从护理角度看COVID-19的影响:社交媒体内容分析

介绍

背景

护理是一种在工作环境中具有暴露于环境和职业危害的独特潜力的职业。护士面临着潜在的传染病、有毒物质、压力、背部损伤和辐射的暴露[1］．2019冠状病毒病疫情构成了一种正在迅速演变的独特健康风险形势[2］．美国护士协会道德准则(2015)指出，根据准则第2条，护理职业的不可协商的道德实践标准是“护士的主要承诺是对患者。”守则第5条订明“护士有同样的责任保护自己”[3.］．在大流行期间，这两项平等的义务可能会发生冲突，护士必须在极端情况下，包括资源不足或不足以及传染病无法控制的情况下，继续照顾重症传染病患者。

专业护士历来为灾难应对提供富有同情心的合格护理，但当他们的工作性质使他们面临更大的风险时，他们面临着提供护理的挑战。在应对灾害的情况下，例如在资源稀缺、个人防护装备供应可能不足的情况下，护士会感到身体不安全[4］．当护士被要求在COVID-19大流行等高风险情况下提供护理时，他们关心的是专业、道德和法律保护。德沃尔夫表示，COVID-19大流行等灾难会影响那些经历过这些灾难的人的心理和社会。5］．无论人们认为2019冠状病毒病大流行是人为造成的还是自然灾害，经历这种经历对人类的影响都是巨大的，特别是当人们亲身感受到这种灾难时。例如，在COVID-19大流行期间，在前线工作的护士感受到了这场灾难的直接影响，因此，这一经历可能会产生异常多的心理和社会反应[5］．DeWolfe解释说，高暴露幸存者，如护士和其他医护人员，可能会经历一系列的影响，如焦虑、抑郁、悲伤、创伤后症状、躯体症状和药物滥用[5］．

世界各地的研究人员一直在研究COVID-19大流行对护士和其他卫生保健工作者的心理影响，结果表明，护士和其他卫生保健工作者正在经历高度焦虑和恐惧，特别是当这些担忧与感染家庭成员、无法社交以及在工作环境中传播COVID-19有关时[6］．对204名感染COVID-19的医护人员进行的横断面描述性分析表明，不仅缺乏个人防护装备使护士面临从患者那里感染COVID-19的风险，而且同事不遵守佩戴口罩和保持社交距离的规定，特别是在休息期间，也使护士面临风险[6］．a等人发现，中国急诊科护士的抑郁症状很常见，那些报告抑郁症状较重的护士也报告了较低的生活质量[7］．

Hu等人调查了中国武汉的一线护士;他们的研究结果表明，护士经历了中度到高度的焦虑、抑郁、倦怠和恐惧，同时报告有一个或多个皮肤损伤[8，9］．护士们也面临着道德困境，比如哪些病人应该优先考虑，由于缺乏足够数量的呼吸机，谁应该接受呼吸机。10]以及与他们应对病毒的能力不确定有关的道德困境[10］．定性研究表明，中国为COVID-19患者提供直接护理的护士经历了一系列积极和消极的情绪[11］．Liu等人确定了强调护士所经历的情感损失的关键主题，特别是与面临挑战和危险的感觉、对感染的恐惧、疲惫和压力有关[12］．在这些感受的同时，护士们也表达了在这次大流行期间作为卫生保健提供者的强烈义务和责任感，并希望这场流行病能够被克服[12］．

Sun等人发现，在应对大流行的最初几周，护士主要经历的是负面情绪，如疲劳、不适、无助、恐惧和焦虑[11];然而，随着护士在环境中工作的时间和所提供护理的知识的增长，他们表达了许多积极的情绪，例如专注于应对和自我护理，对自我预防感染COVID-19充满信心，以及从患者的尊重和家人和团队的支持中获得的快乐。与COVID-19患者一起工作的压力延续到了护士的日常生活中，因为他们感到与家人和朋友隔绝，孩子的照顾者因为害怕感染和无法参加亲人的葬礼而辞职[6］．一些护士发现自己第一次失业，感到很沮丧，希望自己能多帮些忙。10］．

知识差距

各种形式的媒体在2019冠状病毒病大流行中发挥了重要作用，是公众的主要信息来源。然而，这些媒体来源对病毒提出了相互矛盾的意见和观点，导致一些人对病毒的重视程度不如其他人，给护士带来了更多的痛苦[10］．了解通过社交媒体传播、为公共卫生和公共政策提供信息的健康相关信息的科学，即信息流行病学，在确定疾病爆发模式和研究公众对各种疾病的看法方面特别有用。对社交媒体平台上发布的卫生事件数据进行分析，不仅可以提供卫生事件发生的第一手证据，还可以更快地获取实时信息，帮助卫生专业人员和政策制定者制定适当的卫生相关事件应对措施。护士们已经开始利用社交媒体为一线医护人员发声。网络视频已经浮出水面，显示了医院侧翼的混乱，而护士们所面临的创伤和挣扎的第一手资料也出现在Facebook等网站上。10，13］．

护士们正在使用社交媒体与公众沟通，并呼吁更多的供应和支持[13］．例如，Twitter上的“#GetMePPE”标签是为了传播个人防护用品短缺的意识;这引发了一场有超过62,000人签名的请愿活动，并与一个名为GetUsPPE.org的网站相结合，使卫生保健工作者能够获得数十万件个人防护用品[14］．2019冠状病毒病的爆发导致了一系列研究，通过使用社交媒体数据，调查了公众对这场大流行的看法、想法和担忧。所有这些研究都依赖于公共数字媒体的数据，如Twitter或微博平台;这些研究分析了大流行早期的数据，对普通人群使用了不同的情绪分析技术，而不考虑用户的职业，也不考虑对时间事件的情绪随时间的演变。在这项研究中，我们专门分析了参与公开成立的Facebook小组的护理专业人员的社交媒体讨论，以发展与大流行影响相关的纵向见解，即卫生保健提供者随着时间的推移经历了什么。

研究的目的是

本研究的主要目的是探讨护士在应对冠状病毒大流行中的工作经历及其对其情绪状态的影响。为此，我们专门采用情感分析、主题建模和信息检索技术来评估与COVID-19大流行相关的护士身体、心理和社会心理因素的影响。该分析涵盖了2020年3月至11月底参加公开社交媒体群的护士提出的主要主题。该分析还审查了对这些帖子的评论。具体来说，我们分析了护士发布的主要关注话题(例如，缺乏口罩、个人防护装备和呼吸机;害怕被感染;家庭困难;担心就业)。在最近出版物的研究结果的指导下，确定了主要主题。分析还侧重于这些主题如何随着时间的推移而变化(例如，从大流行开始时的医疗设备短缺到后期的治疗)。 In addition, using a sentiment analysis technique, we analyzed the feelings and emotions, both positive and negative, expressed in the posts and comments.

本研究由马萨诸塞大学洛厄尔机构审查委员会(IRB)审查，并确定免于审查。

社交媒体分析的艺术状态

研究人员使用了各种方法来提取文本情感，可分为四类:关键词、词典、机器学习和混合。一些研究人员也使用基于语言规则的方法[15]、基于关键字的方法[16]、基于情绪的模型[17，18]、自然语言处理(NLP) [19]和基于案例的推理[20.］．基于关键字的方法通过寻找文本中的单词与情感关键字之间的匹配来检测情感，提供匹配索引，也称为信息检索[qh]16］．基于词典的方法使用情感词典或字典从一段文本中检测正确的情感[21］．机器学习方法使用监督[22，23]和无人监督的[24，25学习情感检测，使用各种现有的分类和聚类方法。混合方法合并了以上一种以上的技术，并将结果应用于文本情感识别[16，26-28］．情绪通常由各种情绪模型来定义和描述。现有的情绪模型可分为分类模型和维度模型[29］．分类情绪模型，如Ekman [30.]，剃须刀[31]和奥特利[32]，将人类所有的情绪分为几大类(例如，愤怒、厌恶、恐惧、喜悦、爱、积极和消极)。相反，维度情绪模型，如Plutchik的模型[33]，环形模型[34]、情绪模型的认知结构[35]，而Loveim的模型[34]，以问答形式使用多个维度(如效价、唤醒和支配)和强度(如基本、温和和强烈)对情绪进行详细分类。我们使用了现有文献中最流行的方法——信息检索技术(关键字)，预定义的基于字典的语言查询和单词计数(词典)，以及来自变形金刚(BERT;机器学习)[36-识别各种用例中的情绪。

方法

概述

社交媒体是指人们可以表达自己想法的数字平台，为世界各地不同的人群提供了方便的途径。特别是，截至2020年11月，Facebook拥有27亿月活跃用户，是最大的平台，在社交网络中占据主导地位。在这项研究中，我们应用了数据挖掘技术，并添加了引用，以了解护理专业人员对COVID-19大流行的看法，这些观点是在受信任的开放Facebook护士群中讨论的。图1说明了我们的方法流程图。

‎ 查看此图

数据准备

我们的数据准备阶段包括分组选择、数据收集和预处理。首先，我们选择了一个公共护理专业人员群，共有108354名成员，由护理专业人员组成，唯一的目的是与covid -19相关的讨论，我们收集了护士的帖子。从Facebook群组帖子中收集数据比使用其他类似的社交媒体平台(如Twitter)更具挑战性。由于Facebook的应用程序编程接口(API)缺乏提取评论和其他必要信息(例如，反应和照片)的能力，我们使用Facebook HTML页面离线下载器，并使用Python (Python软件基金会)的Beautiful Soup库解析HTML标签，以提取以下信息:各种帖子id，用户名的哈希值(去识别)，帖子文本，喜欢的数量，日期和每个帖子的评论。为了表示疫情期间的情绪模式，我们收集了从2020年3月1日到2020年11月30日的帖子，并将其保存在一个由两个表组成的关系数据库中——主要帖子和相关评论——并使用适当的公私钥定义。收集的原始数据包含背景噪声，如url、标签、表情符号、停止词和空帖子，这些噪声使用基于python的数据清理工具从数据中删除，以提供更高的精度分数。

数据分析工具

我们使用两种不同的分析工具来分析收集到的数据:情感分析工具和信息检索工具。

情感分析工具

情感分析是用来确定文本特征(即积极，消极或中性)的过程，帮助人们了解有关对话主题的总体看法。BERT是一种基于变换的机器学习技术，用于NLP预训练，由谷歌开发，用于提取情感。我们最初在现有的包含160万个条目的Twitter数据集上训练并验证了基于bert的监督模型[37］．Twitter数据集有四个标签:快乐、悲伤、愤怒和恐惧。在这项研究中，我们使用了BERT [36框架从选定的数据文本中提取情感。

信息检索工具

信息检索是从文档存储库中获取信息或短语的过程。更具体地说，信息检索工具从数据库中返回文本，这些文本由用户以文本、句子或短语的形式查询的信息组成，以表示最高排名或相似性得分。在本研究中，我们使用了基于python的信息检索工具Whoosh (Anserini)，该工具可以将文本中的短语、单词、文档或一组条件短语，与“和/或”关系连接，并自信地返回所查询短语存在的相关帖子(多媒体附录1） ［38］．

分析工具选择的有效性

概述

分析护理专业人员对新冠肺炎疫情的看法(即护士心理)[39，40]，决策[41，42]，情感[43]和关切[44])，我们应用了当前的社交媒体文本分析技术[44，45］．在本节中，我们解释了选择BERT进行情感分析和选择whooosh作为信息检索工具的有效性。

来自变压器的双向编码器表示

NLP是数据预处理领域中最繁琐的机器学习方法之一。除了文本数据集的预处理和标记化，训练成功的NLP模型还需要花费大量的时间。2018年，谷歌的一个科学家团队提出并开源了BERT，这是一个重大突破，因为其令人难以置信的性能而席卷了深度学习社区。BERT是一种基于变换的机器学习技术，用于NLP预训练方法[36，46］．根据被引用超过2.1万次的谷歌学术引文，BERT被认为是社交媒体帖子中最受欢迎的情感分析工具。有两种预训练的通用BERT变体:(1)BERT- base(12层，768个隐藏，12个头，1.1亿个参数的神经网络架构)和BERT- large(24层，1024个隐藏，16个头，3.4亿个参数的神经网络架构)。这两种BERT模型都在英语维基百科(25亿字)和图书语料库(8亿字)上进行了训练，并在一些NLP任务(如情感分析)上取得了最好的准确性[47，48］．在本文中，我们使用Dai等人提出的预训练BERT模型从社交媒体帖子中提取情感[49］．该模型使用BERT-Base的原始词汇表作为其底层词块词汇表，并使用原始BERT-Base的预训练权重作为初始化权重。然后，该模型使用2018年9月1日至10月30日的英文推文，对总共6000万条英文推文进行BERT-Base模型的预训练，这些推文由9亿个token组成。这个特定的BERT模型在情感分析(Twitter帖子的准确率>91%)和假新闻检测(Twitter帖子的准确率>98%)上取得了显著的准确性，这启发了我们选择这个预训练模型进行我们的研究[49) (表1）.

Anserini工具

Anserini是一个基于lucene的搜索引擎的开源软件工具包，通过信息检索构建真实世界的搜索应用程序[38］．基于Lucene的搜索引擎(Apache Lucene)，在Lucene4IR论文中首次提出[50]，后来由Grand等人改进[51]和Kamphuis等[52]被广泛使用，并且是搜索应用程序的标准基础。Anserini引擎的核心目的是根据搜索表达式为文档和句子提供排序(即索引)。Anserini体系结构的核心组件是一个多线程索引引擎或包装器、一个流线型的信息检索评估器和一个相关反馈引擎。包装器为文档集合提供了抽象，并实现了利用这些抽象的高效、高吞吐量和多线程索引器。评估器通过从抽象中提取文档特征来开发多阶段排序体系结构。反馈组件基于搜索表达式和文档集合之间的词汇表不匹配方法开发相关反馈索引。最终的输出索引表示相似性指标值的排序，值越高表示相似性越高。我们使用Anserini从社交媒体帖子中识别与covid -19相关的关键信息[38］．

数据分析

我们使用最先进的NLP进行清理、主题建模、情感分析和信息检索。在数据清理步骤中，我们从整个数据集中删除背景噪声，如url、标签、表情符号、停止词和空帖子，以提高精度分数。然后，我们使用BERT来检测情绪。在这个过程中，我们使用了在TensorFlow中编写的hug Face的transformer库来标记我们收集的数据与情感，以及频率[53］．hug Face是一个基于python的转换器库，它可以支持我们预训练的BERT模型，并可用于标记任何收集到的带有情感的数据。这个库专门显示文本的潜在情感，需要从界面确认情感。一名研究生参与了确认“拥抱脸”界面的情感。应该提到的是，一个或多个情绪可以与一个帖子相关联;因此，一个帖子可以与多个情绪相关联。在这种情况下，一个帖子可以被多种情绪考虑多次。这些检测到的情绪随后被使用并细分为子主题。在获得情绪测量后，我们探索了其他主题(例如，缺乏口罩、个人防护装备和呼吸机;害怕被感染; family difficulty; and worrying about employment), which are specific and cannot be detected or retrieved by use of sentiment analysis or topic modeling methods. Therefore, we used an information retrieval technique (Anserini) to further label posts. Anserini is a Python-based search engine, similar to Lucene search indexing. This will result in the posts on these topics along with the score, which is the term frequency–inverse document frequency for the topic [38］．基于确定的情感主题，本文纳入了具体的匿名帖子和评论，以突出护士自己的话的定性例子。

结果

概述

以下结果阐明了护士随着时间的推移所表达的消极和积极情绪。这些情绪与2019冠状病毒病大流行9个月期间(即2020年3月1日至11月30日)确定的护士的各种经历有关。样本数据(即评论和帖子)显示在表2．

护士随时间变化所表达的负面情绪的检测:愤怒、焦虑和悲伤

图2显示了悲伤，愤怒和焦虑情绪之间的速率变化。该比率是通过将表达情感的特定帖子和评论的数量除以当月的整体情感帖子和评论来计算的。所显示的趋势表明，所有情绪(即帖子和评论)的比率在5月、7月和8月达到顶峰。悲伤和焦虑的比例在11月达到了另一个峰值，而愤怒的比例则呈下降趋势。图2）.

‎ 查看此图

本节将分享这些情绪的示例帖子和评论。一名护士发表了以下评论，表达了对她在大流行期间所扮演角色的焦虑:

我很害怕我们会被送进医院或者死掉。我的胸部感觉很紧，但我认为这是焦虑，而不是新冠肺炎的症状。

一名护士发表了一条评论，表达了对接触COVID-19后重返工作岗位的不明确政策的愤怒:

我很生气，他们让一名新冠病毒阳性的护士在没有重新筛查的情况下回去工作。他上了两个小时的班，却不得不生病回家。谢谢你们的曝光

一位护士分享了她对抑郁和不快乐的感受，这导致她重新考虑自己的职业:

…这场大流行绝对让人筋疲力尽，甚至让我重新考虑护理。我现在正在做一个小小的改变，跳入资源护理领域。我已经在重症监护室工作了几个月，我注意到自己越来越沮丧和不开心。我做这个改变是为了我和我家人的理智……

口罩副作用、缺乏个人防护装备、媒体错误信息和不遵守口罩规定造成的沮丧

对来自媒体的错误信息的挫败感持续存在，从4月到6月达到最高峰。个人防护装备短缺造成的沮丧情绪在4月至6月达到顶峰。皮肤损伤引起的挫折感持续存在，在8月和10月达到最高峰。由于人们不遵守口罩建议而产生的沮丧情绪在4月至7月达到顶峰，7月至9月再次达到顶峰(图3）.

‎ 查看此图

以下帖子和评论阐明了与皮肤损伤、缺乏个人防护装备、媒体的错误信息以及人们不遵守口罩建议有关的沮丧情绪。

护士们发表了关于他们与口罩皮疹和整天戴口罩引起的病变作斗争的评论:

我带着医用口罩上了12小时的班，鼻尖开始长压疮了……

护士还报告说收到了不适当的个人防护装备:

他们给了我们外科口罩，当可能出现COVID时，他们没有给我们n95，直到病例呈指数级增长。仅供参考(我有自己的N95，并带来了它)。然后他们给了我们这些不合身的n95 -在我使用它的时候坏了(我不得不把带子钉住)

另一名护士分享说，她的机构控制了他们获得个人防护装备的途径:

见鬼，我们的急症护理医院把个人防护装备锁起来了。我们必须签到，而且只能换班一次

一些护士发表评论，对那些拒绝在工作中戴口罩的人感到沮丧:

还有谁在感染新冠病毒后下班后对护士站整天摘下口罩的工作人员感到恼火/焦虑?我担心我的员工会厌倦人们的漠不关心。我明白我们都厌倦了这个，但COVID仍然存在。

一些护士对有关该病毒的错误信息的传播表示担忧:

…我厌倦了那些在医学领域没有任何资历和经验的人告诉别人这种病毒是骗局，戴口罩是毫无意义的，并试图说服别人这种病毒不是问题。人们是如此的目光短浅，以至于他们没有意识到人们正在死去，他们不断地向人们灌输阴谋论，这足以让人们相信这种病毒不是致命的，而是会害死人的。我现在很生气。

与社会生活、家庭和朋友有关的孤立

所有类别中与隔离相关的帖子和评论的比率在所有月份都达到了顶峰，4月至6月的比率最高，其次是7月至10月的比率再次上升。图4）.护士们对与家人隔离表示担忧，因为他们害怕被感染。

‎ 查看此图

我个人并不关心自己面临的风险，我更关心的是，我希望今年能够再次见到我的父母，并可能至少拥抱我的妈妈一次。她有三种自身免疫性疾病我和她共处一室是很危险的。

我想念我的孩子们。我不会靠近他们的。已经三个星期没有了。我戴着面具在10到12英尺外和他们说话。它糟透了。

疲惫和孤独

所显示的趋势表明，随着时间的推移，疲劳程度达到顶峰，从7月到9月达到显著的峰值(图5和6）.护士们描述了看着患者因COVID-19而衰弱时的精神和情感疲惫:

‎ 查看此图

‎ 查看此图

看着这些人突然崩溃，在他们被发泄之前说再见。最后一次对他们所爱的人进行面部计时，这一点都不容易。你是如何把一生的爱和关系塞进一个两分钟的电话里的?我正纠结着要不要离开我的单位休息一下。我身心俱疲。

显示的趋势表明，孤独感在4月至5月底达到顶峰，在7月至10月达到另一个高峰。一位护士评论说，孤独和渴望拥抱家人让她们开始质疑自己的职业选择:

我喜欢做一名护士，我喜欢照顾别人;然而，这场大流行让我对自己的职业生涯产生了质疑。我被隔离了很长一段时间来思考这个问题。因为我渴望拥抱我的家人，但只会用视频聊天来保证他们的安全。我甚至还得在网上看我女儿的毕业典礼。为了这份事业而拿我的生命和家人冒险值得吗?

另一名护士评论说，由于家人不理解他们所经历的事情，他们感到孤独:

对于那些上第三班的人(像我一样)，你是如何与家人一起处理这些事情的??我的妈妈一点也不明白……我现在感到非常孤独。他们告诉我，我是“为这份工作而报名的”，所以我不允许为此感到悲伤。我只是不知道该怎么办，但我真的很沮丧。

在工作中受到感染

与担心被感染有关的帖子和评论在4月份达到顶峰，随后帖子和评论的比率下降，在6月和7月再次增加，之后在剩余的几个月里逐渐下降(图7）.与在工作中受到感染有关的一个示例职位如下:

‎ 查看此图

在我们的设施中，我们的工作人员和居民之间有近50例阳性病例。没有人故意传播它，我们都在尽我们所能……今天是我在医疗行业最糟糕的一天。我知道每个人现在都承受着很大的压力，但我们都需要成为一个团队。当一名队友在生病后回到急诊室，把自己重新放在火线上时，要表现出一些同情和尊重!

一名护士解释了她是如何认为自己被感染的，因为他们在工作时得到了不适当的个人防护装备:

我想我被不合适的KN95感染了当时我们不得不把它们粘在脸上。这让我非常生气，美国是世界上“最富有”的国家，但9个月来，个人防护装备仍然是个问题。

另一名护士讨论了如何在休息室不戴口罩和保持社交距离:

阳性的数量非常少。我们一直在必要时戴口罩和保持社交距离。在工作中，我们必须在实验室戴口罩，但当我们进入休息室时，口罩就会摘下，没有社交距离。

害怕感染家人

护士们描述了他们害怕感染住在家里的家人(图8）：

‎ 查看此图

…我认为最终的挑战是保护我们的家庭。我认为公众并没有完全体会到这给我们带来的压力。

另一名护士描述了他们害怕感染家人和其他人，以及不得不与孩子隔离的恐惧:

…每天当我走进医院的时候，我越来越担心今天有人拒绝戴口罩，对着我咳嗽，会把病毒传染给我。我担心我会被迫自我隔离，不得不向我的孩子们解释为什么我不能给他们拥抱和亲吻，甚至不能上楼。我害怕我将在不知情的情况下把它带回家给我的家人，或者我接触的下一个病人。我害怕如果我在穿衣服和脱衣服的过程中做错了一件小事，我就会成为某人生病的原因……

另一名护士解释了不断变化的协议是如何让她害怕把COVID-19带回家的:

…我绝对不想把它带回家感染我的家人。我只是不明白为什么协议似乎每天都不一样，甚至每小时都不一样。

COVID-19-Positive测试

新冠病毒检测呈阳性的帖子率在4月至10月达到高峰(图9）.感染COVID-19的护士描述了她们所经历的症状。一位护士发帖说:

‎ 查看此图

隧道的尽头有光明吗?在第8天和第6-7天，我觉得我要死了。现在我在想是否应该在100.5度的温度下用药，还是让免疫系统对抗它更好。呼吸急促有所好转，但咳嗽仍然存在，并伴有寒战、身体疼痛、腹泻、压力性大小便失禁。我头晕目眩，手脚发麻，什么也没做，就睡了48个小时

病毒症状在感染恢复后仍持续，影响工作能力:

…19days post symptom onset, went back to work...on Sunday to work three 12s in a row after being off for almost three weeks. I am EXHAUSTED, my brain is straight fog and I move so slow. My body kills and my feet are swollen. And I’m tachy with palpitations for 90% of the night unless I’m sitting for a long period of time which does not ever happen. I don’t know how I will survive another night shift tonight. I can’t breathe in my surgical mask, let alone my n95. My chest hurts from struggling to breathe through these shifts. I know it takes time to get completely back to normal but I am so frustrated and tired ...

此外，一些护士的症状持续时间很长。去年10月，一名护士发帖称:

我在7月份感染了COVID，我的嗅觉一直没有恢复正常。当有气味时，我闻到的是我能想象到的最难闻的气味。还有人经历过吗?!我还能恢复正常吗!

暴露于病毒导致感染COVID-19并与家人隔离:

…已经和家人隔离一周了。我是上星期天确诊的。我不能看到我的孩子们，只能在屏幕上给他们飞吻，这让我很伤心。我尽了最大的努力保护我和他们的安全。为你的健康祈祷。这可不是开玩笑。我不希望这种事发生在任何人身上。

带薪休假

与带薪休假有关的职位比率在5月初至7月中达到高峰，然后在11月下降(图10）.护士发表的关于他们高风险职业的评论并没有反映在危险工资中。其中一名护士发帖如下:

‎ 查看此图

我当了23年的护士，我同意你的看法。很遗憾，我们面临着如此高的风险，而且工资与风险确实不匹配，更不用说当你最终检测呈阳性并不得不在家呆2-3周(我现在的位置)时，你会缺乏工资。

许多护士都在与无薪休假作斗争，这增加了他们的经济负担。对于COVID-19检测呈阳性的护士的带薪或无薪休假政策，各州之间存在差异。一位护士发帖说:

刚刚检测呈阳性。在工作中感染的……我现在回家两周，没有薪水。有人能帮我理解这是怎么回事吗?尽管我在工作时感染了病毒，但我的公司不必赔偿我。提示?想法吗?

护士积极情绪随时间变化的检测

病人感激

与患者感恩相关的帖子和评论在4月至6月和8月至10月达到高峰(图11）.其中一位护士分享了一个表达感激的例子:

‎ 查看此图

我们的一位护士让另一位顾客替她付了汽油费。我有一个朋友，她在沃尔玛购物时收到了一张礼品卡。我还认识一个人，他给当地医院的工作人员颁发证书，让他们在下班时免费按摩……

另一位护士说:

…这让我很高兴!我很高兴有些人对此表示赞赏。

希望

希望和积极的表达在不同时期有所不同，5月份的希望和积极程度最高，随后在9月份达到一个较小的高峰，然后从10月到11月持续上升(图12）.有一条评论代表了所表达的积极和希望，因为它涉及从团队合作中获得的力量，而不是独自经历这场大流行:

‎ 查看此图

你并不孤单。在你的恐惧，沮丧和愤怒中我们看到你的眼泪，希望有更好的日子你并不孤单我们看到了力量，团队合作，渴望拥抱疲惫的同事你所爱的人，没有家人的病人，在职业上的骄傲你并不孤单我们看到你，我们就是你。

许多评论反映出人们希望大流行的高峰影响将会消退，并在一定程度上恢复正常:

希望有一天它不会那么势不可挡。

我们的峰值/波峰在这里，希望永远不会回来。

其他评论反映了积极的一面，护士们互相鼓励保持希望:

你很快就会好起来的!不惜一切代价保护自己。最重要的是保持信仰。上帝保佑你

讨论

主要研究结果

这项社交媒体研究结合了情绪检测技术和主要讨论主题，探讨了从大流行开始到2020年11月护士的情绪表达。这些分析得到了直接引用的支持，这些引用阐明了在COVID-19大流行期间作为一名护士的经历。我们的数据方法遵循标准的社交媒体文本分析文献，该文献已被证明是有效和值得信赖的，并已在过去的护理和COVID-19趋势研究中应用于重要的社交媒体文本分析[36，38-45］．除此之外，由于Facebook的API无法提取必要的群组帖子，我们开发了自己的离线文本信息提取技术，并根据IRB豁免条件进行了适当的去识别以保护用户的隐私。结合基于bert的情感分析和基于anserini的信息检索技术，促进了一个成熟的广义社交媒体分析框架的发展，该框架可用于任何研究领域，包括但不限于学生、媒体人士、社会工作者和少数群体对不良社会事件的看法。

帖子和评论中描述的情绪反映了对大流行经历的各种消极和积极情绪。护士表达的负面情绪是愤怒，特别是当它与不明确的政策有关时，例如在感染后重返工作岗位;因在大流行期间担任一线工作人员而感到焦虑;以及因目睹病人衰弱和死亡以及被隔离而引起的悲伤。护士们表达了精神和情感上的疲惫。最近的文献也表达了类似的观点。在一项针对2014年武汉一线护士职业倦怠的横断面描述性相关研究中，835名护士报告了高水平的情绪耗竭，556名护士报告了高水平的人格解体[8］．最近的研究也表达了与愤怒和焦虑有关的情绪，特别是与大流行期间护士作为一线工作人员服务期间不明确的政策有关的情绪。Nelson和Lee-Winn发表的一篇评论强调了随着疫情的发展，护士在应对政策和规程的频繁变化时所经历的焦虑[39］．Hu等研究表明，40% - 45%的一线护士经历过焦虑或抑郁，11% - 14%的一线护士有中度至重度焦虑或抑郁[8］．一项针对1103名一线急诊科护士的横断面在线调查结果显示，参与COVID-19患者临床服务与抑郁风险增加显著相关(43.6%)[7］．

护士分享了导致压力和焦虑增加的因素。这个分析中的一个例子与阴谋论和“假新闻”有关。最近的研究支持了这些发现[10］．造成护士压力和焦虑的其他因素是缺乏个人防护用品和不遵守口罩佩戴规定。护士还报告说，由于长时间轮班每天佩戴个人防护装备，出现了皮肤损伤。同样，Hu等[8]和Shaukat等[9发现2014年护士中有1910人有一个或多个由PPE引起的皮肤损伤。由于缺乏个人防护用品，担心感染COVID-19以及感染家人是护士焦虑和抑郁加剧的另一个因素。此外，护士还表达了因与社交生活、家庭和朋友隔绝而产生的孤独感。尼尔森和李-温也表达了类似的担忧。同样，美国护士协会2020年对10997名护士进行的一项调查发现，28%的人感到抑郁，29%的人感到孤立和孤独。54］．

护士表达的积极情绪与患者的感激和希望有关，因为它与整个大流行期间的团队合作和相互支持以及对更好日子的希望有关。最近的研究报告称，护士在报告负面情绪的同时也经历了积极情绪。他们互相支持，有一种责任感和职业认同感。护士也感受到了病人的感激之情。36］．这些结果与我们的发现一致。

从大流行开始到2020年11月下旬，所描述的情绪也随着时间的推移发生了变化。这些发现类似于DeWolfe所描述的与灾难阶段相关的社会心理和情感反应[5］．护士们谈到了他们的恐惧和焦虑，特别是当他们感到失去了保护自己和他人，尤其是家人的能力时。在分析帖子和评论的整个时间框架中都注意到这些情绪，但在COVID-19大流行的早期阶段，这些情绪得到了加强。这类似于DeWolfe所描述的灾难的第一阶段或灾前阶段和第二阶段影响阶段[5］．随着COVID-19大流行的时间框架继续(多媒体附录2)，经历了灾难的第二阶段影响和第三阶段英雄阶段之后的情绪，但很快进入了第五阶段幻灭阶段，在这个阶段，意识到公众的有限援助和不服从导致了压力和倦怠的情绪，许多反应，如疲惫、沮丧、愤怒和抑郁，都表现在所表达的情绪中。随着疫苗的开发和病例数量的减少，人们在帖子和评论中表达了感激和希望的积极情绪。这类似于第4阶段的蜜月期。具体来说，乐观的评论与耐心的感激、团队合作和支持以及保持一切都会恢复正常的信念有关。

限制

尽管本研究旨在独特地代表COVID-19大流行期间护士的观点，但由于开放小组的职位津贴，该组中的一些职位可能由非护士个人担任，这是一个潜在的错误。由于管理员监控的评论和组规则的特殊性，这种情况发生的可能性很低，可能不会影响分析。本研究的另一个限制是，数据来自Facebook上一个特定的开放群体，可能不代表所有护士的观点;然而，在这一组中，成员包括106,000名护士。此外，本研究的结果与目前发表的有关该主题的文献的结果一致。

尽管作者的分析是基于多媒体附录3，他们可能没有捕捉到护士所经历的所有情绪。我们考虑了预训练的BERT模型，它有四个情绪标签——喜悦、悲伤、愤怒和恐惧——这可能会稍微限制我们的分析结果。另一方面，对于不同的情绪，单个帖子可能被计算多次，这有可能在我们的分析结果中引入错误。然而，最近的研究发现，仅考虑上述四种情绪标签，并对不同情绪的同一帖子进行多次计数，可以维持不同机器学习技术对covid -19相关帖子的分析结果，这肯定了我们结果的一致性[55］．

结论

这项研究的意义在于，它增加了从护士的经验中记录历史大流行的重要性。2019冠状病毒病大流行是一种独特的经历，世界没有为此做好准备，我们也没有在护理课程中为学生护士做好准备。从这一分析中收集的主题和信息将构成大流行爆发期间美国发生的情况的证据。它将为在前线服务的护士提供发言权。它还将作为阐述经验教训的基础，并作为对保健领域其他主题进行道德讨论的基础。此外，对于希望更好地了解与公共卫生危机有关的主要问题并制定解决这些问题的政策的各个政府机构、医院、组织和社区，它将特别有用。