这是一篇根据知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在JMIR公共卫生与监测上,并适当引用。必须包括完整的书目信息,到http://publichealth.www.mybigtv.com上原始出版物的链接,以及版权和许可信息。
2016年至2017年期间,与阿片类药物有关的全国死亡率继续上升;阿片类药物死亡人数从42,249人增加到47,600人,使公共卫生危机达到新的高度。考虑到美国69%的成年人使用在线社交媒体网站,建立对处方药误用和滥用的更全面了解的资源可以补充传统的监测工具。美国食品和药物管理局已经确定了阿片类药物的五大风险和后果——误用、滥用、成瘾、过量和死亡。识别讨论这些关键风险的帖子可能会带来传统监测系统通常无法捕捉到的新信息。
本研究的目的是描述美国涉及滥用、误用、成瘾、过量和死亡的在线帖子的趋势(频率随时间的变化),并描述主持这些讨论的网站类型。研究人员检查了互联网上提到芬太尼、氢可酮、羟考酮或羟吗啡酮的帖子。
不涉及个人经历的帖子被删除,之后还有310万个帖子。选择了61,000个分层样本。通过手动编码误用、滥用、成瘾、过量和死亡的关键结果,将非结构化数据分为5个关键风险。使用编码帖子的抽样概率来估计每个关键风险的总帖子量。
成瘾和滥用是氢可酮、羟考酮和羟吗啡酮最常被讨论的两个关键风险。对于芬太尼,过量使用和死亡是讨论最多的主要风险。芬太尼的滥用、过量和死亡相关的估计数量最高(分别为41808、42659和94169)。羟考酮与滥用和成瘾相关的提及估计数量最高(分别为3548和12679)。在2017年底和2018年,芬太尼的网上帖子估计增加了10倍以上。在社交媒体上讨论芬太尼过量(比值比[OR] 4.32, 95% CI 2.43-7.66)和死亡(比值比[OR] 5.05, 95% CI 3.10-8.21)的几率更高,而在博客和论坛上讨论芬太尼滥用(比值比[OR] 0.10, 95% CI 0.04-0.22)和成瘾(比值比[OR] 0.24, 95% CI 0.15-0.38)的几率更高。
在fda定义的5个关键风险中,芬太尼过量和死亡近年来一直是讨论的重点,而对羟考酮、氢可酮和羟吗啡酮的讨论有所减少。随着与毒品有关的死亡人数继续增加,了解药物滥用的动机、情况和后果将有助于制定政策对策。此外,根据媒体来源的不同,内容也有明显的不同,只使用社交媒体网站(如Twitter)或博客和论坛的研究可能会错过重要的内容。这项研究提出了可持续的、持续的方法来监测有关这些药物的互联网帖子。
遏制类阿片滥用和滥用的流行已被证明是一个具有挑战性的公共卫生问题[
美国食品和药物管理局(FDA)已经做出回应,确定了阿片类药物的5个主要风险和后果,这些风险和后果是阿片类药物的黑框警告的一部分:误用、滥用、成瘾、过量和死亡。
最近增加的对阿片类药物的公共卫生监测之一是监测公共博客、论坛和社交媒体上的互联网讨论[
研究滥用、转移和成瘾相关监测(RADARS)系统是收集特定产品和特定地理位置数据的个人数据收集程序的汇编,以形成对处方药滥用、误用和转移的综合理解[
本研究的目的是利用提及芬太尼、氢可酮、羟考酮或羟吗啡酮的互联网帖子来描述美国滥用、误用、成瘾、过量和死亡的趋势,并建立一种可持续的持续方法来监测有关这些药物的互联网帖子。
数据是通过抓取互联网帖子收集的,这些帖子提到了四种感兴趣的药物中的一种:芬太尼、氢可酮、羟考酮或羟吗啡酮。之所以选择这些药物,是因为它们涉及多种行为,受到不同的监管,或者在美国经常被开处方。品牌羟吗啡酮和羟考酮产品受到越来越严格的监管,因为与滥用有关的发现(如Opana ER [
该项目的数据是作为RADARS系统对处方阿片类药物滥用、误用和转移的持续监测的一部分收集的。所有数据都是通过网络抓取平台(Salesforce.com Inc .)收集的,该平台从允许第三方查看内容的公共网站上抓取数据。允许这种类型抓取的网站包括Twitter, Reddit,公共博客和论坛,以及许多新闻网站上的评论部分,而私人网站,如个人Facebook页面,Bluelight和其他密码保护的网站不允许这种类型的抓取。提到芬太尼、氢可酮、羟考酮或羟吗啡酮的帖子是根据特定的搜索字符串标准(如阿片类药物名称、相关拼写错误、产品名称和独特的俚语)对这4种阿片类药物(
在RADARS系统网络监测项目启动之前,该研究方案由科罗拉多州多机构审查委员会审查并批准。由于公开发布的帖子是通过网络监测计划获得的,并以汇总、匿名的方式报告,因此确定没有必要将网络监测计划视为涉及人类受试者的研究。
作为日常网络监测的一部分,使用两步流程筛选帖子以确定排除标准。通过程序筛选预先确定的关键词;与非信息性帖子相关的短语被排除在外。方案排除并未删除所有不提供信息的员额;因此,也采用人工筛选排除。排除标准(两个步骤)定义为在监测期之外发生的岗位;使用英语以外的语言;原产于美国以外的;来自社交媒体、博客或论坛以外的原始来源;包含在与该药物无关的环境中使用的感兴趣药物的名称; that were considered spam (unsolicited online messages); that referenced online pharmacies, news, or pop-culture with no further commentary concerning the drug of interest; or for which the coder was unable to determine a theme. For posts that met one or more exclusion criteria, only the originating posts were removed. If related posts contained informative content (such as a comment mentioning overdose appearing below a news article), then they were not excluded.
每个职位都按来源分为两类
由于收集的帖子数量非常大,因此有必要进行抽样,以确定手动编码的帖子子集。职位要求发生在2015年1月1日至2018年12月31日之间。共收集了5,048,517个帖子进行抽样。从确定的员额人口中抽取了一个分层随机抽样,没有替换和按比例分配。Strata包括在线帖子的时间(按周计算)和来源(社交媒体或博客和论坛)。如果一周内少于2个帖子,则将该周折叠为双周层,并相应地调整权重[
一个由3名训练有素的编码员组成的小组手动审查了帖子样本,以确定阿片类药物使用结果(滥用和误用)的原因以及主要医疗结果措施(成瘾、过量和死亡)。
雷达系统网络监控程序中使用的术语定义。
术语 | 定义 |
滥用 | 指使用某种药物以获得快感或其他精神作用的用语。 |
上瘾 | “表明下列一种或多种情况的提及:1)对药物的心理或生理依赖;(二)对药物精神作用的耐受性;3)停止使用药物时的戒断反应。” |
死亡 | "说明有人死于某种相关药物" |
提到 | 任何在帖子中提及毒品或毒品类别的场合。一条微博可能包含多次提及。” |
滥用 | 指不正当或不正确地使用某种药物,而不是为了追求精神效果。 |
过量 | “指意外或故意过量使用药物,使用危险剂量的药物(即超过建议或一般规定的剂量),或可能导致医疗干预的使用。” |
帖子 | “一个人在一个特定的时间点进入的单一通信点。” |
人工编码后,应用抽样权值计算原始种群中每种物质的估计数量和帖子百分比。比值比(OR)和相应的95%置信区间通过加权逻辑回归计算帖子来源(社交媒体与博客和论坛),使用研究期间的所有帖子;比值比大于1.0表明该帖子来自社交媒体的可能性更高。计算了3种编码器之间的互码信度。设定预定义的可接受标准,如果三向一致性大于90%且平均系数(Gwet AC1)大于0.60,则认为结果可接受[
2015年第一季度至2018年第四季度收集数据的数据清理流程流程图,其中百分比表示每个步骤的排除比例。
根据两个标准,所有编码变量的互码信度都是可接受的。误用和滥用(97.8%)、成瘾(99.4%)、过量(99.9%)和死亡(99.6%)的三方一致性很高。误用和滥用(0.98)、成瘾(0.99)、过量(1.0)和死亡(1.0)的Gwet AC1系数也很高。
抽样分析的员额数目和相应的人口估计数。
关键风险 | 药物提到 | ||||||||||
芬太尼 | 氢可酮 | 羟考酮 | 羟吗啡酮 | ||||||||
样品分析一个n (n = 4649) | 人口 |
样本分析,n (n=8974) | 人口 |
样本分析,n (n=8100) | 人口 |
样本分析,n (n=3114) | 人口 |
||||
滥用 | 24 | 627 |
42 | 2181 |
43 | 3548 |
57 | 189 |
|||
滥用 | 130 | 41808 |
199 | 10379 |
107 | 7997 |
49 | 165 |
|||
上瘾 | 73 | 4435 |
183 | 8766 |
176 | 12679 |
152 | 526 |
|||
过量 | 271 | 42659 |
36 | 1911 |
48 | 3633 |
24 | 84 |
|||
死亡 | 427 | 94169 |
23 | 913 |
47 | 3291 |
37 | 125 |
一个样本分析指的是由编码员团队手工审核的帖子数量。
b人口估计数是指外推的员额数目。
估计每季度芬太尼帖子的数量。
估计每季度氢可酮的数量。
估计每季度羟考酮的数量。
估计每季度的矛盾法帖子数。
讨论关键风险的帖子中,有相当一部分来自社交媒体之外。估计48.0% (95% CI 46.2%-49.8%)的羟吗啡酮帖子、16.8% (95% CI 15.9%-17.6%)的羟考酮帖子、18.3% (95% CI 17.5%-19.1%)的氢可酮帖子和14.6% (95% CI 13.6%-15.6%)的芬太尼帖子来自博客和论坛。在所有讨论关键风险的社交媒体帖子中,推特是一个重要的来源。估计有19.9% (95% CI 18.9%-20.8%)的羟吗啡酮社交媒体帖子、49.8% (95% CI 48.9%-50.7%)的羟考酮社交媒体帖子、62.8% (95% CI 61.9%-63.7%)的氢可酮社交媒体帖子和30.6% (95% CI 29.8%-31.4%)的芬太尼社交媒体帖子来自Twitter。关键风险讨论起源的优势比见
按药品的主要风险邮寄原产地。比值比大于1.0表明在社交媒体上进行讨论的可能性更高。
本研究的目的是通过展示有关滥用、误用、成瘾、过量和死亡的在线讨论趋势,并记录这些主要风险的帖子来源,展示一种可持续的、持续的方法来评估提及药物的互联网帖子。在监测期间,讨论氢可酮、羟考酮和羟吗啡酮误用、滥用和成瘾的帖子估计数量有所减少,这并不奇怪,因为处方指南收紧了这些药物的可用性[
匿名对暴露敏感行为的可能性有着深远的影响[
由于互联网帖子的非应邀性质,对网络内容的定性分析可用于识别药物滥用研究中未知的知识空白。对于使用本文报道的方法的未来研究工作,可以检查多物质使用,篡改滥用威慑配方的方法或低频副作用的数据。此外,负面结果并不是研究的唯一主题。事件可以激发在线讨论,支持药物的正确治疗使用,或者讨论可以比较类似药物的疗效。
这项研究的一个局限性是只研究了公开的网站。独特的信息可能存在于有政策防止公开抓取的网站上(如Facebook或Bluelight的大部分网站)。第二个限制是原始数据的非结构化性质,以及与手工编码这些关键风险相关的潜在模糊性,这是通过团队会议来解决的,以确定团队共识。此外,对互译器的信度进行了评估,结果令人满意。最后,将非法芬太尼与合法芬太尼分开是一项挑战,可能大部分讨论都涉及非法芬太尼而不是合法芬太尼。
使用互联网帖子揭示了对阿片类药物流行的独特视角,这是使用传统监测系统无法发现的,并且可以成为了解药物使用定性方面的门户。这些数据的匿名性和未经请求的性质为理解新兴趋势提供了优势。对不同内容提供者的监督应该用来了解政策或其他干预措施是如何被更广泛的社区接受的。
搜索关键字示例。
美国食品药品监督管理局
研究滥用,转移和成瘾相关的监控
这项工作得到了研究滥用、转移和成瘾相关监视(雷达)系统的支持。RADARS系统得到了药品制造商、政府和非政府机构的订阅支持,用于监测、研究和报告服务。RADARS系统是丹佛卫生和医院管理局的财产,这是科罗拉多州的一个政治分支。丹佛健康中心保留所有数据、数据库和系统的独家所有权。没有订阅者参与这个手稿的构思、分析、起草或审查。
所有作者对这项工作贡献均等。
作者在工作期间受雇于丹佛市卫生和医院管理局。