2016年该主题发表的文章:32篇(向下滚动以加载其余文章)
2016
![E-Cigarette Social Media Messages: A Text Mining Analysis of Marketing and Consumer Conversations on Twitter 电子烟社交媒体信息:对Twitter上营销和消费者对话的文本挖掘分析](https://asset.jmir.pub/assets/thumbs/4960faa800a12a9aa2d6d0a1755d103d.png 480w,https://asset.jmir.pub/assets/thumbs/4960faa800a12a9aa2d6d0a1755d103d.png 960w,https://asset.jmir.pub/assets/thumbs/4960faa800a12a9aa2d6d0a1755d103d.png 1920w,https://asset.jmir.pub/assets/thumbs/4960faa800a12a9aa2d6d0a1755d103d.png 2500w)
电子烟社交媒体信息:对Twitter上营销和消费者对话的文本挖掘分析
艾莉森·J·拉扎德,亚当·J·萨弗,加里·B·威尔科克斯,钟东宇,迈克尔·S·马克特,杰伊·M·伯恩哈特
JMIR公共卫生监测2016(12月12日);2 (2): e171
![Applying Multiple Data Collection Tools to Quantify Human Papillomavirus Vaccine Communication on Twitter 应用多种数据收集工具量化Twitter上的人乳头瘤病毒疫苗传播](https://asset.jmir.pub/assets/thumbs/67896d3a9dfddcb8b0de397a1c0db237.png 480w,https://asset.jmir.pub/assets/thumbs/67896d3a9dfddcb8b0de397a1c0db237.png 960w,https://asset.jmir.pub/assets/thumbs/67896d3a9dfddcb8b0de397a1c0db237.png 1920w,https://asset.jmir.pub/assets/thumbs/67896d3a9dfddcb8b0de397a1c0db237.png 2500w)
应用多种数据收集工具量化Twitter上的人乳头瘤病毒疫苗传播
菲利普·M·梅西,艾米的领袖,兰德Yom-Tov,布登兹亚历山德拉,喀拉费雪,安·C·克拉森
J Med Internet Res 2016(12月05日);18日(12):e318
![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Twitter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:一个回顾性数据分析](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Twitter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:一个回顾性数据分析
Naoki Nishimoto,Ota水木,若Yagahara,Katsuhiko小笠原群岛
JMIR公共卫生监测2016(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”和免接种疫苗的叙述: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”和免接种疫苗的叙述: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
JMIR公共卫生监测2016(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Twitter信息和健康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Twitter信息和健康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,珍妮卡·K·亚伯兰,迈克尔·弗莱明
医学互联网研究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’”:识别与毒品有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’”:识别与毒品有关的推文中的个人沟通和情绪
Raminta Daniulaityte,陆沉,弗朗索瓦·拉米,罗伯特·G·卡尔森,Krishnaprasad Thirunarayan,Amit Sheth
JMIR公共卫生监测2016(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 评估谷歌,Twitter和维基百科作为使用贝叶斯变化点分析流感监测工具: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)
评估谷歌,Twitter和维基百科作为使用贝叶斯变化点分析流感监测工具:比较分析
J丹妮尔·夏普,理查德·霍普金斯,罗伯特·库克,凯瑟琳·W·斯特利
JMIR公共卫生监测2016(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中建立一个全国社区数据集,用于幸福感、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中建立一个全国社区数据集,用于幸福感、饮食和体育活动指标
Quynh C Nguyen,大鹏李,Hsien-Wen孟,苏拉凯丝,伊莱恩Nsoesie,飞飞李,明温
JMIR公共卫生监测2016(10月17日);2 (2): e158
![Characterizing Twitter Discussions About HPV Vaccines Using Topic Modeling and Community Detection 利用主题建模和社区检测表征Twitter上关于HPV疫苗的讨论](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)
利用主题建模和社区检测表征Twitter上关于HPV疫苗的讨论
迪迪Surian,阮国梁,乔治娜肯尼迪,Mark Johnson,恩里科Coiera,亚当·G·邓恩
医学互联网研究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 利用韩国搜索引擎查询数据和社交媒体数据估计流感爆发](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 谷歌流感趋势空间变异性验证对急诊室流感相关访问](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)
Joseph Jeffrey Klembczyk,Mehdi Jalalpour,斯科特·莱文,雷蒙德·E·华盛顿,杰西M派恩斯,理查德·E·罗斯曼,安德里亚·弗雷耶·杜加斯
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:分析2012年子宫颈抹片检查指南的变化。顺序混合方法研究](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:分析2012年子宫颈抹片检查指南的变化。顺序混合方法研究
考特尼·里斯·莱尔斯,安德鲁Godbehere,宝石勒,劳伦特·埃尔·高维,Urmimala Sarkar
JMIR公共卫生监测2016(6月10日);2 (1): e21