近年来，电子烟在美国变得越来越流行，每20个美国成年人中就有一个人在使用电子烟，到2021年，美国将有200万初高中学生使用电子烟。 1， 2］．电子烟会对个人健康造成多种负面影响，包括肺功能和心脏功能下降，易依赖尼古丁，并影响神经发育，尤其是在年轻人中[ 3.， 4］．然而，尽管对健康有这些负面影响，但研究发现年轻人对电子烟的危害了解有限。 5， 6]以及有很强的自觉戒烟能力[ 7］．更令人担忧的是，2019年，电子烟和电子烟使用相关的肺损伤(EVALI)导致住院和死亡，其中许多病例后来与维生素E醋酸酯(不受监管产品中的填充物质)有关[ 8］．在这些风险和负面健康后果的背景下，美国食品和药物管理局在2018年将青少年吸电子烟列为全国流行病，并继续发布政策，更有效地监管电子烟产品[ 9］．鉴于电子烟对健康的有害影响和EVALI风险的增加，未来有必要对来自社交媒体等来源的公开可用的更大规模数据进行研究，以监测这一日益增长的公共健康问题，并为戒烟的外联干预措施提供信息。以前的文献利用社交媒体数据监测健康问题，包括非法药物使用[ 10]、精神健康[ 11， 12]、公共卫生[ 13， 14]，以及其他与健康有关的经验[ 15］．Twitter是一个社交媒体网站，大约22%(1/5)的美国成年人使用Twitter [ 16]作为信息的来源和信息共享[ 17］．在推特等基于网络的平台上，人们可能更愿意公开分享有关精神健康或药物滥用的经历和个人故事，减少对判决或法律诉讼的恐惧，使他们能够获得社会支持和建议，并与有类似经历的人分享这些建议[ 18］．例如，一项对心理健康意识周期间1200条推文的研究发现，意识、耻辱和个人经历是推特用户话语的中心主题[ 19］．因此，推特已被用作公共健康监测的海量信息数据源，并可用于更好地了解个人对电子烟的态度和行为[ 20.- 22］．例如，在COVID-19大流行期间，推特数据被用来更好地理解人们对吸烟与病毒的关系的情绪和反应[ 23]以及个人对全球事件和美国相关生活方式变化的看法[ 24］．尽管推特在监控和公共健康监测方面有几个优势，但Reddit等其他社交媒体平台可能有互补的优势，可以提供个人层面的用户吸电子烟行为数据。

Reddit是一个类似的匿名社交媒体平台，公众用它来讨论可能被污名化的个人经历。 25- 27]，包括年轻人，他们可能会透露个人信息，而不太担心线下的伤害或后果[ 28］．Reddit的数据已被用于调查使用非法物质的个人的态度和行为[ 29- 31)，在吸电子烟的人群中也进行了类似的研究。对Reddit帖子的一项分析表明，精神疾病患者吸电子烟的主要动机包括自我药物治疗、自由和控制、将电子烟作为爱好、社交联系，以及为了戒烟而吸电子烟。 32］．其他研究使用Reddit的数据来分析公众对电子烟禁令的反应和担忧。 33]、支持戒烟电子烟的社群[ 34]，以及人们对电子烟产品的态度和评论[ 35］．

Twitter和Reddit都是流行的社交媒体平台，但它们在影响用户发帖行为和发帖内容的多个方面有所不同。推特，月活跃用户3亿[ 36]，只允许在280个字符内发布突发新闻、趋势和观点，这往往会导致不完整或误导性的陈述[ 37］．相比之下，Reddit每月有4.3亿活跃用户，没有字符发帖限制，是匿名的，由社区网络组成，即子reddits，致力于特定的主题，允许用户与其他具有类似背景、观点和生活经历的人联系起来。通过Reddit的匿名性，人们可以通过深入的文字和内容诚实地表达自己的观点，以传播意识和重要新闻。 38， 39］．因此，在同一时期内关于同一主题的帖子(即2019年关于电子烟的帖子)，根据分享内容的类型和对公众认知的影响程度，预计会有所不同。

使用计算机科学(CS)策略进行大规模评估，包括使用自然语言处理和机器学习进行文本挖掘，之前已经对社交媒体上的内容进行了大规模评估[ 40- 42］．例如，Visweswaran等人[ 41开发了机器学习分类器来识别与电子烟相关的推文，以开发电子烟监控系统。结果表明，社交媒体内容可以用于全面的信息监控，这些数据可以为未来的个人级检测模型提供信息，以识别有风险的帖子和用户。Kwon和Park所作的系统检讨[ 32研究发现，在社交媒体网站上，人们对电子烟的看法往往更加积极，而此前在推特上的研究也表明，吸烟者更有可能接触到有关电子烟的错误信息。[ 43］．在Reddit帖子上进行的研究表明了与电子烟有关的健康症状[ 44]并强调了旨在支持那些想要戒掉电子烟的人的社区[ 45］．

专门研究EVALI公共卫生危机可以帮助识别与社交媒体上分享的电子烟相关的急性和长期健康结果相关的内容和关键词，因为电子烟风险的信号可能在此期间被放大了。通过利用Twitter和Reddit作为公开数据源的优势，以及使用跨学科的方法来分析复杂的社交媒体内容，可以获得技术和临床见解，为自动检测模型的未来发展提供信息，以连接可能受益于社交媒体平台上的数字干预的电子烟用户。然而，到目前为止，很少有研究比较Twitter和Reddit在同一时间段内对药物滥用的看法[ 46， 47]，目前还没有开展与电子烟相关的已知研究来分析个人用户水平和人群水平上的2019年EVALI爆发。因此，本文研究了Twitter和Reddit上与电子烟相关的内容，以更好地理解(1)在2019年EVALI时间框架内与电子烟相关内容相关的情绪和关键词，(2)Twitter和Reddit上内容之间的情绪和关键词的差异，以及(3)电子烟相关内容的统计分析和临床编码之间的相似性或差异。

在这项研究中，我们使用2019年7月至2019年9月这两个平台的数据，重点比较了EVALI爆发期间推特和Reddit上与电子烟相关的关键词频率和情绪，因为我们之前的工作已经确定这是与电子烟相关的社交媒体内容增加的时间框架[ 48］．为了定义大规模数据提取的标准，我们的团队首先对2019年时间线上随机选择的200条与电子烟相关的推文进行了手动分析，以生成临床相关关键词列表。我们的主要研究问题指导了这个关键字列表的创建，其中包括 特许经销商， vape，以及其他60个指定术语( 多媒体附件1)．使用这组关键词，在EVALI爆发期间(2019年7月、8月和9月)随机抽取了316,620条与电子烟相关的推文样本，平均每条推文有27个单词。为了进行比较，我们使用相同的关键字集随机提取Reddit数据，结果在EVALI爆发期间，有17320篇Reddit帖子，平均每篇帖子有211个单词与电子烟有关。

GetOldTweets [ 49]是一个开源的python库，它允许我们的团队提取带有我们识别的vaping关键字的随机推文样本。该模块允许访问和提取任何日期和主题的历史推文。使用这个应用程序接口(API)的好处是它对大小没有限制，并且可以访问历史推文[ 49， 50］．我们使用Pushshift Reddit API(4.0版本)[ 51，它提供了丰富的搜索和提取功能，以及灵活的方式来聚合公开的Reddit帖子和评论。

在我们根据关键字从Twitter和Reddit提取帖子后，我们在进一步分析之前清理了数据集。由于我们在这项研究中只关注英语帖子，我们首先删除了包含非英语语言的帖子。我们还删除了标记为“已删除”或“已删除”的无效Reddit帖子。在此之后，Twitter帖子的数量从316620条减少到286703条，Reddit帖子的数量从17320条减少到12069条。

对于帖子中的文本，我们首先将所有字符转换为小写，以避免区分大小写的过程。然后，我们从文本中删除了所有非美国信息交换标准代码的特殊字符。对于文本缩略，我们将其扩展为多个单独的单词。接下来，我们从文本中删除了对文本意义没有重大贡献的停顿词(例如is, a, the和of)。在那之后，我们从推文文本中删除了特殊术语，包括提及、标签、链接、勾号、标点、数字和空格。然后，我们应用词元化函数将单词转换为它们的基本形式。

情感分析是一种常用的计算机技术，用于测量文本中的主体性、观点、态度和情感[ 52］．情感分析按照连续尺度量化给定文本中的情感内容，例如，从−1到1 [ 41， 53］．我们应用了Valence Aware Dictionary and emotion Reasoner (VADER)作为工具来分析tweets和Reddit帖子的情绪，因为VADER是一个基于词汇和规则的情绪分析工具[ 54]最近的研究[ 24， 55， 56已经发现可以有效计算情感的社交媒体分析。更具体地说，VADER已经适应了社交媒体的情绪，并通过一个黄金标准的情绪词汇库进行了预训练，该词汇库是基于成熟的情绪词库，流行的情绪表达，以及社交媒体中具有情感价值的常见俚语开发的。为了确定情感，VADER将词汇特征映射到情感强度，称为情感评分，可以通过将文本中每个单词的强度相加来获得。然后将分数归一化为−1(最极端的负)和+1(最极端的正)。在我们的研究中，如果文本情感得分为>0，则文本被归类为积极的。情绪得分<0的文本被归为负面。中性文本的情感得分为0。我们的研究使用这种情绪评分进一步将帖子分为对电子烟的积极、消极和中性情绪，并根据每月的3种情绪类型计算帖子的分布。

除了前面描述的情绪分析之外，我们还使用卡方检验来比较以下主题中每个月Twitter和Reddit帖子中关键字频率的差异:(1)情绪，(2)情感相关的关键字，(3)健康相关的关键字，(4)年龄相关的关键字，(5)营销相关的关键字，(6)产品相关的关键字，(7)成瘾相关的关键字，以及(8)戒烟相关的关键字。

词频逆文档频率(Term frequency - inverse document frequency, TF-IDF)是一种统计度量，可以表示语料库中相关的词[ 57］．TF-IDF评分基于词频和逆文档频计算。使用这种方法可以帮助我们找到Twitter和Reddit上的常用词。根据TF-IDF得分，我们可以识别出两个平台上最重要的单词。公式如下:

根据之前概述的内容和情绪分析，在EVALI爆发期间，2019年7月、8月和9月被确定为推特上与电子烟相关的讨论急剧增加期间和之前的几个月。因此，从前面描述的Twitter和Reddit数据集中提取每月200个帖子的随机样本，用于深入的人类编码，以进行上下文内容分析。具体而言，我们临床团队中具有物质使用研究经验的成员(心理学、社会工作或公共卫生专业的研究生，以及由临床心理学家PCR领导的定性社交媒体数据编码的相关经验)使用归纳和演绎方法，在回顾样本推文的基础上构建了一个代码本，并参考了以前的文献[ 58， 59］．使用了三个主要编码类别:(1)帖子类型，包括个人、营销、媒体或新闻或其他[ 60];(2)对电子烟的看法[ 61];(3)所提到的健康结果，包括积极的(如戒烟)和消极的(如肺损伤、死亡和成瘾或依赖)[ 60， 62］．次要概念被编码为存在或不存在，包括(1)提到青少年或青少年或年轻成年人[ 63]和(2)提到大麻或杂草或大麻二酚或四氢大麻酚[ 64， 65］．两名独立的人类编码员审查了每篇文章，并根据文本内容分配了适用的代码，编码员之间的一致性非常高，平均κ评分为0.62 [ 66］．然后，第三位编码员审查了每个初步编码员的编码，并为那些存在分歧的推文提供了最终代码[ 67]，这是以往定性分析文献中使用的第三方解析方法[ 68］．然后将频率和定性主题与CS分析的初步结果进行比较，以帮助对数据集中反映的临床主题进行概念化。

比较了推特和Reddit上每个主题在2019年7月、8月和9月(3个月的总和)被提到的总频率，以展示每个主题在各自平台上的相对权重。

华盛顿大学机构审查委员会(202101009)审查了本研究的数据提取和分析方法。考虑到数据在社交媒体上公开，该研究被确定为非人类研究，因此不受审查。

本节介绍高通量计算分析的结果。我们总共在Reddit上收集了286,703条推文和12,096条帖子。Twitter和Reddit之间的样本量差异与每个Reddit帖子和推文中包含的信息量有关。每条推文的字数限制是280个字符，而Reddit每条帖子的字数限制是4万个字符。因此，每个Reddit帖子包含的信息都比一条推文丰富得多。为了分析单词级别的数据集和进一步的内容分析，提取的Reddit帖子的数量明显小于推文的数量。 表1显示两个平台上每个用户的独立用户数和发帖数。总体而言，从2019年7月到2019年9月，推特和Reddit上与电子烟相关的帖子和独立用户的数量呈上升趋势。特别是，从2019年8月到2019年9月，推特上的帖子数量和独立用户增加了约4倍。在推特和Reddit上，每用户发表的文章数分别从1.68篇增加到1.81篇和1.19篇增加到1.21篇。

情绪的CS模式分析发现，在EVALI期间，对电子烟持积极态度的帖子总体上比Reddit上的负面帖子更常见(8905/12,096,73.62%)，而在Twitter上，负面情绪占主导地位(174,448/ 286,703,60.86%)( 表2)．在此期间，基于一个小的随机样本的临床结果与使用CS方法的结果相似，仍然表明Reddit有更多的积极情绪帖子，也反映了Twitter有更多的负面情绪帖子，这是基于对帖子内容的人工审查。

月度情绪趋势的结果表明，无论是在Twitter上还是在Reddit上，7月份情绪积极的帖子比例都高于情绪消极的帖子。8月和9月，推特上负面消息的比例高于正面消息的比例。此外，从7月到9月，Twitter上积极情绪的百分比显著下降，而Reddit上的积极帖子在8月和9月占主导地位。

卡方检验(表S1 多媒体附件2)的调查结果显示，不同平台之间的情绪总体上存在显著差异。Twitter包含的负面帖子(174,488/ 286,703,60.86%)明显高于Reddit (2281/12,096, 18.86%)， Reddit包含的正面帖子(8905/12,095,73.62%)明显高于Twitter(85,209/ 286,703,29.72%)。

除了情绪分析和趋势，我们还使用卡方检验来比较Twitter和Reddit上与情绪表达相关的帖子差异。我们从推特和Reddit上最常用的词汇列表中选择了一些常见的情感词汇。包括积极的关键词 安全的,好,而且 爱，包括消极的关键词 杀人，坏的，危险的，关心的，而且 严重的．统计结果显示，从频率百分比来看，这两个平台整体上存在显著差异。我们发现，在EVALI爆发期间的所有3个月里，积极情绪表达在Reddit上比在Twitter上要显著得多(表S2) 多媒体附件2)．

随着电子烟近年来变得越来越流行，社交媒体平台上关于其发展方向、政策和健康内涵的讨论也越来越多，这项研究说明了2019年EVALI爆发期间推特和Reddit上情绪和关键词内容的差异。从这段时间内与电子烟相关的帖子频率趋势来看，与电子烟相关的内容在7月至8月期间增长缓慢，在8月至9月期间急剧上升。此外，在EVALI爆发期间，参与这些讨论的Twitter和Reddit用户数量显著增加。与EVALI疫情爆发同时，与电子烟相关的社交媒体内容的频率越来越高，这一趋势在两个流行的社交媒体平台上达到顶峰，这一事实支持了社交媒体作为监测系统的效用，用于探索与公共卫生电子烟相关的危机期间自然发生的实时反应和沟通。

重要的是，根据我们的内容分析，Twitter和Reddit上关于电子烟的帖子主要包含了对电子烟的积极情绪。然而，根据所识别的最流行的内容类型，这两个平台有明显的不同。具体来说，Reddit用户倾向于透露个人吸电子烟的经历和对电子烟好处、政策和产品的看法，包括潜在的限制性电子烟政策可能对电子烟用户产生的负面影响(即，更少地获得有助于戒烟的电子烟产品)。Reddit上提到大麻的次数是推特上的2倍，还经常包括向其他Reddit用户询问特定电子烟产品的安全性，以及哪些症状(如果有的话)应该引起关注或就医。相比之下，推特上包含了更多关于电子烟的主流媒体内容，特别是与EVALI病例的增加有关。我们还观察到推特信息流包含了吸引眼球的负面情绪和更多的负面情绪表达，包括 杀了， 坏的, 危险的， 关注, 严重的,此外，还增加了关于电子烟可能对健康造成的负面影响的内容，包括上瘾。虽然两个平台都提到了年轻人，但推特强调了关于青少年中电子烟流行和EVALI的头条，以及如何限制将电子烟产品作为戒烟辅助的成年人，而在Reddit上，与年轻人有关的提及主要是个人描述自己的电子烟行为，包括从青少年开始吸电子烟。

总之，我们在两种社交媒体渠道上观察到内容主题频率上的许多有意义的差异。这些差异可能是由于个人社交网络的方式以及他们在每个平台上讨论的动机。例如，推特上的信息被称为新闻报道的社交媒体平台，记者和主要新闻提供商最常使用推特播报新闻，并在重大事件发生时实时向公众通报最新情况。 69］．这可能解释了为什么推特上与电子烟相关的负面帖子频率更高，因为在EVALI爆发的整个过程中，记者和他们的观众利用这个平台进行更新和互动，特别是在它演变成一场导致许多人住院和数人死亡的危机时。相比之下，Reddit与其他社交媒体平台的不同之处在于，由于其匿名用户系统和慷慨的字符限制，它促进了更坦诚的讨论，包括关于药物使用行为的交流;这可能就是为什么我们发现描述个人吸电子烟经历的内容更普遍的原因。

我们发现的差异也可能是由于用户之间的差异。例如，Twitter的用户群体主要是白人成年人，他们拥有更高的教育程度，比普通公众更有可能被认为是民主党人，10%的用户创造了80%的推文[ 70］．相比之下，Reddit用户的受教育程度往往不同，居住在城市或郊区。 71］．美国疾病控制和预防中心发现，在有色人种中，吸电子烟的比例高于白人。 72]，而另一项研究表明，受教育程度越高，使用电子烟的几率就越低[ 73］．这表明，Reddit上的用户可能比Twitter上的用户更有可能吸电子烟，这解释了他们在个人电子烟相关经历的分享模式上的不同，以及对限制性政策的担忧。

本文的研究结果应在其局限性的范围内加以考虑。首先，我们只分析了这些平台上基于文本的帖子或消息。虽然这为我们提供了来自每个社交媒体网站的大量数据信息，但它不包括可供进一步分析的大量多媒体内容，包括照片、视频和链接。其次，由于Twitter上的字符限制和Reddit帖子的无限长度，每个帖子中的字数之间的差异可能会影响本研究中的情绪和关键字分析。第三，由于我们收集数据的时间安排，我们没有收集与COVID-19及其对电子烟使用者和电子烟政策的影响有关的信息，这使我们无法识别最近的影响。第四，我们最初用于从Twitter和Reddit提取电子烟相关数据集的关键字列表可能包含更多与健康相关的负面关键字，这可能会影响情绪和健康结果方面的结果，导致我们的关键字列表存在潜在的选择偏差。由于这项研究的重点是疫情期间推特和Reddit上与电子烟相关的主题的健康问题，关键字列表包括多个与情绪相关的单词。这会给我们的情绪分析结果带来偏差，但这些词是选择相关帖子和解决我们研究问题的关键。此外，我们应用了GetOldTweets和Pushshift api来基于关键字列表提取数据。由于这些api的提取机制是寻找与某个关键字字段相同的帖子，而不是进一步过滤匹配的帖子，因此提取的数据集可能包括机器人的帖子而不是真实用户的帖子，这可能会对我们的情绪结果产生偏差。 We plan to apply different methods to clean the posts generated by bots in our future studies. However, the use of this data set was in line with the larger aims of this study, which were to better understand the content and sentiment surrounding vaping on Twitter and Reddit to inform the development of potential identification and outreach methods on social media to those at risk of negative health outcomes to improve public health. The fifth limitation was that we applied an existing tool VADER to analyze the sentiment of the posts, and thus, it could bias to our sentiment analysis results, which are common issues for any sentiment analysis tool owing to the complex dynamics of human expressions, emotions, and contexts. In the future, we will also consider creating a sentiment analysis model optimization with social media posts to overcome the current disadvantages of not effectively identifying sarcastic sentences.

总的来说，这项研究的结果揭示了推特和Reddit作为公共卫生危机发生和演变时公开可用的社交媒体数据源的优势。与吸电子烟者或有兴趣戒烟的人一起工作的健康从业者应该意识到与电子烟有关的信息和可能的错误信息，并努力评估在各种平台上的社交媒体参与是否会影响持续使用或成为戒烟的障碍。本文分享的结果还可以通知社交媒体公司和公共卫生官员，提醒他们注意这些网站上的电子烟产品营销，并鼓励保护Reddit上旨在支持戒烟的社区。此外，为了改善公共卫生覆盖面，未来的研究可以探索利用每个平台的内容和网络类型的自动检测机制，特别是研究识别正在吸电子烟并可能需要戒烟信息和支持的用户的潜力。这可能有助于制定有效和及时的社交媒体知情的主动外联策略，以分发关于电子烟的健康教育，包括停止电子烟的策略。