本文内容如下e-collection /主题问题:

主题刊:健康与医学的数字新常态(下) 信息流行病学与信息监控(899) JMIR主题:COVID-19特刊(1830年) 医学2.0:社会媒体，开放，参与，合作医学(1160) 电子心理健康和网络心理学(820) 信息监测，信息流行病学，数字疾病监测，信息管理

发表在在第24卷第10期(2022年):10月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/39676，首次出版．
使用社交媒体跟踪COVID-19和封锁政策对公共心理健康的影响:信息监测研究

使用社交媒体跟踪COVID-19和封锁政策对公共心理健康的影响:信息监测研究

使用社交媒体跟踪COVID-19和封锁政策对公共心理健康的影响:信息监测研究

本文作者:

结果表明李1、2 作者Orcid图片； 伊宁华3、4 作者Orcid图片； Yanhui廖5 作者Orcid图片； 李周3、4 作者Orcid图片； 雪李1、2 作者Orcid图片； 凌王6 作者Orcid图片； 杰杨1、2 作者Orcid图片
文章 作者 引用的 Tweetations (8) 指标

    原始论文

    1浙江大学医学院公共卫生学院健康科学大数据系，浙江大学医学院第二附属医院临床大数据与分析中心，中国杭州

    2浙江省智能预防医学重点实验室，中国杭州

    3.美国马萨诸塞州波士顿哈佛医学院生物医学信息系

    4美国麻萨诸塞州波士顿布莱根妇女医院医学部普通内科和初级保健科

    5中国杭州，浙江大学医学院邵逸夫医院精神科

    6英国伦敦，伦敦国王学院，南丁格尔护理、助产和姑息护理学院

    *这些作者贡献相同

    通讯作者:

    杨洁博士

    公共卫生学院健康科学大数据系，附属第二医院临床大数据与分析中心

    浙江大学医学院

    余杭塘路866号

    杭州,310058

    中国

    电话:86 19157731185

    传真:86 571 87077982

    电子邮件:jieynlp@gmail.com


    背景:新冠肺炎疫情及其防控措施加重了公众的精神负担。了解和跟踪公众心理状态的变化，有助于优化公共心理卫生干预和控制策略。

    摘要目的:本研究旨在建立一个基于社交媒体的管道，跟踪公众的心理变化，并利用它来了解公众对大流行的心理健康状况。

    方法:这项研究使用了2020年2月至2022年4月发布的与covid -19相关的推文。这些推文是通过Twitter应用程序编程接口使用唯一标识符下载的。我们创建了一个包含4种心理健康问题(抑郁、焦虑、失眠和成瘾)的词典，以识别与心理健康相关的推文，并开发了一个用于识别卫生保健工作者的词典。我们分析了大流行期间公众心理健康状况的时间和地理分布，并进一步比较了卫生保健工作者与普通公众之间的分布，并补充了对其潜在焦点的主题建模。最后，我们使用中断时间序列分析来检查12个州的封锁政策对公共心理健康的全州影响。

    结果:我们从2316,817名用户中提取了4,213,005条与心理健康和COVID-19有关的推文。在这些推文中，2161357条(51.3%)与“抑郁”有关，而1,923635条(45.66%)、225205条(5.35%)和150006条(3.56%)分别与“焦虑”、“失眠”和“成瘾”有关。与普通公众相比，医护人员罹患这4类疾病的风险更高P<.001)，他们比一般公众更关心临床问题而不是日常问题(如“学生压力”、“恐慌性购买”和“燃料问题”)。最后，在我们研究的12个州中，有4个州的封锁政策与公众心理健康存在显著关联，其中宾夕法尼亚州表现出正相关，而密歇根州、北卡罗来纳州和俄亥俄州表现出相反的关系(全部都是正相关)P< . 05)。

    结论:新冠肺炎疫情及其防控措施对公众精神状态的影响是动态的，在不同人群、疾病类型、职业和地区群体之间存在差异。卫生机构和政策制定者应主要关注抑郁症(51.3%的推文报告)和失眠(自大流行开始以来一直呈不断增加的趋势)，特别是在卫生保健工作者中。我们及时跟踪和分析公众心理健康的变化，特别是在初级研究和大规模调查难以进行的情况下。

    中国医学杂志，2018;24(10):e39676

    doi: 10.2196/39676

    关键字

    新型冠状病毒肺炎； 心理健康； 社交媒体； 推特； 主题模型； 卫生保健工作者


    自2019年12月第一例确诊病例以来，全球COVID-19大流行极大地改变了人们的日常生活[1］．它导致高住院率和高病死率，并对公众精神健康造成负面影响[2，3.］．在大流行期间，心理健康问题覆盖了广泛的人群。原因包括但不限于亲友的感染和死亡、对疾病的恐惧、隔离带来的隔离[4，5]，以及失业压力[6］．与此同时，儿童和青少年等特定亚群体[7，8]，学生[9，10]、COVID-19患者[11]，以及医护人员[12，13]在大流行期间特别容易出现心理障碍。

    研究指出，美国的卫生保健工作者在大流行期间经历了心理困扰，面临高度的焦虑、抑郁和倦怠[14］．潜在原因可能是感染病毒的风险较高，以及工作量太大[15，16］．虽然有研究大流行期间医护人员心理健康状况的文献，但现有研究主要集中在回顾性横断面研究[13，14，16-19］．因此，有必要研究其心理状态的动态特征，找出普遍关注的问题，及时给予支持[20.，21］．

    社交媒体平台(如Twitter、Facebook、微博)由于其规模大、即时性强、覆盖面广等特点，在难以进行初步研究和大规模调查的情况下，已成为及时分析公众认知的重要研究数据来源。例如，Chew等人[22]在2009年H1N1流感大流行期间使用Twitter研究错误信息，而Masri等人[23他们发现，根据2015年寨卡疫情的相关推文，可以提前一周预测新的病例趋势。同样，许多研究利用社交媒体来监测公众对强制远程工作等问题的看法[24]、疫苗[25，26]、吸毒[27]、戴口罩[28等等。同时，Berry等人[29]通过定量和定性方法的研究指出，人们愿意在Twitter上讨论心理健康问题的原因多种多样，包括社区意识，Twitter是一个表达、应对、赋权等的安全空间。然而，现有的关于大流行期间使用推特数据的公共心理健康的文献[30.-33]要么研究周期短，样本量小，要么不关注心理健康问题的亚型和亚组患病率。这类研究需要更细粒度的研究设计和更全面的数据。

    最后，在研究封锁政策的影响方面存在不一致，这是大流行期间与心理健康相关的最具争议性的话题之一。Das等[34发现“州封锁政策先于更严重的精神健康症状。”相比之下，Adams-Prassl等人[35发现“封锁措施使心理健康水平降低了0.083个标准差。”

    为了填补这些研究空白，并可能解决不一致的问题，本研究旨在使用2020年2月1日(大流行开始至2022年4月30日)的相关数据，分析COVID-19期间的公众心理状态、问题类型、其时间和地理分布，以及封锁政策对各州公共心理健康的影响(图S1)多媒体附件1)．具体来说，我们用这项研究回答了以下4个研究问题:

    1. 哪些类型的心理健康问题最常见?
    2. 公众最关心的精神健康问题是什么?相关讨论如何随着时间的推移而变化?
    3. 普通人群和卫生保健工作者在心理健康问题上是否存在差异?
    4. 封锁政策如何影响公众心理健康?

    为了回答问题1，我们团队的两位心理健康专家为推特策划了一个心理健康词典，将相关推文分为4种常见的心理健康问题:焦虑、抑郁、失眠和上瘾。基于这个词汇，我们提取了相关的推文，并将其按周和州的分布可视化。为了回答问题2和3，我们建立了一个管道来识别潜在的卫生保健工作者，使用主题模型将相关推文总结为16个主题，并比较了卫生保健工作者和普通人群中的主题分布。为了回答问题4，我们确定了与精神问题相关的推文，并比较了美国不同州封锁政策前后的比例。


    数据收集

    我们使用开源COVID-19推文数据库提供的唯一推文ID，从推特的应用程序编程界面收集并下载了2020年2月1日至2022年4月30日与COVID-19相关的推文[36］．下载的数据包含完整的推文文本和相应的元数据，包括创建时间、用户信息、推文状态等。我们进一步过滤了非英语和转发的推文，并保留了471,371,477条推文。我们的数据收集过程严格遵循Twitter的隐私和数据使用管理。本研究遵循《加强流行病学观察性研究报告》报告指南。

    伦理批准

    本研究由浙江大学学术评审委员会批准(ZGL202201-2)进行。

    数据预处理与过滤

    我们删除了包含url的推文，因为这样的推文通常只包含原始内容的摘要或引用(剩下169,660,346条推文)。一位精神病学家和一位心理学家策划了一本包含231个关键词的心理健康词典。这些关键词被分为4个亚组:焦虑、抑郁、失眠和成瘾(表S1)多媒体附件1)．我们使用该词典通过与预处理推文进行关键词匹配来提取与心理健康相关的推文，并识别出4,460,203条推文。为了减少垃圾邮件和错误信息推文的影响，我们删除了在研究期间发布超过1000条与心理健康相关推文的用户的数据。最终的数据集包含4213,005条推文。图1展示了数据预处理过程的概述。

    ‎
    图1。数据采集和预处理。
    查看此图

    地理信息提取

    用户的地理信息从推文的两个字段中收集:(1)推文元数据中的“place”字段和(2)推文元数据中“user”字段中嵌套的“location”变量。选择“地点”信息作为用户地理信息的主要证据，因为它是由GPS数据生成的，因此比来自自我报告的“位置”字段的信息更准确。我们使用美国州名列表来提取用户的地理信息(“方法”)多媒体附件1［37-39])。在此步骤中，来自与一个以上州关联的用户的推文将被删除。

    主题模型分析

    潜狄利克雷分配模型[39]被用来总结精神健康相关推文的主要主题。为了创建主题建模的语料库，我们删除了所有停止词[40]以及数字和符号。主题模型是使用LdaModel的功能Genism包(40］．我们选择了主题的数量——一个基于困惑度和主题一致性的模型超参数(“方法”)多媒体附件1［37-39])。

    卫生保健工作者身份

    为了识别医护人员，我们构建了一个医护人员识别词典，其关键词大致可以分为3组:职业、学位和协会名称(“方法”)多媒体附件1［37-39])。该词典共收录47个关键词，如“医生”、“MD”、“医学博士”、“FACP”等(表S2)多媒体附件1)．我们使用这个词典来过滤用户的描述，并从卫生保健工作者那里提取了49307条推文。

    统计分析

    我们运用标准描述性统计方法，总结了四种类型的精神健康推文的比例，包括中位数和iqr。采用Wilcoxon配对符号秩检验比较卫生保健工作者与普通人群之间的差异。间断时间序列分析[41]用于分析封锁政策对公众心理健康的影响(详细信息见《方法》)多媒体附件1［37-39])。我们使用Python软件(3.8版)进行统计分析，并选择了aP0.05为有统计学意义的阈值。


    收集的数据集

    数据预处理从2,316,817名用户中选取4,213,005条与精神健康相关的推文(图1)．其中，51.3%(2161357)推文属于“抑郁”组，45.66% (n= 1923635)推文属于“焦虑”组，5.35% (n= 225205)推文属于“失眠”组，3.56% (n= 150006)推文属于“成瘾”组。4个比例的总和大于100%，因为一些推文包含了属于不同心理健康亚组的多个关键词。此外，使用地理信息提取了789,967条推文(18.75%)，医疗保健工作者发布了49,307条推文(1.17%)(来自21,963名用户)。

    心理健康相关推文的时间分布

    4个亚组的周新增病例数和精神健康相关推文数的变化趋势如图S2所示多媒体附件1．心理健康问题的推文数量在2020年2月29日至4月4日达到了第一个高峰。我们计算并可视化了与心理健康相关的推文在所有与covid -19相关的推文中的比例图2．焦虑相关推文的比例曲线在2020年3月、10月和2021年9月有3个优势峰值。在研究期间，失眠相关推文的曲线持续增加，而抑郁和成瘾的曲线没有观察到特定的趋势。

    ‎
    图2。4种与心理健康症状相关的推文比例变化趋势
    查看此图

    美国心理健康相关推文的地理分布

    图3显示2020年2月1日至2022年4月30日期间，美国各州与精神健康相关的推文在所有与covid -19相关的推文中的比例，并可视化了美国所有50个州的每月推文比例(具体比例和95% ci列在多媒体附件2)．佛蒙特州、俄勒冈州和犹他州是精神健康推文比例最高的3个州，而密西西比州、夏威夷州和路易斯安那州的比例最低。在大多数州，前两个月与心理健康相关的推文的比例比接下来的几个月更高。

    ‎
    图3。美国精神健康相关推文的比例分布。
    查看此图

    心理健康推文主题

    与心理健康相关的推文中最常见的词汇是“人”、“担心”、“羞耻”、“恐慌”、“封锁”、“焦虑”、“面具”等(图S3)多媒体附件1)．基于研究的困惑度和连贯性，我们选择16个作为主题的数量(“Methods”和图S4)多媒体附件1［37-39])。的表S3中显示了主题和对应的前20个最可能出现的字母和字母多媒体附件1．我们根据关键字为每个主题分配了一个主题名称。例如，一个主题的关键词是“大学”、“学生”、“压力”和“考试”，这表明关于这个主题的推文很可能集中在“学生的压力”上。除了“新冠肺炎新闻”、“检测结果”、“戴口罩”等与新冠病毒相关的话题外，公众对“经济崩溃”、“抢购”、“燃料问题”等话题也表现出了特别的兴趣。这16个主题被分为6个主题组:“COVID-19大流行”、“预防措施”、“经济”、“人”、“教育”和“心理健康”。图4显示了被调查主题相对推文比例的动态分布。疫情期间，“封锁日”的话题在大部分时间占据主导地位。“新冠肺炎新闻”在疫情开始时被频繁提及，但在2020年6月后恢复到平均水平。“恐慌性抢购”话题在研究期间波动明显，在2020年2月至3月和2021年8月至10月相对较大。

    ‎
    图4。主题比例的动态特征。
    查看此图

    卫生保健工作者的心理健康

    我们评估了医护人员和普通人群之间4种心理健康症状相关推文的比例差异，并将结果显示在表1．统计结果显示，与焦虑、抑郁、失眠和成瘾相关的推文在医护人员中所占的比例明显高于普通公众(全部)P<措施)。图5A显示了每个用户在不同主题上的平均推文数量。“封锁日”是医护人员和普通民众讨论的首要话题。为了可视化医护人员和普通人群之间话题分布的差异，我们可视化了年中两组按话题划分的推文平均数量的比例图5B.研究表明，医护人员在13个话题上讨论得更多，特别是与临床相关的话题，如“医院情况”、“COVID-19症状”和“口罩佩戴”。相反，普通民众关注的话题是“燃料问题”、“学生压力”和“恐慌性抢购”。

    表1。卫生保健工作者和普通人群之间心理健康推文比例的比较。
    心理健康症状 卫生保健工作者(推文百分比)，中位数(IQR一个） 总体(推文百分比)，中位数(IQR一个） W P价值
    焦虑 1.103 (1.02 - -1.187) 1.025 (0.956 - -1.094) 2120 <措施
    抑郁症 1.519 (1.396 - -1.642) 1.255 (1.171 - -1.339) 26 <措施
    失眠 0.251 (0.175 - -0.328) 0.131 (0.093 - -0.17) 7 <措施
    上瘾 0.139 (0.114 - -0.164) 0.086 (0.079 - -0.094) 185 <措施

    一个应用IQR和Wilcoxon配对秩检验比较两组间的差异。
    ‎
    图5。针对卫生保健工作者和普通人群的推文主题分布情况。(A)每个用户在每个主题上的平均推文数量。(B)卫生保健工作者与一般人群之间关于每个主题的推文平均数量的对数比。该比率等于卫生保健工作者中每个用户的平均推文数量除以普通人群中的平均推文数量。
    查看此图

    封锁政策的影响

    在研究期间，我们选择了12个州，这些州有2万多条相关推文，以探索封锁政策对公众精神状态的影响。我们报告了在密歇根州、宾夕法尼亚州、北卡罗来纳州和俄亥俄州发现的显著结果(其他8个州的分析结果显示在图S5中)多媒体附件1)．采用灵敏度分析验证结果的稳定性(表S4)多媒体附件1)．图6显示了宾夕法尼亚州采取封锁政策后，4条与精神健康相关的推文的比例发生了变化，但其他3个州没有变化。表2列出中断时间序列分析的结果[41对公众心理健康的封锁政策“政策”的系数，即截距的变化，在宾夕法尼亚模型中是显著的(P=.007)，相互作用项系数表明，密歇根(P=.03)和宾夕法尼亚州(P= .04点)。

    ‎
    图6。封锁政策前后心理健康推文的每日比例。
    查看此图
    表2。封锁政策对公众心理健康的影响。
    状态 日期 拦截 P
    价值    		 时间一个 P
    价值    		 政策b P
    价值    		 *政策c P
    价值    		 F
    统计    		 P
    价值
    密歇根 2020年3月24日 0.0528 <措施 -0.0021 .003 -0.0214 。 0.002 03 4.669 .009
    北卡罗莱纳 2020年3月30日 0.0461 <措施 -0.0015 .04点 -0.0228 16 0.0017 。08 2.509 。08
    俄亥俄州 2020年3月23日 0.0429 <措施 -0.0013 03 -0.0117 点 0.0012 ．14 2.078 13。
    宾西法尼亚 2020年4月1日 0.0254 <措施 0.0002 点 0.0288 .007 -0.0012 .04点 3.033 .046

    一个时间:一个连续变量，编码研究期间的天数(锁定前后15天)。

    b策略:二进制变量，在锁定策略之前编码为0，策略之后编码为1。

    c时间*策略:时间与策略的交互项。

    主要研究结果

    自大流行开始以来，我们通过分析Twitter讨论的话题，研究卫生保健工作者与普通人群之间的潜在差异，并研究全州封锁政策的影响，调查了2年半的公众心理状态。我们发现，在研究期间，焦虑和抑郁问题在Twitter上被频繁提及，关于失眠的讨论比例持续上升。心理健康相关推文的内容分析揭示了潜在的原因:控制措施、经济崩溃、失业压力等。根据推特上的提及，我们发现这篇论文研究的所有4种心理健康问题(成瘾、焦虑、抑郁和失眠)在医护人员中明显比一般人群更普遍。最后，封锁政策对不同州的公众心理健康状况有不同的影响。在被研究的12个州中，封锁政策对公众心理健康的负面影响在宾夕法尼亚州显著，而在其他州则不明显。

    与之前作品的比较

    与类似主题的研究一致，我们发现COVID-19严重影响了公众心理健康，并对公众心理健康产生了动态影响[30.，42］．此外，我们发现与焦虑相关的推文的比例在2020年3月上升到一个实质性的峰值，并在几个月里保持低但稳定。一种可能的解释是，新冠肺炎疫情爆发初期引发了生活必需品短缺、失业等各种社会问题。这些问题引起了公众强烈而短暂的恐惧。随着大流行的继续，早期问题得到缓解，公众的担忧恢复正常。另一种可能的解释是，随着大流行的加剧，公众的情绪反应会减弱，这与Dyer和Kolic [43］．其余两个与焦虑相关的推文高峰分别发生在总统大选期间(2020年11月)和燃料价格飙升期间(2021年9月)。失眠的比例在研究期间也有所增加。这一观察结果与Shi等[44]，他们报告了随访期间(2020年7月8日至8月8日)的失眠患病率比基线期(2020年2月28日至3月11日)有所增加。

    专题分析表明，公众对新冠肺炎大流行及其预防以及新冠肺炎引起的经济和教育问题表示关注。在我们的工作和之前的研究中，我们都观察到了“社交距离”、“检测结果”、“世界大流行”、“COVID-19新闻”和“经济崩溃”等主题[32，45-49它只分析了大流行早期(主要是2020年1月至8月)的推文。我们的研究发现，在较长的学习时间内，我们还发现了两个额外的主题:“燃料问题”和“学生压力”。这些主题与文献和观察相对应:学生(尤其是儿童和青少年)更容易出现心理障碍[50]，而燃料价格在2019冠状病毒病期间波动频繁[51］．

    与之前的研究不同，这些研究只比较了医护人员和普通人群之间心理健康症状的患病率[52，我们还分析了他们关注的话题。我们证实，卫生保健工作者更关注所有研究的精神问题:焦虑、抑郁、失眠和成瘾。特别是，文献中广泛报道了医护人员中失眠的比例较高[53-57］．这些增加的问题可能是由于感染的风险增加[15]和更大的环境压力(如工作量增加、医疗用品短缺等)。卫生保健专业人员更专注于讨论病毒，对分享与大流行相关的新闻或经验更感兴趣，这表明他们对大流行的高度关注，这可能与精神障碍发病率的增加有关。

    封锁政策对美国各州的心理健康讨论产生了各种影响。在宾夕法尼亚州，它显示出与心理健康讨论的积极关联。然而，在密歇根州、北卡罗来纳州和俄亥俄州观察到相反的联系。文献还表明，地方封锁政策与公共心理健康之间存在地理上的不同关联。例如，米塔尔等人[58研究发现，在2020年3月22日至4月6日期间，大多数推特用户在相关推文中对封锁政策持积极看法，而另一项针对马萨诸塞州推特用户的研究发现，在马萨诸塞州紧急状态和美国紧急状态实施后，焦虑情绪的表达有所增加[59］．值得注意的是，Wang等人[60调查发现，在大多数州(如密歇根州、北卡罗来纳州和宾夕法尼亚州)，公众对封锁政策的态度是积极的，只有少数几个州(包括俄亥俄州)是消极的，这也表明了公众对封锁政策的反应在地理上的差异。

    优势与局限

    以前关于同一主题的工作要么没有关注心理健康问题的亚型，要么对它们进行了短期研究。我们的工作通过在更长的研究期间专注于更细粒度的心理健康问题来填补这些研究空白。我们建立了一个全面的管道，包括时间、地理和讨论主题分析;比较各组之间的趋势和关心的主题;以及封锁政策的影响。在分析的基础上，我们发布了代码，并贡献了2个词汇，可用于从推特中识别心理健康问题和医疗保健专业人员。

    我们也承认以下局限性。首先，由于社交媒体用户的潜在人口分布，社交媒体对公众心理健康的评估不可避免地存在偏见。例如，老年人和社会经济地位较低的人可能很少使用社交媒体。因此，本研究可能无法准确反映这些亚群的属性。然而，考虑到推特用户的庞大数量，这项研究的结果在追踪大流行期间的公众心理健康方面是有帮助和有价值的。此外，未来的工作可以考虑根据用户年龄进行抽样，以避免这一问题。第二，专业的心理学家必须根据官方的启发式方法对心理健康问题做出准确的诊断。因此，根据患者的推文使用词汇来识别患者可能会引入虚假病例。为了验证词典的可靠性，我们让专业的精神科医生根据抽样的推文整理词典。第三，含有关键词的推文并不总是反映用户的心理健康状况，因为它们可能是对新闻或其他人的评论。 To reduce this noise, we removed tweets containing URLs in our preprocessing step, as these tweets were usually summarizations or quotes of different information sources.

    未来的工作

    拟议的管道可以应用于研究其他公共心理健康问题，如自杀想法、创伤后应激障碍、偏执等等。它也可以应用于研究其他群体的特征，如性少数群体、大学生等。在分析方面，可以引入更多的数据来源(如调查和访谈)来验证本研究的结论。

    结论

    这项研究开发了一个综合渠道，利用社交媒体跟踪和分析大流行期间公众的心理状态。它还贡献了2个可供今后研究使用的词汇。我们发现，新冠肺炎疫情及其防控措施对公众心理状态的影响是动态的，在不同人群、疾病类型、职业和地区群体之间存在差异。卫生机构和政策制定者应主要关注抑郁症(51.3%的推文报告)和失眠(自大流行开始以来一直呈不断增加的趋势)，特别是在卫生保健工作者中。我们的方法非常有效，特别是在初级研究和大规模调查难以进行的情况下。它可以扩展到跟踪其他群体(例如，性少数群体和青少年)或在不同的大流行时期的精神状态。

    致谢

    浙江省智能预防医学重点实验室(2020E10004)资助。资助者在研究的设计和实施中没有任何作用。

    数据可用性

    支持该研究结果的数据和代码可在https://github.com/zjumh/mental-health-during-COVID上获得。

    作者的贡献

    ML和JY设计了研究并起草了手稿。YH准备数据，对研究设计提供反馈，并帮助起草和修改手稿。ML进行数据统计分析。YL和LW建立了心理健康关键词词典。YL, LZ和XL提供了批判性的评论。所有作者都审阅了手稿。ML对工作的完整性负责。

    利益冲突

    没有宣布。

    ‎
    多媒体附件1

    补充方法、图片和表格。

    DOCX文件，1138 KB
    ‎
    多媒体附件2

    每个州每月精神健康相关推文的比例和95% ci

    XLSX文件(Microsoft Excel文件)，25kb
    1. 朱楠，张东，王伟，李霞，杨波，宋杰，中国新型冠状病毒调查研究总队。2019年中国肺炎患者的新型冠状病毒。N Engl J Med 2020 Feb 20;382(8):727-733 [免费全文] [CrossRef] [Medline］
    2. 莫雷诺C, Wykes T, Galderisi S, Nordentoft M, Crossley N, Jones N，等。心理卫生保健应如何因COVID-19大流行而改变。《柳叶刀》精神病学2020年9月7日(9):813-824 [免费全文] [CrossRef] [Medline］
    3. 维戈D, Patten S, Pajer K, Krausz M, Taylor S, Rush B，等。COVID-19大流行期间社区的精神卫生。《精神病学杂志》2020年10月;65(10):681-687 [免费全文] [CrossRef] [Medline］
    4. 王勇，石磊，阙娟，卢强，刘林，卢震，等。COVID-19大流行期间隔离对中国普通人群心理健康状况的影响Mol Psychiatry 2021 Sep;26(9):4813-4822 [免费全文] [CrossRef] [Medline］
    5. 辛敏，罗松，佘瑞，余勇，李林，王松，等。中国COVID-19暴发初期强制隔离的负面认知和心理相关性心理学报2020;75(5):607-617。［CrossRef] [Medline］
    6. Witteveen D, Velthorst E. COVID-19期间的经济困难和心理健康投诉。Proc Natl Acad Sci U S A 2020年11月03日;117(44):27277-27284 [免费全文] [CrossRef] [Medline］
    7. 高博斯坦E，文H，米勒BF。2019冠状病毒病(COVID-19)与儿童和青少年心理健康。美国医学会儿科杂志2020年9月1日;174(9):819-820。［CrossRef] [Medline］
    8. Leeb RT, Bitsko RH, Radhakrishnan L, Martinez P, Njai R, Holland KM。MMWR Morb Mortal Wkly Rep 2020年11月13日;69(45):1675-1680 [免费全文] [CrossRef] [Medline］
    9. 柯培兰，李志强，李志强，李志强，等。新冠肺炎疫情对大学生心理健康的影响中华医学会儿童青少年精神病学杂志2021年1月;60(1):134-141。e2 (免费全文] [CrossRef] [Medline］
    10. 王欣，Hegde S, Son C, Keller B, Smith A, Sasangohar F.新冠肺炎大流行期间美国大学生心理健康调查:横断面调查研究J Med Internet Res 2020年9月17日;22(9):e22817 [免费全文] [CrossRef] [Medline］
    11. 奈度，沙阿，萨加尔，史密斯，布瑞尔，高德林，等。“长冠状病毒”的高心理健康负担及其与所有出院成年人持续的身体和呼吸道症状的关联。Eur Respir J 2021 Jun;57(6):2004364 [免费全文] [CrossRef] [Medline］
    12. 林坤，杨宝霞，罗东，刘强，马松，黄蓉，等。COVID-19对中国医护人员心理健康的影响美国精神病学杂志2020年7月1日;177(7):635-636。［CrossRef] [Medline］
    13. 杨晓东，张晓东，张晓东，等。2019冠状病毒病大流行期间，州、部落、地方和领土公共卫生工作者出现抑郁、焦虑、创伤后应激障碍和自杀意念的症状-美国，2021年3月至4月。MMWR Morb Mortal Wkly Rep 2021 12月03日;70(48):1680-1685 [免费全文] [CrossRef] [Medline］
    14. 李建伟，李建伟，李建伟，李建伟，等。保护前线:对美国COVID-19大流行期间导致医护人员感染和心理困扰的职业因素进行横断面调查分析。英国医学杂志公开赛2020年10月21日;10(10):e042752 [免费全文] [CrossRef] [Medline］
    15. Rudberg AS, Havervall S, Månberg A, Jernbom Falk A, Aguilera K, Ng H，等。瑞典医护人员的SARS-CoV-2暴露、症状和血清流行率Nat Commun 2020年10月08日;11(1):5064 [免费全文] [CrossRef] [Medline］
    16. 曼萨诺García G，阿亚拉卡尔沃JC。COVID-19的威胁及其对护理人员倦怠的影响。中华儿科杂志2021年2月;77(2):832-844。［CrossRef] [Medline］
    17. Amin F, Sharif S, Saeed R, Durrani N, Jilani D. COVID-19大流行——巴基斯坦一线医生的知识、认知、焦虑和抑郁。BMC精神病学2020 9月23日;20(1):459 [免费全文] [CrossRef] [Medline］
    18. 周新文，李国科，陈炳青，景明，高勇，闫志华，等。一项关于COVID-19疫情期间医护人员心理结果和相关身体症状的多国多中心研究。大脑行为Immun 2020 Aug;88:559-565 [免费全文] [CrossRef] [Medline］
    19. Pappa S, Ntella V, Giannakas T, Giannakoulis VG, Papoutsi E, Katsaounou P. COVID-19大流行期间医护人员抑郁、焦虑和失眠的患病率:系统综述和荟萃分析Brain behaviour Immun 2020 Aug;88:901-907 [免费全文] [CrossRef] [Medline］
    20. 慈善机构表示，COVID-19:放弃英雄叙事，支持医生的心理健康。BMJ 2021 Feb 04;372:n337。［CrossRef] [Medline］
    21. 里默·a·COVID-19:五分之二的医生说大流行恶化了他们的心理健康。BMJ 2020年10月27日;371:m4148。［CrossRef] [Medline］
    22. Chew C, Eysenbach G.推特时代的流行病:2009年H1N1爆发期间推特的内容分析。PLoS One 2010 11月29日;5(11):e14118 [免费全文] [CrossRef] [Medline］
    23. Masri S，贾军，李超，周刚，李敏，闫刚，等。在2016年寨卡病毒大流行期间，使用推特数据改善美国的寨卡病毒监测。BMC公共卫生2019 6月14日;19(1):761 [免费全文] [CrossRef] [Medline］
    24. 张晨，于MC, Marin S.探索新冠肺炎期间强制远程工作的公众情绪。中华实用医学杂志;2021年6月26日(6):797-810。［CrossRef] [Medline］
    25. 谢震，王旭，蒋勇，陈勇，黄松，马华，等。美国推特上公众对COVID-19疫苗的看法。medRxiv 2021年10月18日在线预印本[免费全文] [CrossRef] [Medline］
    26. Melton CA, Olusanya OA, Ammar N, Shaban-Nejad a . Reddit社交媒体平台上关于COVID-19疫苗的公众情绪分析和主题建模:加强疫苗信心的行动呼吁。J感染公共卫生2021年10月;14(10):1505-1512 [免费全文] [CrossRef] [Medline］
    27. 华勇，姜华，林松，杨军，Plasek J, Bates D，等。使用推特数据了解公众对covid -19相关药物获批和超说明书使用的看法。J Am Med Inform association 2022年9月12日;29(10):1668-1678 [免费全文] [CrossRef] [Medline］
    28. Sanders AC, White RC, Severson LS, Ma R, McQueen R, Alcântara Paulo HC，等。揭开面具上的对话:对COVID-19推特话语进行主题情绪分析的自然语言处理。AMIA世界科学峰会2021;2021:555-564 [免费全文] [Medline］
    29. Berry N, Lobban F, Belousov M, Emsley R, Nenadic G, Bucci S. #为什么我们推特tmh:理解为什么人们使用推特讨论心理健康问题。J Med Internet Res 2017 Apr 05;19(4):e107 [免费全文] [CrossRef] [Medline］
    30. 张松，孙林，张东，李鹏，刘勇，阿南德·阿，等。美国推特上的COVID-19大流行和心理健康问题。健康数据科学2022 2月17日;2021:1-9。［CrossRef］
    31. 张艳，吕红，刘艳，张霞，王艳，罗娟。监测COVID-19大流行期间Twitter上的抑郁趋势:观察性研究。JMIR信息病学2021年7月16日;1(1):e26769 [免费全文] [CrossRef] [Medline］
    32. 薛娟，陈杰，胡睿，陈超，郑超，苏勇，等。关于COVID-19大流行的推特讨论和情绪:机器学习方法J Med Internet Res 2020年11月25日;22(11):e20550 [免费全文] [CrossRef] [Medline］
    33. 高剑霞，刘志明。COVID-19大流行期间社交媒体上如何谈论孤独:对4492个推特消息的文本挖掘J精神病学Res 2022年1月;145:317-324 [免费全文] [CrossRef] [Medline］
    34. Das A, Singh P, Bruckner TA。国家封锁政策，精神健康症状和使用物质。瘾君子Behav 2022年1月;124:107084 [免费全文] [CrossRef] [Medline］
    35. Adams-Prassl A, Boneva T, Golin M, Rauh C.冠状病毒封锁对心理健康的影响来自美国的证据。经济政策2022年1月09;37(109):139-155。［CrossRef］
    36. Chen E, Lerman K, Ferrara E.跟踪关于COVID-19大流行的社交媒体话语:开发一个公共冠状病毒推特数据集。JMIR公共卫生监测2020年5月29日;6(2):e19273 [免费全文] [CrossRef] [Medline］
    37. 刘建辉，刘建辉，刘建辉。主题连贯性的自动评价。2010年6月发表于:人类语言技术:计算语言学协会北美分会2010年年会;2010年6月2-4日;洛杉矶，加州p. 100-108网址:https://aclanthology.org/N10-1012
    38. 伯纳尔JL，康明斯S, Gasparrini a .中断时间序列回归评估公共卫生干预:一个教程。国际流行病学杂志2017 Feb 01;46(1):348-355 [免费全文] [CrossRef] [Medline］
    39. Blei DM, Ng AY, Jordan MI.潜狄利克雷分配。J Mach Learn Res 2003 Jan 03;3:993-1022 [免费全文］
    40. 李国强，李国强。大型语料库主题建模软件框架。2010发表于:LREC 2010: NLP框架的新挑战;2010年5月22日;马耳他瓦莱塔p. 46-50网址:https://www.fi.muni.cz/usr/sojka/papers/lrec2010-rehurek-sojka.pdf
    41. 李文杰，李志强，李志强。中断时间序列实验在社区干预研究中的价值。科学进展2000年3月;1(1):31-49 [免费全文] [CrossRef] [Medline］
    42. Valdez D, ten Thij M, Bathina K, Rutter LA, Bollen J.社交媒体对COVID-19大流行期间美国心理健康的洞察:对Twitter数据的纵向分析。J Med Internet Res 2020 Dec 14;22(12):e21418 [免费全文] [CrossRef] [Medline］
    43. Dyer J, Kolic B.在COVID-19大流行期间推特上的公众风险认知和情绪。应用网络科学2020年12月16日;5(1):99 [免费全文] [CrossRef] [Medline］
    44. 石磊，吕震，阙娟，黄霞，卢强，刘林，等。COVID-19对普通公众心理健康的长期影响:中国一项全国性纵向研究国际环境与资源公共卫生2021年8月20日;18(16):8790 [免费全文] [CrossRef] [Medline］
    45. 李松，王勇，薛娟，赵楠，朱涛。新冠肺炎疫情宣布对心理后果的影响——基于活跃微博用户的研究。国际环境与公共卫生2020年3月19日;17(6):2032 [免费全文] [CrossRef] [Medline］
    46. 薛娟，陈娟，陈超，郑超，李松，朱涛。新冠肺炎大流行期间的公共话语和情绪:利用潜狄利克雷分配在Twitter上进行话题建模。PLoS One 2020年9月25日;15(9):e0239441 [免费全文] [CrossRef] [Medline］
    47. Abd-Alrazaq A, Alhuwail D, Househ M, Hamdi M, Shah Z.在COVID-19大流行期间推特用户最关心的问题:信息监测研究。J Med Internet Res 2020 april 21;22(4):e19016 [免费全文] [CrossRef] [Medline］
    48. Chandrasekaran R, Mehta V, Valkunde T, Moustakas E.关于COVID-19大流行的推文的主题、趋势和情绪:时间信息监测研究。J Med Internet Res 2020年10月23日;22(10):e22624 [免费全文] [CrossRef] [Medline］
    49. 从恐怖管理理论的角度理解推特上用户对COVID-19大流行的反应:美国、英国和印度的文化差异。Comput Human behaviour 2022 Mar;128:107087 [免费全文] [CrossRef] [Medline］
    50. Singh S, Roy D, Sinha K, Parveen S, Sharma G, Joshi G.《COVID-19和封锁对儿童和青少年心理健康的影响:叙述性回顾与建议》精神病学Res 2020年11月;293:113429 [免费全文] [CrossRef] [Medline］
    51. 每周汽油和柴油零售价格。美国能源信息管理局。URL:https://www.eia.gov/dnav/pet/pet_pri_gnd_dcus_nus_w.htm[2022-10-05]访问
    52. Sakib N, Akter T, Zohra F, Bhuiyan AKMI, Mamun MA, Griffiths MD.对COVID-19的恐惧与抑郁:孟加拉国COVID-19大流行危机期间普通人群和医疗保健专业人员的比较研究。Int J Ment Health Addict 2021年2月19日-17日[免费全文] [CrossRef] [Medline］
    53. 黄燕，赵娜。中国COVID-19疫情期间广泛性焦虑障碍、抑郁症状和睡眠质量:一项基于网络的横断面调查。精神病学Res 2020 Jun;288:112954 [免费全文] [CrossRef] [Medline］
    54. 李勇，陈斌，洪志，孙强，戴勇，Basta M，等。中国COVID-19大流行早期和晚期的失眠症状:系统综述和荟萃分析睡眠医学2022年3月;91:262-272 [免费全文] [CrossRef] [Medline］
    55. 吴涛，贾旭，石辉，牛健，尹鑫，谢娟，等。COVID-19大流行期间心理健康问题的患病率:系统综述和荟萃分析J影响失调2021年2月15日;281:91-98 [免费全文] [CrossRef] [Medline］
    56. Cénat JM, blis - rochette C, Kokou-Kpolou CK, Noorishad P, Mukunzi JN, McIntee S，等。受COVID-19大流行影响人群中抑郁、焦虑、失眠、创伤后应激障碍和心理困扰症状的患病率:一项系统综述和荟萃分析精神病学决议2021年1月;295:113599 [免费全文] [CrossRef] [Medline］
    57. Jahrami H, BaHammam AS, Bragazzi NL, Saif Z, Faris M, Vitiello MV。COVID-19大流行期间按人群划分的睡眠问题:系统综述和荟萃分析临床睡眠医学2021年2月1日;17(2):299-313 [免费全文] [CrossRef] [Medline］
    58. 米塔尔R，艾哈迈德W，米塔尔A，阿加瓦尔I.推特用户在COVID-19封锁期间的应对行为:使用混合方法分析推特。Inf discover Deliv 2021年5月15日;49(3):193-202。［CrossRef］
    59. Thorpe Huerta D, Hawkins JB, Brownstein JS, Hswen Y.探索在COVID-19大流行强制执行期间马萨诸塞州的健康、风险和公众情绪的讨论:推特分析。SSM流行健康2021年9月;15:100851 [免费全文] [CrossRef] [Medline］
    60. 王杰，范勇，Palacios J, Chai Y, gutta - jeanrenaud N, Obradovich N，等。COVID-19大流行期间情绪变化的全球证据。Nat Hum Behav 2022年3月6日(3):349-358。［CrossRef] [Medline］

    编辑:T Leung;提交18.05.22;同行评议作者:A Pal, J瑞玉;对作者15.06.22的评论;订正版本收到21.07.22;接受30.09.22;发表13.10.22

    版权

    ©李明辉，华以宁，廖艳辉，周莉，李雪，王玲，杨洁。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com)， 13.10.2022。

    这是一篇开放获取的文章，根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布，允许在任何媒介上无限制地使用、分发和复制，前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息，//www.mybigtv.com/上的原始出版物的链接，以及此版权和许可信息。
    Baidu
    map