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 [ 17]及奥施康定[ 18])，芬太尼的效力很可能使其成为转移注意力的理想物质[ 19]，而氢可酮常在美国开处方[ 20.]。帖子经过算法筛选过程，没有实质性内容的帖子被删除。对剩下的帖子进行抽样，对这些帖子的内容进行人工审查，并将其分类为误用、滥用、成瘾、过量或死亡。在分析之前，排除了讨论假冒配方(如海洛因与自制芬太尼混合)的帖子。

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( 多媒体附录1）.每种药物成分和产品的关键字是通过语音算法生成的，然后在输入普通搜索引擎时使用命中数进行验证。其他关键字是在手动编码过程中确定的。

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 社交媒体或 博客和论坛基于原始网站。社交媒体帖子源自专注于社交网络的网站;这些网站上的用户通常不是匿名的，讨论本质上是不受引导的(即，不局限于预定的话题)，评论通常被设计得很简短(字符限制)。社交媒体网站的例子包括Twitter、Facebook的商业页面(与Facebook的个人页面有不同的隐私规则)和Myspace。博客或论坛帖子通常是为了促进有相似兴趣的用户之间的对话而创建的。用户通常是匿名的，或者没有连接到现实世界的身份，讨论是特定于主题的，评论不受限制，本质上可以是广泛的。博客和论坛的例子包括Reddit、Blogger和专门的医疗论坛。

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[ 21]。每种阿片类药物的样本量以0.05的预期比例确定，测量精度为0.015。样本量的选择使95%的比例置信区间(由超几何分布计算)获得所需的精度[ 22]。

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)。 表1包含在本研究中使用的术语的定义。进行了广泛的培训，以确保在三个编码员的团队中实现一致的编码。在对3名编码员的培训中，使用了一个包含概述定义、示例和特定于这些数据的场景的代码本。当受训者能够达到预先确定的译员间可靠性标准时，培训就完成了。这些定义是雷达系统网络监控项目特有的，可能与其他监控项目不同。每个岗位可能包含一个或多个关键风险;定义为对涉及某种药物或感兴趣的药物类别的实际误用、滥用、成瘾、过量或死亡的任何实例的讨论;并且可能包括在单个帖子中多次提到阿片类药物或感兴趣的阿片类药物。由于误用和滥用的定义相似，因此它们被编码为单个变量。在任何编码不一致的情况下，案例数据由额外的编码器协调，必要时，高级研究员验证编码。

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[ 23]。在R(3.4.2)和SAS(9.4)中进行统计分析;SAS Institute Inc)。

图1描述了数据清理过程，并提供了采样的阿片类药物特定提及的数量以及应用排除标准后分析的提及数量。在最终样本(n=24,837)中，很少观察到结果。在所有药物的所有帖子中，1.95%(485/24,837)提到滥用，0.67%(116 /24,837)提到滥用，2.35%(584/24,837)提到成瘾，1.53%(379/24,837)提到过量，2.15%(534/24,837)提到死亡。

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。

表2描述了在公共互联网上讨论5个主要风险的药物的估计提及次数。估计频率最高的前三名涉及芬太尼(死亡、过量和滥用)。误用氢可酮的估计频率最高。羟考酮成瘾的估计频率最高。所有涉及oxymorphone的关键风险都很少被讨论，讨论5个关键风险的帖子都不到600篇。芬太尼相关的死亡在所有关键风险药物组合中估计频率最高，比其他药物提及的死亡频率高10至100倍。 图2， 图3， 图4, 图5描述在整个监测期间芬太尼、氢可酮、羟考酮和羟吗啡酮的估计帖子数(每10,000个帖子)。在整个研究期间，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普遍减少。关于芬太尼滥用、过量和死亡的讨论在2017年底激增，并在2018年继续激增。

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 图6。为便于表述，所有比值比均以社交媒体为参照。对于所有的药物，在博客和论坛上讨论成瘾的可能性比在社交媒体上要高。在社交媒体上发表关于成瘾的文章的几率比在博客和论坛上要小;比值比范围从(芬太尼)0.24 (95% CI 0.15-0.38)到(羟吗啡酮)0.46 (95% CI 0.32-0.67)。相反，在社交媒体上讨论死亡的可能性比在博客和论坛上讨论所有药物的可能性都要高。讨论误用、滥用和过量的比值比也因药物而异。值得注意的是，芬太尼滥用和成瘾的讨论与芬太尼过量和死亡的讨论明显分开。在社交媒体上讨论芬太尼过量和死亡的几率更高(过量:OR 4.32, 95% CI 2.43-7.66;死亡OR 5.05, 95% CI 3.10-8.21)，而在博客和论坛中讨论芬太尼滥用和成瘾的几率更高(滥用OR 0.10, 95% CI 0.04-0.22; addiction: OR 0.24, 95% CI 0.15-0.38). For other drugs, odds of discussing misuse were higher in blogs and forums.

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[ 24]。2017年和2018年，关于芬太尼的讨论急剧增加，与此同时，芬太尼死亡率上升、非法芬太尼生产增加，以及公众对芬太尼危险的认识运动也在增加。进一步对芬太尼帖子的内容进行评估，可以阐明导致芬太尼帖子突然增加的具体社会事件。本文提出的研究结果的三个优势将该监控系统与其他阿片类药物滥用互联网监控项目区分开来[ 10内容报道包括社交媒体以外的原始来源;重点是FDA的主要风险——误用、滥用、成瘾、过量和死亡;确定了这些关键风险讨论的原始来源。有人指出，关于几个关键风险的讨论更有可能出现在博客和论坛上，而不是在社交媒体上。这可能会导致只关注社交媒体的研究出现选择偏差。例如，如果一项涉及这四种阿片类药物的物质使用行为研究仅使用社交媒体，则帖子内容将选择反对成瘾和成瘾相关行为的讨论。

匿名对暴露敏感行为的可能性有着深远的影响[ 25]。传统的公共卫生监测项目通常依赖于保密性，使用匿名帖子和社交媒体可能允许报告传统系统通常无法捕获的行为或观点。此外，与针对单一社交媒体网站(如Twitter)或论坛(如drugs-forum)的方法相比，本研究中使用的在线数据源的多样性允许对在线讨论内容进行更全面的评估。一项关于从各种平台收集非法药物使用数据的研究综述[ 10发现了14项符合纳入标准的研究。根据我们对媒体来源的定义，其中只有两项研究收集了博客和论坛的数据。我们的研究结果表明，与博客和论坛上的讨论相比，社交媒体上的讨论往往涉及不同的信息或结果。这可能有几个原因;社交媒体上的帖子更有可能讨论过量和死亡，这些结果可能引发强烈的情绪和声音反应。博客和论坛更多地与误用、滥用和成瘾有关，这些结果可能会产生不那么强烈的反应。我们推测博客和论坛往往有更大的字符限制，可能更适合复杂的主题，如成瘾。由于社交媒体通常与用户的实际身份联系在一起，它通常不那么匿名，很容易被雇主、家人和朋友搜索;这可能会促使人们在个人可以使用假名的博客和论坛上讨论侮辱行为，例如误用、滥用和添加。关注药物过量和死亡结果的研究可能会在社交媒体上找到更多有价值的数据，而关于误用、滥用和成瘾的研究应该关注博客和论坛; however, a mosaic approach should ideally include both originating sources. Our results indicated that content originated from different sectors of the internet for addiction and death discussions, and qualitative analyses that focus only on subregions of the internet could miss important information on these key risks.

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。