求。例如，有物质使用问题的人披露和分享信息，并与他人互动，以促进物质使用以及预防和恢复相关目的。这些自我发起的交流活动可能与药物使用者的心理缺陷或对社会支持的需求有关，或者可能与药物使用者发现自我表露活动在治疗上有益的发现相吻合[57，88]。机械调查可能有助于研究人员和临床医生在考虑设计和开发有效治疗药物使用问题的干预措施时确定关键因素。

结果

参与和接触有关问题药物使用的社交媒体通信的心理和行为后果(例如，模仿危险健康行为的行为意图增加)是另一个尚未充分研究的研究领域。在回顾的研究中，没有直接检查或经验确定这一维度。然而，在一些研究中讨论了了解这些结果的各个方面的重要性[7，33]。例如，Shutler及其同事讨论了在社交媒体上使非法药物使用行为正常化的潜在假定影响[7]。Hanson和他的同事们讨论了关于非医疗使用Adderall(例如，作为研究辅助)的推特的流行如何可能产生一种误解，即危险的药物使用行为在同龄人群体中是可以接受的，而这反过来又可能导致滥用药物行为在社会上正常化，并增加滥用程度。33]。

了解媒体曝光和参与对有问题的药物使用相关通信的短期和长期影响，除了社交媒体大数据分析外，可能还需要基于人群层面的调查或纵向随访调查。通过研究将社交媒体用于药物促销或预防和控制相关目的的心理和行为影响，调查人员可以很好地提高他们在利用社交媒体平台促进健康以解决公共卫生问题(如非医疗和有问题的处方药使用)时开发理论和方法模型的能力。调查结果维度也将有助于研究人员了解社交媒体作为行为干预平台的临床意义和效用。

方法论的域

对于数据挖掘过程，一些研究开发并测试了他们自己的社交媒体数据监控和爬行系统。例如，Cameron及其同事开发了处方药滥用在线监测和流行病学(PREDOSE)基础设施，以提取和分析有关处方药滥用的非结构化社交媒体文本数据的实体和情感[83，89]。数据收集周期因研究而异，由两星期至一年以上不等(例如，[7，36])。

除了Correia及其同事进行的2项研究外[4，他使用了Instagram的数据，卡梅隆和同事[83]，他没有透露被分析的社交媒体平台的名称，所有其他被审查的研究都分析了Twitter的数据。此外，除了Hanson等人的研究[2研究了社交网络，大多数被回顾的研究都考察了Twitter通信数据的语言特性。在此过程中，他们将不同的机器学习(有监督或无监督学习)模型应用于过滤后的Twitter文本数据的随机子集，以识别与非医疗处方药或多种药物使用相关的常见潜在主题、模式和情绪(例如，[84])。一项由Hanson和他的同事领导的研究，通过选择包含2227个独立Twitter用户的25个tweet网络子集，调查了大学生中非医疗或滥用处方药和多种药物使用的社交网络。他们探索了每个网络中的社交圈和互动模式[2]。他们使用了混合的方法，包括人工编码、定性内容分析和手动注释任务，以及过滤的关键字搜索，作为迭代过程的一部分，以精确理解大量Twitter内容，这些内容促进处方药的非医疗使用，如阿片类镇痛药[7，33，36，84，85]。

道德领域

在已审阅的研究中，有4项报告其研究已获院校覆核委员会批准[2，33，83]。两项研究报告称，内部审查委员会的审查获豁免或不适用[7，36]。一些研究没有明确报告或讨论审查审查委员会的审查和批准情况[4，84，85]。被审查的研究使用了Twitter文本数据或Instagram数据，这些数据集被认为是公开开放的来源，尽管感兴趣的主题是处方药的使用问题，这可能是个人的和风险敏感的。一些研究人员报告了他们遵守IRB指导方针的道德实践。例如，卡梅隆和他的同事[83没有透露他们分析的社交媒体平台的名称，Kalyanam和同事[84]讨论了数据匿名化过程(例如，在分析之前删除用户名和个人资料信息)。在大多数研究中，没有详细讨论潜在的伦理问题和实践。这可能部分是因为他们研究中的社交媒体数据被认为是公开的，或者因为讨论道德方面的问题并不直接在他们的研究范围内。

讨论

药物使用的有害后果突出表明，迫切需要进行研究，以可扩展和系统的方式了解毒品流行。对社交媒体内容进行大数据分析，使研究人员能够对感兴趣的现象产生基于数据的见解，例如在社交媒体平台上分享的问题物质使用的宣传传播。利用社交媒体数据监测和观察处方药物的问题使用，例如止痛类阿片药物的非医疗使用，是生物医学研究中尚未探索的一个领域。在我们回顾的类型学研究报告中，通信特性被用于识别高风险事件[90]，这表明社交媒体数据作为一种资源在扩大物质使用问题监测系统方面的潜在效用。更具体地说，通过与药物使用相关的搜索关键词汇总的社交媒体传播数据可以表明药物依赖的程度和阶段，参与成瘾恢复支持小组的患者的行为，曾经有或没有复发的吸毒者，或者现在有或没有依赖的吸毒者。鉴于从事或正在从事非医疗使用阿片类药物等处方药的人在社交媒体上发布的大量信息，利用社交媒体平台和数据将有助于深入了解集体公共卫生风险行为的重要新发现。

在本文中，我们提出了一个适用于社交媒体传播数据的多层次框架和伦理考虑，以理解问题药物使用现象。基于框架中的4个维度，以及方法论和伦理领域，我们对基于涉及处方药物使用问题的社交媒体传播数据的实证研究结果进行了批判性、叙述性的回顾。4个主要概念维度是(1)理解在社交媒体上分享非医疗物质使用数据(如文本、图片)的用户的特征;(2)该自公开数据的通信特性;(3)社交媒体传播对处方药物问题使用的影响因素及潜在机制;(4)使用社交媒体进行有问题的药物使用相关通信可能对用户自己(如活跃用户)或其他人(如观察者、潜伏者)产生的心理和行为后果。有药物使用问题的人群使用社交媒体的状况正受到越来越多的关注。我们在我们的类型学中设计了一个基于证据的多概念框架，以告知潜在的未来研究方向，这也可能为公共卫生推广策略以及基于社交媒体的物质使用预防和恢复干预计划的发展提供见解。

通信技术和信息学的进步为通过社交媒体上自然发生的、自我披露的通信来理解物质使用问题提供了新的机会。这项研究需要数据科学家、社会科学家和临床医生之间的多学科合作，通过社交媒体上有问题的药物使用相关通信，系统地构建和识别正在发生的药物滥用问题。各种社交媒体的特点和特征(例如，易于访问、可感知的匿名性)、大规模的自动化分析方法，以及共享和参与此类通信的用户活动的流行，都强调了利用社交媒体平台和数据来研究吸毒趋势、模式、潜在心理和后续结果的好处。关于美国非医疗使用处方药的全国公共卫生问题的社交媒体大数据也可以在个人层面(例如，为成瘾康复支持寻求社会支持)以及社会层面(例如，关于这一主题的公共卫生运动努力)产生实际影响。尽管在社交媒体大数据研究领域存在着一系列不同的、扩展的伦理挑战，但我们预计，以原则为导向的、多学科的、迭代的过程将很快开始为这一主题融合。我们还提出了社交媒体大数据的准确性和敏感性的重要性，这可能容易出现I类错误(即错误识别和过度生成数据推断)[3.，91])。在未来的研究中，可以采用调查研究和招募策略相结合的混合方法进行纵向随访调查，以提高社交媒体数据驱动研究结果的有效性。

我们承认缺乏适用于社交媒体大数据用于物质使用监测和观察系统的理论框架[91]。为了弥补研究中的这一空白，我们提出了一种通过社交媒体数据可追溯和观察到的物质使用流行病的类型。本知识综合旨在分析本课题的研究现状，指导未来的研究方向。在这种类型中，我们专注于以前使用自动数据分析(如计算语言分析和社交网络分析)的工作，而不是使用纯粹基于内容分析或非计算方法的手动编码的研究成果。回顾的文章纳入了监督或无监督机器学习和各种计算方法的发现。经检讨的研究结果显示，与传统的调查和人工编码内容分析方法(例如:[33，84])。

在本文中，我们旨在提供关键的概念应用、伦理考虑、基于社交媒体数据的经验证据，以及以非医疗和有问题的处方药使用为中心的主要公共卫生问题范围内的类型学框架。正如《新型类型学》中所提出的，整合4个概念维度和多学科研究努力可能会提高我们对美国处方药使用问题的全国性危机的认识。未来的研究可以使用本文提出的概念框架和观点，作为推动这一重要主题的科学研究的杠杆。