2016年本主题发表文章:32篇(向下滚动可加载剩余文章)
2016
![Estimating the Duration of Public Concern After the Fukushima Dai-ichi Nuclear Power Station Accident From the Occurrence of Radiation Exposure-Related Terms on Twitter: A Retrospective Data Analysis 从推特上辐射暴露相关词汇的出现估计福岛第一核电站事故后公众关注的持续时间:回顾性数据分析](https://asset.jmir.pub/assets/thumbs/0cb5df706a51f9c281248b8718376d47.png 480w,https://asset.jmir.pub/assets/thumbs/0cb5df706a51f9c281248b8718376d47.png 960w,https://asset.jmir.pub/assets/thumbs/0cb5df706a51f9c281248b8718376d47.png 1920w,https://asset.jmir.pub/assets/thumbs/0cb5df706a51f9c281248b8718376d47.png 2500w)
从推特上辐射暴露相关词汇的出现估计福岛第一核电站事故后公众关注的持续时间:回顾性数据分析
Naoki Nishimoto,Ota水木,若Yagahara,Katsuhiko小笠原群岛
2016年JMIR公共卫生监测(11月25日);2 (2): e168
![“Mommy Blogs” and the Vaccination Exemption Narrative: Results From A Machine-Learning Approach for Story Aggregation on Parenting Social Media Sites “妈妈博客”和疫苗豁免叙事:来自育儿社交媒体网站上故事聚合的机器学习方法的结果](https://asset.jmir.pub/assets/thumbs/ecfdc720d3eb782cab3b7791ee9bb1c5.png 480w,https://asset.jmir.pub/assets/thumbs/ecfdc720d3eb782cab3b7791ee9bb1c5.png 960w,https://asset.jmir.pub/assets/thumbs/ecfdc720d3eb782cab3b7791ee9bb1c5.png 1920w,https://asset.jmir.pub/assets/thumbs/ecfdc720d3eb782cab3b7791ee9bb1c5.png 2500w)
“妈妈博客”和疫苗豁免叙事:来自育儿社交媒体网站上故事聚合的机器学习方法的结果
Timothy R Tangherlini,Vwani Roychowdhury,贝斯格伦,凯瑟琳·M·克列斯比,会夺得班得瑞,阿卡什Wadia,Misagh Falahi,•Ebrahimzadeh,罗山Bastani
2016年JMIR公共卫生监测(11月22日);2 (2): e166
![Assessing the Viability of Social Media for Disseminating Evidence-Based Nutrition Practice Guideline Through Content Analysis of Twitter Messages and Health Professional Interviews: An Observational Study 通过推特信息和卫生专业人员访谈的内容分析,评估社交媒体传播循证营养实践指南的可行性:一项观察性研究](https://asset.jmir.pub/assets/thumbs/7d923ed69d2ef30217973e696c3c7989.png 480w,https://asset.jmir.pub/assets/thumbs/7d923ed69d2ef30217973e696c3c7989.png 960w,https://asset.jmir.pub/assets/thumbs/7d923ed69d2ef30217973e696c3c7989.png 1920w,https://asset.jmir.pub/assets/thumbs/7d923ed69d2ef30217973e696c3c7989.png 2500w)
通过推特信息和卫生专业人员访谈的内容分析,评估社交媒体传播循证营养实践指南的可行性:一项观察性研究
罗莎·汉德,外胚叶的Kenne,泰勒·M·沃尔夫拉姆,杰妮卡·K·亚伯兰,迈克尔·弗莱明
J Med Internet Res 2016(11月15日);18 (11): e295
![“When ‘Bad’ is ‘Good’”: Identifying Personal Communication and Sentiment in Drug-Related Tweets “当‘坏’是‘好’时”:识别与毒品相关的推文中的个人沟通和情绪](https://asset.jmir.pub/assets/thumbs/5b14fb71b88a81a457ff0f169d465636.png 480w,https://asset.jmir.pub/assets/thumbs/5b14fb71b88a81a457ff0f169d465636.png 960w,https://asset.jmir.pub/assets/thumbs/5b14fb71b88a81a457ff0f169d465636.png 1920w,https://asset.jmir.pub/assets/thumbs/5b14fb71b88a81a457ff0f169d465636.png 2500w)
“当‘坏’是‘好’时”:识别与毒品相关的推文中的个人沟通和情绪
Raminta Daniulaityte,陆沉,弗朗索瓦·R·拉米,罗伯特·G·卡尔森,Krishnaprasad Thirunarayan,Amit Sheth
2016年JMIR公共卫生监测(10月24日);2 (2): e162
![Evaluating Google, Twitter, and Wikipedia as Tools for Influenza Surveillance Using Bayesian Change Point Analysis: A Comparative Analysis 使用贝叶斯变化点分析评估谷歌、Twitter和维基百科作为流感监测工具:比较分析](https://asset.jmir.pub/assets/thumbs/f3476a8656ec74976db8d04c8f9e81cf.png 480w,https://asset.jmir.pub/assets/thumbs/f3476a8656ec74976db8d04c8f9e81cf.png 960w,https://asset.jmir.pub/assets/thumbs/f3476a8656ec74976db8d04c8f9e81cf.png 1920w,https://asset.jmir.pub/assets/thumbs/f3476a8656ec74976db8d04c8f9e81cf.png 2500w)
使用贝叶斯变化点分析评估谷歌、Twitter和维基百科作为流感监测工具:比较分析
J丹尼尔·夏普,理查德·霍普金斯,罗伯特·库克,凯瑟琳·W·斯特利
2016年JMIR公共卫生监测(10月20日);2 (2): e161
![Building a National Neighborhood Dataset From Geotagged Twitter Data for Indicators of Happiness, Diet, and Physical Activity 从地理标记的推特数据建立一个国家社区数据集,用于幸福、饮食和体育活动指标](https://asset.jmir.pub/assets/thumbs/38087743ada645b7ba177b0ea7eadd5b.png 480w,https://asset.jmir.pub/assets/thumbs/38087743ada645b7ba177b0ea7eadd5b.png 960w,https://asset.jmir.pub/assets/thumbs/38087743ada645b7ba177b0ea7eadd5b.png 1920w,https://asset.jmir.pub/assets/thumbs/38087743ada645b7ba177b0ea7eadd5b.png 2500w)
从地理标记的推特数据建立一个国家社区数据集,用于幸福、饮食和体育活动指标
阮琼C,大鹏李,Hsien-Wen孟,苏拉凯丝,伊莱恩Nsoesie,飞飞李,明温
2016年JMIR公共卫生监测(10月17日);2 (2): e158
![Impact of Predicting Health Care Utilization Via Web Search Behavior: A Data-Driven Analysis 通过网络搜索行为预测医疗保健利用的影响:数据驱动的分析](https://asset.jmir.pub/assets/thumbs/cf2d16e2b5cc95710ef99160054e8750.png 480w,https://asset.jmir.pub/assets/thumbs/cf2d16e2b5cc95710ef99160054e8750.png 960w,https://asset.jmir.pub/assets/thumbs/cf2d16e2b5cc95710ef99160054e8750.png 1920w,https://asset.jmir.pub/assets/thumbs/cf2d16e2b5cc95710ef99160054e8750.png 2500w)
Vibhu阿加瓦尔,Liangliang张,Josh朱,Shiyuan方,蒂姆程,克洛伊在香港,Nigam H Shah
J Med Internet Res 2016(9月21日);18 (9): e251
![Chiropractic and Spinal Manipulation Therapy on Twitter: Case Study Examining the Presence of Critiques and Debates 推特上的脊椎按摩和脊椎操纵疗法:审查批评和辩论存在的案例研究](https://asset.jmir.pub/assets/thumbs/f90df806f3bfc5b9c64c19ac1475557b.png 480w,https://asset.jmir.pub/assets/thumbs/f90df806f3bfc5b9c64c19ac1475557b.png 960w,https://asset.jmir.pub/assets/thumbs/f90df806f3bfc5b9c64c19ac1475557b.png 1920w,https://asset.jmir.pub/assets/thumbs/f90df806f3bfc5b9c64c19ac1475557b.png 2500w)
推特上的脊椎按摩和脊椎操纵疗法:审查批评和辩论存在的案例研究
亚历山德罗·R·马尔孔,菲利普Klostermann,蒂莫西·考尔菲德
2016年JMIR公共卫生监测(9月16日);2 (2): e153
![Characterizing Twitter Discussions About HPV Vaccines Using Topic Modeling and Community Detection 使用主题建模和社区检测来描述关于HPV疫苗的Twitter讨论](https://asset.jmir.pub/assets/thumbs/574b3917cac1744310292235bf785d5b.png 480w,https://asset.jmir.pub/assets/thumbs/574b3917cac1744310292235bf785d5b.png 960w,https://asset.jmir.pub/assets/thumbs/574b3917cac1744310292235bf785d5b.png 1920w,https://asset.jmir.pub/assets/thumbs/574b3917cac1744310292235bf785d5b.png 2500w)
使用主题建模和社区检测来描述关于HPV疫苗的Twitter讨论
迪迪Surian,阮国强,乔治娜肯尼迪,Mark Johnson,恩里科Coiera,亚当·G·邓恩
J Med Internet Res 2016(8月29日);18日(8):e232
![Estimating Influenza Outbreaks Using Both Search Engine Query Data and Social Media Data in South Korea 使用搜索引擎查询数据和社交媒体数据估计韩国流感疫情](https://asset.jmir.pub/assets/thumbs/701133d4b2f5b03362cc1d19133198df.png 480w,https://asset.jmir.pub/assets/thumbs/701133d4b2f5b03362cc1d19133198df.png 960w,https://asset.jmir.pub/assets/thumbs/701133d4b2f5b03362cc1d19133198df.png 1920w,https://asset.jmir.pub/assets/thumbs/701133d4b2f5b03362cc1d19133198df.png 2500w)
Hyekyung吸引,Youngtae曹,Eunyoung垫片,Jong-Koo李,Chang-Gun李,金成焕
J Med Internet Res 2016(07月04日);18 (7): e177
![Google Flu Trends Spatial Variability Validated Against Emergency Department Influenza-Related Visits 谷歌流感趋势与急诊部门流感相关就诊的空间变异性验证](https://asset.jmir.pub/assets/thumbs/05207e9e3ccf295bae867fa28e79646e.png 480w,https://asset.jmir.pub/assets/thumbs/05207e9e3ccf295bae867fa28e79646e.png 960w,https://asset.jmir.pub/assets/thumbs/05207e9e3ccf295bae867fa28e79646e.png 1920w,https://asset.jmir.pub/assets/thumbs/05207e9e3ccf295bae867fa28e79646e.png 2500w)
约瑟夫·杰弗里·克莱姆布齐克,Mehdi Jalalpour,斯科特·莱文,雷纳德·华盛顿,杰西·派恩,理查德·E·罗斯曼,Andrea Freyer Dugas
J Med Internet Res 2016(6月28日);18 (6): e175
![Applying Sparse Machine Learning Methods to Twitter: Analysis of the 2012 Change in Pap Smear Guidelines. A Sequential Mixed-Methods Study 将稀疏机器学习方法应用于Twitter: 2012年巴氏涂片指南的变化分析。序贯混合方法研究](https://asset.jmir.pub/assets/thumbs/7199cfbe605b4232c84789d9d6d0eb52.png 480w,https://asset.jmir.pub/assets/thumbs/7199cfbe605b4232c84789d9d6d0eb52.png 960w,https://asset.jmir.pub/assets/thumbs/7199cfbe605b4232c84789d9d6d0eb52.png 1920w,https://asset.jmir.pub/assets/thumbs/7199cfbe605b4232c84789d9d6d0eb52.png 2500w)
将稀疏机器学习方法应用于Twitter: 2012年巴氏涂片指南的变化分析。序贯混合方法研究
考特尼·里斯·莱尔斯,安德鲁Godbehere,宝石勒,Laurent El Ghaoui,Urmimala Sarkar
JMIR公共卫生监测2016年(6月10日);2 (1): e21
![Utilizing Nontraditional Data Sources for Near Real-Time Estimation of Transmission Dynamics During the 2015-2016 Colombian Zika Virus Disease Outbreak 利用非传统数据源近实时估计2015-2016年哥伦比亚寨卡病毒疾病爆发期间的传播动态](https://asset.jmir.pub/assets/thumbs/f7f98822688c062cb8fc79c04a651deb.png 480w,https://asset.jmir.pub/assets/thumbs/f7f98822688c062cb8fc79c04a651deb.png 960w,https://asset.jmir.pub/assets/thumbs/f7f98822688c062cb8fc79c04a651deb.png 1920w,https://asset.jmir.pub/assets/thumbs/f7f98822688c062cb8fc79c04a651deb.png 2500w)
利用非传统数据源近实时估计2015-2016年哥伦比亚寨卡病毒疾病爆发期间的传播动态
Maimuna S Majumder,Mauricio Santillana,Sumiko R Mekaru,丹尼斯·P·麦金尼斯,Kamran汗,约翰·S·布朗斯坦
JMIR公共卫生监测2016年(6月1日);2 (1): e30