在Twitter上的COVID-19期间，公共和私营医疗机构之间的协同作用:使用预测模型进行情绪和参与分析gydF4y2Ba

介绍gydF4y2Ba

背景gydF4y2Ba

社交媒体平台(SMPs)，如Twitter、Facebook和Reddit，通常被人们用来获取健康信息。在美国，80%的互联网用户在线获取健康信息，其中74%的人使用smp。与此同时，公共卫生机构和制药公司经常使用社交媒体与公众接触[gydF4y2Ba1gydF4y2Ba]。smp通过为公众、患者和卫生保健专业人员(HCPs)提供交流平台来讨论健康问题，最终导致更好的结果，从而对社区做出了重大贡献[gydF4y2Ba2gydF4y2Ba]。此外，smp还通过促进保健教育和向社区提供最新信息，作为激励患者的媒介[gydF4y2Ba1gydF4y2Ba]。分析医疗保健领域的社交媒体内容可以揭示重要的维度，例如受众范围(例如，关注者和订阅者)、帖子来源(例如，制药公司、公共卫生机构)和帖子交互性(例如，点赞、转发的数量)[gydF4y2Ba3.gydF4y2Ba]。最近的一项研究讨论了一种机器学习(ML)方法来检查Twitter上的COVID-19 [gydF4y2Ba4gydF4y2Ba]。虽然它确定了讨论主题，但没有研究如何理解公共卫生机构和私人组织共享的内容。gydF4y2Ba

相关的工作gydF4y2Ba

患者和医务人员使用smp的积极影响先前已讨论过[gydF4y2Ba5gydF4y2Ba]。患者感到被赋予了权力，并与他们的医护人员建立了积极的关系。例如，Ventola [gydF4y2Ba1gydF4y2Ba]讨论了smp作为分享和促进健康习惯、分享信息和与公众互动的工具。Li等[gydF4y2Ba6gydF4y2Ba]对社交媒体对公众的影响进行了分析。他们的研究讨论了公众对健康相关内容的看法，分为真实、有争议或虚假;研究表明，人们在社交媒体上分享与健康相关的言论时，有一种接受集体观点的强烈倾向。gydF4y2Ba

有不同的主题聚类和内容分析技术可用于识别smp上利益相关者的特征(例如，制药公司的药物信息推文)[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba8gydF4y2Ba]。先前的一项研究概述了医疗保健中用于情感分析的技术[gydF4y2Ba9gydF4y2Ba]。研究人员讨论了多种基于词典和基于机器学习的方法。此前对制药企业的讨论主要集中在COVID-19疫苗相关的舆论上[gydF4y2Ba10gydF4y2Ba，gydF4y2Ba11gydF4y2Ba]。研究人员使用潜在狄利克雷分配(LDA)和价感知字典和情绪推理器(VADER)，研究了随着时间的推移主题，趋势和情绪[gydF4y2Ba10gydF4y2Ba]。gydF4y2Ba

之前的研究工作还集中在七国集团领导人在COVID-19期间在Twitter上的反应[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba13gydF4y2Ba]。该研究将病毒式推文分为适当的类别，最常见的是gydF4y2Ba信息丰富的gydF4y2Ba。此外，研究人员最近就COVID-19期间使用Twitter的利弊进行了讨论[gydF4y2Ba14gydF4y2Ba]。2020年进行的一项流行病学研究调查了推特上的新闻分享行为。虽然它的结论是，包含分享大流行信息的新闻文章的推文很受欢迎，但它们不能取代公共卫生机构、组织或卫生保健提供者[gydF4y2Ba15gydF4y2Ba]。此外，通过人工智能(AI)研究公众情绪可以为制定公共卫生政策提供一种方法[gydF4y2Ba16gydF4y2Ba]。gydF4y2Ba

COVID-19在短时间内导致了公众情绪的迅速变化[gydF4y2Ba17gydF4y2Ba]。人们表达了对身体健康的喜悦和感激之情，以及对生命的丧失和居家命令的悲伤和愤怒[gydF4y2Ba17gydF4y2Ba，gydF4y2Ba18gydF4y2Ba]。了解公众对健康相关内容的看法很重要。虽然大多数人对社交媒体持积极态度，但有些人认为需要更多的关注来提高共享信息的可信度[gydF4y2Ba19gydF4y2Ba]。人们试图捕捉人们对这一流行病的反应;然而，它们的范围有限。一项研究通过主题建模调查了北美对公共卫生干预措施的关注[gydF4y2Ba20.gydF4y2Ba]，而另一项研究则研究了信仰和易感性信息在Twitter公众参与中的作用[gydF4y2Ba21gydF4y2Ba]。统计分析还表明，医疗机构必须主动与消费者进行更多接触[gydF4y2Ba22gydF4y2Ba]。在使用smp时，风险沟通策略的重要性不容忽视[gydF4y2Ba23gydF4y2Ba]。gydF4y2Ba

虽然一条推文的参与度和情绪只有在发布后才能计算出来，但预测提供了一种提前预测情绪的迷人方式。基于时间序列的策略，如自回归综合移动平均(ARIMA)和向量自回归(VAR)，已被用于预测smp的情绪[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba25gydF4y2Ba]。季节性自回归外生因素综合移动平均(SARIMAX)模型最近被用于通过Twitter上的情绪临近投射来洞察人们当前的情绪状态[gydF4y2Ba26gydF4y2Ba]。gydF4y2Ba

ML和自然语言处理(NLP)算法最近已在各种实例中使用;例如，贝叶斯脊和脊回归模型被用于大规模数据集的情绪预测和医疗保健分析[gydF4y2Ba27gydF4y2Ba，gydF4y2Ba28gydF4y2Ba]。弹性网和套索回归先前已用于医疗保健访问管理和信息交换[gydF4y2Ba29gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba]，而线性回归、决策树和随机森林模型通常用于流行病水平的疾病跟踪[gydF4y2Ba31gydF4y2Ba]。不同的回归增强算法，如AdaBoost、光梯度增强和梯度增强，也已用于疾病爆发预测[gydF4y2Ba31gydF4y2Ba]。Prophet是一个Python库包，最近被用于COVID-19爆发预测[gydF4y2Ba32gydF4y2Ba]。gydF4y2Ba

客观的gydF4y2Ba

社会媒体传播对医护人员的影响已被广泛讨论[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba]。虽然他们专注于从社交媒体中提取健康和疾病相关内容的优势和方法，但目前对公共卫生机构、非政府组织(ngo)和制药公司如何使用社交媒体与社会产生共鸣缺乏了解。此外，对推文情绪的研究可以补充现有的模型，为未来的推文生成内容。预测推文的情绪是实现这一目标的一种方法。因此，将这些文本内容转化为信息，以制定未来战略，并获得对社交媒体用户看法的宝贵见解，这一点至关重要。gydF4y2Ba

本文的其余部分结构如下:首先，在方法部分中提出了使用性能最佳的聚类算法对主题建模进行初步分析，然后使用CardiffNLP的情感和参与分析gydF4y2Batwitter-roberta-base-sentimentgydF4y2Ba模型。然后，我们在完整的数据集上使用16个单变量模型进行了基于时间序列的情绪预测。Results部分概述了获得的模型主题，这些主题用于生成热图，以深入了解主题相关的tweet。接下来，我们讨论了用户粘性及其影响，以了解是否有更高水平的用户粘性受到任何离线事件的影响。此外，我们还讨论了表现最好的情绪预测模型的结果。最后，在讨论部分，我们得出结论，并对未来的工作提出了纲要。gydF4y2Ba

方法gydF4y2Ba

数据集gydF4y2Ba

本研究的数据(181469条推文)是从美国和加拿大主要医疗机构、制药公司和世界卫生组织(WHO)的账户中收集的，使用Twitter学术API for Research v2 [gydF4y2Ba35gydF4y2Ba在2017年1月1日至2021年12月31日期间。排名前五的制药公司是根据医疗保健专业人员在Twitter上提出的建议选出的[gydF4y2Ba36gydF4y2Ba]。gydF4y2Ba表1gydF4y2Ba列出为每个Twitter句柄抓取的tweet数。每个组织被称为gydF4y2Ba用户gydF4y2Ba，将组织类型(即制药公司、公共卫生机构、非政府组织)称为本研究范围内的用户组。gydF4y2Ba

完整的时间线分为两个阶段进行分析，gydF4y2Ba之前gydF4y2BaCOVID-19和gydF4y2Ba在gydF4y2Ba基于2020年2月26日确认的北美首例COVID-19社区传播病例[gydF4y2Ba37gydF4y2Ba]。gydF4y2Ba图1gydF4y2Ba介绍了研究框架的概述。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

内容分析gydF4y2Ba

将每个用户的内容分为COVID-19之前和期间2个阶段。我们使用表现最好的主题模型产生的主题对组织撰写的推文进行主题建模，以便在热图的帮助下探索谈论最多和最少的主题。此外，我们还研究了这些组织使用的十大话题标签。gydF4y2Ba

预处理gydF4y2Ba

首先，所有非字母(数字、标点、换行字符和额外的空格)和统一资源定位器(url)都使用正则表达式模块(gydF4y2Ba再保险2.2.1gydF4y2Ba) ［gydF4y2Ba38gydF4y2Ba]的所有推文。清理后的文本然后使用gydF4y2Banltk 3.2.5gydF4y2Ba图书馆(gydF4y2Ba39gydF4y2Ba]。接下来，删除停止词，然后使用PorterStemmer进行词干提取，然后使用WordNetLemmatizer从gydF4y2BanltkgydF4y2Ba。gydF4y2Ba

主题建模gydF4y2Ba

研究人员使用术语频率逆文档频率(TF-IDF)为tweet创建文档嵌入[gydF4y2Ba40gydF4y2Ba]。根据他们的方法，我们对推文进行预处理并生成文档嵌入，并将其输入5种不同的聚类算法:LDA、并行LDA、非负矩阵分解(NMF)、潜在语义索引(LSI)和分层狄利let过程(HDP)。这些聚类算法以不同的随机种子值执行了5次。种子值解释了tweet的简短和嘈杂的性质。我们计算了主题模型的一致性分数，cgydF4y2Ba_{马塞诸斯州大学的gydF4y2Ba}［gydF4y2Ba41gydF4y2Ba]和cgydF4y2Ba_vgydF4y2Ba［gydF4y2Ba42gydF4y2Ba]，以确认多次运行后的性能一致性。gydF4y2Ba

我们使用Gensim LDA [gydF4y2Ba43gydF4y2Ba]、Gensim LDA多核(并行LDA) [gydF4y2Ba44gydF4y2Ba]， Gensim LSI [gydF4y2Ba44gydF4y2Ba，gydF4y2Ba45gydF4y2Ba)模型。对于NMF和HDP模型，我们对大型语料库使用在线NMF [gydF4y2Ba46gydF4y2Ba]和在线变分推理[gydF4y2Ba46gydF4y2Ba，gydF4y2Ba47gydF4y2Ba]模型。gydF4y2Ba

的热图gydF4y2Ba

生成热图使用gydF4y2BaseaborngydF4y2Ba分析每个主题的推文数量。利用每个时间阶段(即COVID-19之前和期间)表现最佳的主题模型产生的主题来生成热图。每个单元格表示组织针对特定主题的tweet总数。例如，在制药公司中，阿斯利康(AstraZeneca)在COVID-19之前的慢性病推文数量最多(n=1729, 49.9%)。gydF4y2Ba

标签gydF4y2Ba

用户推文中提到的前10个标签使用gydF4y2Baadvertools 0.13.0gydF4y2Ba模块(gydF4y2Ba48gydF4y2Ba]。这个工具提取社交媒体帖子中的话题标签。利用该模型分析疫情前和疫情期间推文行为的异同，进行话题分析。gydF4y2Ba

情绪分析gydF4y2Ba

情感分析是一种NLP方法，用于根据每条tweet中使用的关键字对Twitter消息中出现的情感进行分类。我们测试了不同的模型，将用户的推文分为3类:积极、消极和中性。虽然对于应该采样多少条推文没有共同的阈值，但我们看到了大约2000条推文的范围[gydF4y2Ba49gydF4y2Ba-gydF4y2Ba51gydF4y2Ba]到几千条推文[gydF4y2Ba52gydF4y2Ba-gydF4y2Ba54gydF4y2Ba在测试模型时。在这项研究中，我们在数据收集时间框架内均匀分布了3000条推文，这些推文来自所有Twitter句柄。然后，推文被3个不同的注释者标记，投票最高的情绪类别被选为整体情绪。CardiffNLP的gydF4y2Batwitter-roberta-base-sentimentgydF4y2Ba模型(gydF4y2Ba55gydF4y2Ba]，它是在6000万个Twitter语料库上训练的，用于获得采样数据集上的情感标签。我们检查了人类注释和模型标签之间的相似性，CardiffNLP模型的相似性百分比为69.96%;因此，该模型被用来预测用户对剩余推文的情绪。gydF4y2Ba

参与分析gydF4y2Ba

对于给定的用户，Twitter定义了用户粘性[gydF4y2Ba56gydF4y2Ba]如式(1)所示:gydF4y2Ba

,“gydF4y2Ba订婚gydF4y2Ba是每条推文的点赞数、回复数、转发数、媒体浏览量、推文扩展数、个人资料数、标签数、URL点击数和新关注者数的总和，以及gydF4y2Ba印象gydF4y2Ba是一条推文在推特上被看到的总次数，比如通过关注者的时间轴、推特搜索，或者因为有人喜欢你的推文。”gydF4y2Ba

研究人员通过提出启发式和基于神经网络的模型，分析了Twitter句柄的影响(受欢迎程度)[gydF4y2Ba57gydF4y2Ba-gydF4y2Ba59gydF4y2Ba]。我们将其定义为关注者、关注者、tweets总数和个人资料年龄的函数，并使用式(2)进行计算:gydF4y2Ba

在哪里gydF4y2BalistedCountgydF4y2Ba此用户所属的公共列表的个数。gydF4y2Ba

用户发布的tweet总数被认为与用户的影响力成反比，因为偶尔发布tweet并获得较高参与度的用户比经常发布tweet但参与度较低的用户更有影响力。gydF4y2Ba

参与分析是为了量化所产生的话题的受欢迎程度。每个用户的参与度定义为每天平均参与度与其影响力的乘积，如式(3)所示。每天平均参与度计算为每天点赞、回复、转发和引用的总和。这些反应汇总自2017年1月1日至2021年12月31日。gydF4y2Ba

指数移动平均线(EMA)计算每个用户的窗口跨度为151天，使用z-score去除异常值，然后使用Savitzky-Golay过滤器将每天的平均参与度平滑到8度[gydF4y2Ba60gydF4y2Ba]。gydF4y2Ba

情绪预测gydF4y2Ba

为了预测每天的情绪，我们首先需要量化每个用户每天发布的推文的整体情绪。我们利用了CardiffNLP的gydF4y2Batwitter-roberta-base-sentimentgydF4y2Ba模型(gydF4y2Ba55gydF4y2Ba]来计算收集到的用于我们分析的所有推文的情绪，然后根据当天推文数量最多的情绪类别计算每日情绪得分，如式(4)所示，然后根据情绪:0为分配情绪得分gydF4y2Ba中性gydF4y2Ba情绪，正面推文数与总推文数之比gydF4y2Ba积极的gydF4y2Ba情绪，以及负面推文数与总推文数之比gydF4y2Ba负gydF4y2Ba情绪。gydF4y2Ba

然后将每日情绪得分重新采样为每月平均情绪得分，这也有助于我们处理缺失值(如果有的话)。如前所述，将完整的时间线分为2个阶段(即COVID-19之前和期间)，并在每个时期对所有用户组的20%数据集进行情绪评分预测。gydF4y2Ba

使用网格搜索找到最优超参数，并对每个模型进行5次交叉验证。的gydF4y2BastatsmodelgydF4y2Ba图书馆(gydF4y2Ba61gydF4y2Ba]用于ARIMA [gydF4y2Ba62gydF4y2Ba]及SARIMAX [gydF4y2Ba63gydF4y2Ba模型，以及gydF4y2BapycaretgydF4y2Ba［gydF4y2Ba64gydF4y2Ba]用于基于回归的模型。我们还报告了gydF4y2Ba先知gydF4y2Ba［gydF4y2Ba65gydF4y2Ba在数据集上建立模型。gydF4y2Ba

选择平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)三个指标来评价模型的预测精度。我们在本研究中考虑提前一步预测，因为它有助于避免与前一时期累积误差相关的问题。gydF4y2Ba

计算资源gydF4y2Ba

这项研究是利用加拿大计算机(现称为加拿大数字研究联盟)的资源进行的，这些资源提供了对先进研究计算(ARC)、研究数据管理(RDM)和研究软件(RS)的访问。以下是国家服务(数字研究联盟)的一个集群提供的计算资源列表，Graham:gydF4y2Ba

• CPU: 2x Intel E5-2683 v4 Broadwell@2.1 GHzgydF4y2Ba
• 内存(RAM): 30gbgydF4y2Ba

结果gydF4y2Ba

内容分析gydF4y2Ba

每个模型所使用的参数细节见gydF4y2Ba多媒体附录1gydF4y2Ba表1。gydF4y2Ba表2gydF4y2Ba显示了平均连贯分数(cgydF4y2Ba_vgydF4y2Ba和cgydF4y2Ba_{马塞诸斯州大学的gydF4y2Ba})。虽然HDP有最高的cgydF4y2Ba_vgydF4y2Ba在两个时间阶段(即COVID-19前和期间分别为0.696和0.650)，NMF得分最高gydF4y2Ba_{马塞诸斯州大学的gydF4y2Ba}得分(分别为-3.653和-3.794)，并为数据集生成最有意义的主题(见gydF4y2Ba多媒体附录1gydF4y2Ba表S2和表S3)。因此，选择NMF生成的前5个话题在Google搜索结果的第一页进行搜索。然后检索结果内容来解释提取的主题关键字，以提出合适的主题名称。例如，对于主题模型生成的关键字集gydF4y2Ba社区卫生gydF4y2Ba，gydF4y2Ba护理gydF4y2Ba，gydF4y2Ba社区卫生服务gydF4y2Ba，gydF4y2Ba健康中心gydF4y2Ba，gydF4y2Ba家庭保健中心gydF4y2Ba，gydF4y2Ba社区计划gydF4y2Ba，gydF4y2Ba社区诊所gydF4y2Ba，gydF4y2Ba家庭保健gydF4y2Ba，gydF4y2Ba合格的保健中心gydF4y2Ba，gydF4y2Ba卫生服务gydF4y2Ba，我们布置了题目gydF4y2Ba社区卫生服务gydF4y2Ba。gydF4y2Ba

显示不同Twitter句柄的主题分布的缩放热图如图所示gydF4y2Ba图2gydF4y2Ba。在COVID-19之前，慢性病是最活跃的话题，来自制药公司和世卫组织的推文共有9488条(见gydF4y2Ba图2gydF4y2Baa).然而，在COVID-19期间，我们观察到COVID-19、健康研究和慢性病是讨论最多的话题，来自所有数据集的推文加起来有52148条(见gydF4y2Ba多媒体附录1gydF4y2Ba，图S1b和S1d)。gydF4y2Ba

在整个数据集中观察到了推文内容的这种变化，我们进一步做出了以下推论:gydF4y2Ba

• 在2019冠状病毒病之前:慢性病是制药公司谈论最多的话题(阿斯利康，1729，推特占49.9%;辉瑞，1168,32.1%，推文)和世卫组织(4831,19.5%，推文)，其次是关于卫生研究的推文(世卫组织，1703,6.9%，推文;阿斯利康(AstraZeneca, 1037, 29.9%)。这是由gydF4y2Ba图3gydF4y2BaA，它显示#癌症，#肺癌，#阿尔茨海默氏症，#艾滋病毒和#ms在推文中被显著使用。在公共卫生机构中，美国国立卫生研究院(NIH)和美国疾病控制与预防中心(CDC)的推特账号最活跃，分别有1840条(31.6%)和1742条(20.6%)推文讨论健康研究和慢性疾病，并得到了最常用的标签#原生健康和#食品安全(参考)的强烈支持gydF4y2Ba多媒体附录1gydF4y2Ba，图S2a和S2c)。gydF4y2Ba
• 在2019冠状病毒病期间:慢性病和健康研究分别是阿斯利康(680条，推特70.6%)和葛兰素史克(GSK, 655条，推特35.2%)最活跃的话题。此外，GSK(398条，21.4%)和辉瑞(396条，19.4%)在推特上谈论最多的是COVID-19和疫苗接种。gydF4y2Ba图3gydF4y2BaB显示了支持这一观点的标签:#covid - 19、#阿尔茨海默氏症、#癌症、#多发性硬化和#疫苗。GovCanHealth是迄今为止Twitter上最活跃的公共卫生机构，有16,832条(87.2%)关于健康研究的推文，16,449条(85.2%)关于疫苗接种的推文，14,260条(73.8%)关于COVID-19的推文，# COVID-19， #冠状病毒和#covid - vaccine是热门标签。世卫组织的大部分推文都是关于COVID-19(8911条推文)和疫苗接种(2131条推文)，# COVID-19、#冠状病毒和#疫苗公平经常出现在推文中(参见gydF4y2Ba多媒体附录1gydF4y2Ba图S2d)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

参与分析gydF4y2Ba

世卫组织(用户影响=4171.24)的总体影响最高，其次是公共卫生机构(CDC用户影响=2895.87;NIH用户影响=891.06)。在制药公司中，辉瑞的用户影响力最高，为97.79。用户影响在0到1的范围内归一化，见gydF4y2Ba图4gydF4y2Ba。gydF4y2Ba

在制药公司中，辉瑞的用户参与度远高于其他公司(gydF4y2Ba图5gydF4y2Ba)，在2019冠状病毒病之前和期间，在2020年11月其COVID-19疫苗取得成功时观察到的参与度最高。2021年5月，辉瑞宣布了帮助印度抗击第二波冠状病毒的计划，双方的参与度也大幅上升gydF4y2Ba多媒体附录1gydF4y2Ba(表S4)。gydF4y2Ba

在公共卫生机构中也观察到类似的趋势，疾病预防控制中心的账户显示，在2020年3月至6月，即COVID-19大流行的最初几个月，用户参与度最高。2021年5月，当疾病预防控制中心宣布放松对完全接种疫苗的个人的社交距离和掩盖规则时，观察到用户参与度急剧上升。随着时间的推移，世卫组织账户的用户参与度变化很大。其参与程度在2020年2月至4月(大流行的最初几个月)的时间框架内最高，与公共卫生机构的情况相似。2020年10月，在宣布世界精神卫生日之后，以及2020年底，世卫组织宣布开发COVID-19疫苗(见gydF4y2Ba多媒体附录1gydF4y2Ba(图S3)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

情绪预测gydF4y2Ba

表3gydF4y2Ba显示了数据集上使用的16个模型的MAE、MSE和RMSE。总体而言，ARIMA(单变量)和SARIMAX模型在大多数数据子集(按组织和时期划分)上表现最好，我们进一步得出以下推论:gydF4y2Ba

• 在新冠肺炎之前，ARIMA和SARIMAX模型对制药公司的均方根误差最低(0.005)，均方根误差最低(0.072)。当通过MAE测量模型性能时，ARIMA的表现优于其他所有模型(0.063)。在公共卫生机构中也观察到类似的趋势，ARIMA具有最低的MAE (0.027)， SARIMAX具有最低的RMSE(0.031)，两者之间的MSE(0.001)相等。在WHO数据集中，SARIMAX的MAE(0.054)、MSE(0.004)和RMSE(0.080)最低。gydF4y2Ba
• 在COVID-19期间:使用CatBoost回归因子给出了最低的MAE(0.072)和RMSE(0.086)，而k邻居回归因子产生了最低的MSE(0.008)。在所有使用的模型中，使用AdaBoost进行回归产生的MAE(0.084)和RMSE(0.105)最低，而SARIMAX对公共卫生机构的MSE(0.011)最低。对于WHO，弹性网、套索回归和光梯度增强模型均表现良好，3种模型的MAE(0.046)和RMSE(0.059)相同，其中SARIMAX模型的MSE最低(0.004)。gydF4y2Ba

图6gydF4y2Baa是使用ARIMA对制药公司在COVID-19之前的1步预测。该模型在2017年1月至2019年6月的情绪得分上进行了训练，并在2019年7月至2020年2月的数据上对2019冠状病毒病之前的推文进行了测试。提前一步的预测与观察到的情绪得分非常吻合，我们在公共卫生机构和世卫组织获得了类似的结果。各企业在新冠疫情期间进行超前一步预测时，与观察到的情绪存在一定偏差，难以准确预测企业情绪gydF4y2Ba多媒体附录1gydF4y2Ba，图S4。gydF4y2Ba

为了验证这些模型的预测性能，我们检查了它们的残差的性质(即，模型的残差是否呈正态分布，平均值为0,SD为1，并且不相关)。从gydF4y2Ba多媒体附录1gydF4y2Ba图S5，与公共卫生机构的情况一样，在COVID-19之前，我们使用ARIMA确认了上述情况gydF4y2Baplot_diagnosticsgydF4y2Ba。绿色的核密度估计(KDE)线紧跟着右上角的正态分布(N{0,1})线gydF4y2Ba多媒体附录1gydF4y2Ba，图S5，这是一个积极的指标，残差是正常分散的。左下角的分位数-分位数(Q-Q)图显示，残差(蓝点)的分布近似遵循标准正态分布n中样本的线性趋势，这再次证实了残差是正态分布。随时间变化的残差(左上)gydF4y2Ba多媒体附录1gydF4y2Ba(图S5)没有明显的季节性，平均值为0。自相关图(即相关图)证明了这一点，表明时间序列残差与自身的滞后形式表现出最小的相关性。因此，这些发现鼓励我们相信我们的模型提供了充分的拟合，这可能有助于我们理解组织的情绪并预测它们的值，而不会使我们的硬件负担过重。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

在本文中，我们提出了一个框架，用于使用基于nlp的文本挖掘技术对各种医疗保健组织进行全面的社交媒体内容分析。我们处理了相当大量的文本数据，用于主题建模、情感和参与分析以及情感预测。我们的研究揭示了以下主要发现:gydF4y2Ba

• 成为社交媒体上最活跃的组织并不能转化为更多的用户影响力。世界卫生组织和美国公共卫生机构疾病预防控制中心产生的用户影响远远超过加拿大公共卫生署，尽管后者在主题分析中有大量相关推文。人们更有可能与gydF4y2Ba中性gydF4y2Ba推特，通常包括一些公共卫生公告，而不是专门的gydF4y2Ba积极的gydF4y2Ba或gydF4y2Ba负gydF4y2Batweet。这可能意味着组织可以在未来为社交媒体帖子创建内容时利用这些知识来提高他们在在线领域的知名度。gydF4y2Ba
• 某些主题通常会转化为更多的用户粘性。虽然在研究期间发布的大部分推文都是关于慢性疾病和健康研究的内容，但与制药公司相比，公共卫生机构对COVID-19和疫苗接种的讨论明显转变。有关新冠肺炎和慢性疾病的推文引起了更多的关注。也许令人惊讶的是，我们发现人们不太愿意接受通常由制药公司分享的医学试验内容，除非它涉及公共卫生紧急情况，如COVID-19大流行。使用特定的标签当然有助于提高参与度，因为我们发现大多数用户的参与度都高度倾向于与COVID-19有关的推文。此外，我们的研究显示，与大多数卫生保健组织的用户参与模式(即，在重大事件或公告周围观察到峰值)相比，世卫组织的用户参与度存在很大差异。这可能是由于世卫组织在全球的存在，这意味着它可能不是每次都有同一组追随者参与其内容，而只是那些以某种方式受到内容影响或对内容感兴趣的人。gydF4y2Ba
• 当内容结构化时，结果往往会超出预期。我们使用不同的移动平均线和各种ML单变量模型对数据集进行了情绪预测。令人惊讶的是，我们观察到，当内容结构化时，就像官方推特账户上的通常情况一样，结果往往超出预期，在2019冠状病毒病之前比在2019冠状病毒病期间更是如此。本研究中使用的模型能够以高精度和低误差预测月度tweet情绪。这有助于我们深入分析我们的工作，并且我们不需要创建任何多元ML模型。结果表明，常用的ARIMA和SARIMAX模型效果良好，可以用于实时数据的推文情绪预测。这也可以帮助组织将tweet情绪与用户粘性联系起来。例如，辉瑞公司推特上参与度最高的是那些有标签的gydF4y2Ba中性gydF4y2Ba这意味着该组织应该以类似的方式构建其未来推文的内容，以保持更高的参与度。此外，提到更多新闻相关内容的推文可能会转化为更多的用户参与度。gydF4y2Ba

局限性和未来工作gydF4y2Ba

本研究有3个局限性，可以在未来的研究中加以解决。首先，这项工作的重点是将推文分为两个阶段，gydF4y2Ba之前gydF4y2Ba和gydF4y2Ba在gydF4y2Ba新型冠状病毒肺炎在未来，研究人员可以采用其他方法来构建分析时间轴。其次，本研究仅处理tweet的结构化文本内容。在未来的研究中也纳入图像属性的存在将是有趣的。最后，由于本研究的范围仅限于医疗机构，我们没有考虑公共人口统计数据。了解公众参与这些内容的人口背景是另一个可以在未来研究中探索的领域。gydF4y2Ba

结论gydF4y2Ba

这项研究调查了美国和加拿大医疗机构在Twitter上的在线活动。这里介绍的基于nlp的社交媒体分析可以结合起来衡量先前发布的推文的参与度，并生成推文，对通过smp获取健康信息的人产生影响。随着组织继续通过向社区提供最新信息来利用smp，在发布之前预测tweet的情绪可以提高公众对组织的看法。总之，我们发现，对一个组织的社交媒体使用情况进行内容分析和情绪预测，可以全面了解该组织如何与社会产生共鸣。gydF4y2Ba