为了收集Facebook和Twitter上的帖子，我们使用了MedWatcher Social，这是一个媒体监测程序，由epidemic和波士顿儿童医院的计算流行病学小组以及哈佛医学院开发，基于HealthMap的技术。 21]。使用DataSift历史查询工具，我们收集了从2012年10月1日到2013年8月31日的历史Twitter和Facebook帖子，这段时间使我们能够跟踪从第一次DSC (DSC1)前大约3个月到第二次DSC (DSC2)后3个月的活动。我们使用以下查询执行英文帖子的搜索:ambien, ambian, zolpidem。

DataSift工具以标准的JavaScript对象表示法(JSON)格式的文件交付结果;然后将帖子内容和日期提取并存储在数据库系统中，以便于自动处理和手动审查。然后使用自动内容分类算法将每个帖子分为以下三个类别中的一个:(1)垃圾，(2)提及，(3)不良事件(AE)。该分类算法是一种基于Fisher-Robinson分类器的机器学习系统，此前已有详细描述[ 17， 22]。对于给定的帖子，它输出一个分数，表示它与AE讨论相关的可能性，范围从-0.2(完全无关)到1(完全相关)。该算法的训练集包括超过411,000个手动标记的历史数据集帖子，分类为AE或非AE。

分数低于0.02的帖子被标记为垃圾，分数大于等于0.02小于0.7的帖子被标记为提及，分数大于等于0.7的帖子被标记为AE。AE帖子旨在捕捉归因于产品的负面结果。提及帖子代表了对该产品的合法提及，但没有将任何不利结果归因于该产品。垃圾类别旨在收集和过滤广告，促销，自动化，垃圾邮件或其他不相关的内容。对同一事件的重复讨论，如果在1小时内发布两次，而对文本没有或只有很小的修改，则不重复。Facebook和Twitter数据的意外峰值进一步检验了保真度。通过这一过程，我们发现Facebook或Twitter在除DSC之外的所有其他日子的帖子数量激增主要是由于“垃圾邮件风暴”(大量与广告、促销、自动化或其他无关内容有关的帖子)被错误分类为相关帖子。例如，我们在2013年6月28日手动验证了一场垃圾邮件风暴，导致8243个Facebook帖子，第二天又增加了505个帖子。为了使结果正常化，将6月28日的数据替换为6月21日至27日的平均帖子数，将6月29日的数据替换为6月30日至7月6日的平均帖子数。

另外，我们收集了FDA Twitter和Facebook账户中与2种dsc相关的帖子。四个账户被确定为可能的数据来源:1个在Facebook上(@FDA, FDA主页)，3个在Twitter上(@US_FDA， @ fda_druginfo和@FDAMedWatch)。相关文章可在 多媒体附录1。虽然FDA的帖子无法在数据集中被明确识别，但在MedWatcher Social分析中，人工验证含有与FDA相似语言的帖子经常被识别并被视为垃圾。

Google Trends数据由Google搜索数据的无偏样本组成，每个值代表给定时间段内的随机搜索样本[ 23]。数据按0到100的范围进行缩放，100表示相关时间段内的最大搜索次数。对于较短的时间段，可以提供每日结果，但对于较长的时间窗口，可以每周报告数据。对于给定的搜索，分数为100表示在选定的时间框架内对该药物的个人查询数量最多的一天或一周。Google趋势输出页的“相关查询”部分提供了在有关时段内“上升”的类似搜索的资料[ 24]。任何搜索频率增加超过5000%的搜索都被谷歌趋势定义为突破搜索。我们搜索“ambien”一词的时间间隔与我们的Twitter和Facebook数据(2012年10月1日至2013年8月31日)相同，获得了每周的数据点，并在2013年1月和2013年5月的Google趋势搜索中报告了每天的结果，以关注相关的DSC时间段。考虑到一般人可能不会记住或搜索唑吡坦的商品名称，我们选择查询最受欢迎的品牌名称。

维基百科的编辑从“唑吡坦”页面的编辑历史中被拉出来(搜索安必恩会被重定向到这个页面)[ 25]。编辑历史记录显示了何时对页面进行了修改，以及这些修改的内容与原始文本并排。我们查询了围绕两个dsc的时间范围内的修订历史，并手动检查了相关内容更改的完整性和准确性。相关编辑修改见 多媒体附录1。

收集了2012年10月至2013年8月在Facebook和Twitter上发布的数据，并对其时间和内容进行了分析。我们绘制了历史上每日Twitter和Facebook帖子数量的时间序列。在同一时间段内，谷歌趋势数据也被绘制为时间序列。所有数据分析都是回顾性的，使用的是没有可识别数据的历史职位。

3段之间的时间间隔由DSC日期定义(第1期表示从第一次数据收集到DSC1的时间，第2期表示从DSC1到DSC2的时间，第3期定义从DSC2到数据收集结束的时间)，根据兴趣结果的不同，持续时间有所不同，基线趋势产生于第1期。我们将分段线性回归模型拟合到ITS数据中，以估计每个DSC的影响。由于感兴趣的结构断裂是先验已知的，我们进行了Chow测试来评估在DSC时间结构断裂的存在。

采用Microsoft Excel和SAS (version 9.4)软件进行分析。该研究方案由布里格姆妇女医院的机构审查委员会和FDA的涉及人类受试者的研究委员会批准。

在2012年10月1日至2013年8月31日期间，共有174,286条Twitter帖子和59,641条Facebook帖子符合入选标准。其中，9.21%(16,051/174,286)为ae, 74.16%(129,246/174,286)为提及，16.63%(28,989/174,286)为垃圾。在Facebook帖子中，5.11%(3050/59,641)被标记为ae, 68.98%(41,138/59,641)被标记为提及，25.91%(15,453/59,641)被标记为垃圾。由于数据是匿名收集的，因此无法确定生成这些帖子的个人总数。

每个职位类别的每日职位数目的时间序列图连同预测的回归线( 图1- 4)。各分段线性回归模型对应的数据输出见 多媒体附录2。总的来说，我们观察到两种社交媒体来源的每日帖子数量存在很大差异。Chow测验显示有统计学意义( P< 0.0001)在DSC1和DSC2的Twitter和Facebook帖子。Twitter上每天的AE帖子总数从不到10条到超过80条不等。ITS效应估计在所有3个时期都是显著的。在基准期间1，我们观察到员额数目稳步增加。第2期和第3期在第1期和第2期之后呈下降趋势( 图1和 多媒体附录2)。

对于Twitter的每日提及帖子，我们观察到DSC1的峰值，但DSC2没有。这个巨大且具有统计学意义的( P=.01)的职位增加后，随即有明显的下降趋势( P=.01)。与第2期相比，第3期我们没有观察到额外的变化( 图2和 多媒体附录2)。

Facebook上很少有每日贴文被标记为ae，在DSC1发布前的3个月里，这一数字非常低(接近于零)。我们观察到( P< 0.0001) DSC1阳性变化，但DSC2无显著变化( 图3和 多媒体附录2)。

在DSC1发布前的3个月里，Facebook上也很少有被提及的帖子，尽管它们后来大幅飙升( P< 0.0001)，与Twitter的研究结果相似。DSC2无明显变化( 图4和 多媒体附录2)。Facebook上的每日帖子标记为ae(每天增加约6个)和提及(每天增加约100个)，然后趋于稳定，并在DSC1之后维持在更高的水平。

在DSC1发布当天，来自FDA的通信包括@FDA_Drug_Info帐户发送的4条推文(共转发71次)，@FDAMedWatch帐户发送的1条推文(转发24次)，以及@US_FDA帐户发送的1条推文(转发16次)。那天在Facebook上发布的一条帖子有61次分享。

对于DSC2, FDA没有在Facebook上发布任何帖子，也没有从Twitter主账户@US_FDA发送任何推文。@FDA_Drug_Info账户发出了三条推文，共有37次转发。@FDAMedWatch账户在推特上发布了一条通用信息，涉及FDA最近对48种产品进行的所有处方更改，其中没有提到唑吡坦的名字。这条推文被转发了3次，但只有一条回复提到了这种药物:“看看修改版……尤其是安必恩”。这条微博没有被转发。

FDA的每条推文都链接到FDA网站上不同的内部网页。例如，@FDA_Drug_Info DSC1推文链接到原始的DSC，西班牙语版本的DSC，以及相关的消费者文章和新闻稿。DSC2的推文链接到DSC，它的西班牙语版本，和一个MP3播客地址DSC(见 多媒体附录1)。

2012年10月1日至2013年8月31日，“安必恩”在美国网络搜索的谷歌趋势图[ 26]在2013年1月6日至1月12日的一周内达到了100的峰值，其中包括DSC1 ( 图5和 多媒体附录2)。ITS对DSC1和DSC2或周期1至3的搜索不显著，但Chow检验显示谷歌在DSC1而非DSC2具有统计学意义。

谷歌趋势图在两个重要方面反映了Facebook和Twitter的提及数据:它们在DSC1都有一个明显的峰值，但在DSC2没有任何明显的变化。在这11个月的时间里，相关查询频率上升的包括“ambien fda警告”(+ 1,100%)、“fda ambien”(+500%)、“服用ambien的女性”(+450%)、“ambien警告”(+450%)、“ambien和女性”(+130%)和“ambien新闻”(+50%)。在这些相关查询的图表中，峰值集中在DSC1附近，但这些术语的低搜索量妨碍了进一步的分析。这些多词搜索的搜索频率低于“ambien”。

当更密切地关注两个唑吡坦dsc前后的日期时，2013年1月谷歌趋势网络搜索图表[ 26在2013年1月10日至1月11日左右出现了峰值，几天后就回到了基线水平。新闻搜索量也呈现出类似的趋势。“ambien fda”、“ambien warning”和“ambien fda warning”的相关查询在1月份被分类为突破(+ >5000%)，“ambien news”(+850%)也在1月份显著增加。2013年5月[ 26在美国，“ambien”的搜索高峰出现在5月1日，随后在该月稳步下降。5月14日至5月15日，即DSC发布后的第二天，搜索频率有短暂上升，但没有超过5月1日起的搜索频率。5月份的相关查询与FDA或药物警告无关，而是集中在更普遍的安必恩上:“安必恩副作用”、“安必恩剂量”和“安必恩仿制药”。没有上升或突破，这意味着这些术语的搜索频率在2013年5月期间没有明显的变化。

2013年1月10日，在zolpidem维基百科页面开头部分的最后一段添加了一个内容，以反映DSC1中包含的一些信息。该报援引哥伦比亚广播公司(CBS)的一篇文章指出:

2013年4月30日再次编辑，增加了以下信息，其中第一句话被纳入DSC1:

本增编未提供额外引用。

2013年5月15日关于唑吡坦的维基百科页面编辑包含了来自DSC2的信息:

这一补充引用的参考文献是律师与和解网站上的一篇文章。DSC语言已经移动到文章的第二段，但仍然不包含对FDA DSC的参考。截至2018年1月3日，这些2013年编辑的引用保持不变。

在本分析中，我们检查了各种社交媒体对与镇静/催眠唑吡坦相关的2种FDA dsc的摄取情况，以及谷歌搜索和维基百科更新的相关变化。这些通讯途径可使数码中心内的讯息更广泛地传播[ 9]。我们观察到Facebook和Twitter的每日提及量以及Google在DSC1的每周搜索量也出现了类似的高峰;但参与的急剧增加并没有持续下去。我们还发现，在DSC1之后，Facebook上每日发布的ae数量显著增加。Facebook上标注为“ae”和“as”的每日帖子都趋于平稳，然后在DSC1之后维持在更高的水平。相比之下，《DSC2》在很大程度上未能获得额外的吸引力，这反映在Facebook和Twitter帖子或谷歌搜索量在《DSC2》发布时没有明显增长。

这项研究建立在之前对美国社交媒体和药物警戒的研究基础上[ 27- 34]和欧洲[ 35， 36]，此外还有越来越多的关于FDA DSC信息的工作[ 37通过系统地评估dsc的社会媒体影响。对于两种dsc在社交媒体中的不同影响，有许多可能的解释。例如，与DSC2相比，DSC1附有新闻稿，并且在Facebook和Twitter上有更多来自fda的消息。此外，Twitter和Facebook的用户可能认为DSC2是在澄清DSC1，而不是提供新的信息。事实上，FDA的DSC2网页上写道:“此更新是对2013年10月1日发布的FDA药物安全通讯的跟进”。最后，在DSC2发生时，FDA的社交信息中没有提到唑吡坦的名字，这可能削弱了公共卫生信息的即时性。

Facebook和Twitter反映的是与同行的公开对话，而Google Trends的数据反映的是匿名用户对信息的搜索，但结果总体上是一致的。2013年1月，谷歌趋势对安必恩的“相关查询”包括“FDA”和“警告”，这表明用户正在谷歌搜索与DSC1有关的信息;然而，2013年5月，安必恩的搜索量稳步下降。因此，DSC2较少刺激在线调查活动和人际交流。

虽然维基百科的更新接近DSCs的原始版本，但编辑没有引用FDA网页上的原始DSCs，并且2013年1月对唑吡坦维基百科页面的编辑是不完整的。直到2013年4月30日，维基百科页面才更新了DSC1的额外细节。DSC2中包含的信息也很快被添加到维基百科页面。鉴于像维基百科这样的信息网站通常被普通公众访问以获取药物信息，并且任何人都可以编辑内容，FDA可以考虑一项计划，在DSC发布时正式更新页面以获得适当的内容，并确保信息随着时间的推移保持准确性。

FDA在Facebook(截至2017年9月有528,000个赞)和Twitter(截至2017年9月，@US_FDA有17.5万名粉丝，@ fda_druginfo有231,000名粉丝，@FDAMedWatch有38,700名粉丝)上拥有广泛的粉丝。社会媒体通信应继续成为未来公共药品安全通信的一部分，并应考虑在与dsc相关的信息传递中扩大其使用。但是，为了最大限度地提高公共健康效益，社交媒体的最佳数量和持续时间是多少?社交媒体可能会提供关于重要处方信息变化的及时、单一的更新，但社交媒体的讨论通常是短暂的，而有关药物正确使用的信息需要始终如一地提供。例如，如果唑吡坦的使用者正在社交媒体上了解他们药物的最新信息，那么对唑吡坦DSC的短暂社交媒体兴趣不太可能使未来的药物使用者受益，他们可能会发现其他来源(如谷歌搜索，维基百科或FDA网站)更有价值。未来使用社交媒体的策略应该基于对用户资料和偏好的更详细的了解。FDA可能会开发多种方法来传播DSC信息，包括多次发布相同的信息，因为单个帖子可能经常被关注者忽略。

一些观察到的数据无法解释，比如2012年12月Facebook帖子数量降至接近于零。再加上与Twitter相比，Facebook的每日帖子数较低，Facebook数据的重要发现必须从这个角度来解释。我们只能观察到公开的Facebook账户和来自非公开账户的公开帖子，并且Facebook帖子的日计数明显低于Twitter，因此我们可能低估了dsc对Facebook的影响。

MedWatcher社会项目也有可能进行错误分类，这可能不是FDA在跟踪DSC传播时使用的最佳工具。该工具旨在识别与ae相关的个人用户的帖子，这些帖子可能与FDA关于DSC内容传播(包括通过新闻媒体)的需求不同。例如，一些被MedWatcher Social排除为垃圾的帖子来自报道两个dsc的新闻来源。因此，公众对每个DSC的兴趣可能被低估了。

与Facebook和Twitter相比，Google Trends的搜索数据是聚合的，匿名的，并且缺乏隐私限制，这可能会阻止访问某些相关的Facebook和Twitter帖子。然而，可用的Google Trends数据的粒度(每周，而不是每天，数据点)可能具有有限的统计能力，尽管总体趋势类似于其他平台上的提及帖子。我们没有涵盖所有主要的搜索引擎或其他基于网络和移动技术，以便更全面地了解主要的社交渠道。这项特殊的社交媒体研究是作为FDA DSC信息多模态分析的一个子集进行的，以唑吡坦为例[ 37];因此，我们只评估了与唑吡坦dsc相关的社交媒体内容。用于其他医疗产品的dsc可能会产生不同的影响和结果。此外，唑吡坦dsc于2013年发布。自那以后，社交媒体环境发生了重大变化。未来的研究包括来自多种药物的dsc和最近发表的研究将提供全面的见解。

我们对通过Twitter、Facebook、谷歌搜索和维基百科传播药物安全信息的研究发现，在提供与唑吡坦相关的处方建议的两个dsc发布后，社会媒体对这两个信息发布中的一个有大量但短暂的吸收。本病例的结果应与其他DSC信息和其他药物安全相关内容的吸收情况进行比较，以帮助FDA扩大这些重要信息的传播，并提供最大的公共卫生影响。