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。gydF4y2B一个
在快速发展的公共卫生危机期间,如COVID-19大流行期间,利用社交媒体用户在社交媒体上的帖子作为一种相对简单和经济有效的方法,迅速受到欢迎。然而,创建这些职位的个人的特征在很大程度上是未知的,因此很难确定受此类危机影响最大的个人群体。此外,心理健康状况的大型注释数据集不容易获得,因此,有监督的机器学习算法可能不可行或成本太高。gydF4y2B一个
这项研究提出了一个机器学习框架,用于实时监测心理健康状况,不需要大量的训练数据。通过调查链接的推文,我们根据日本社交媒体用户的属性和心理状况跟踪了COVID-19大流行期间的情绪困扰程度。gydF4y2B一个
我们于2022年5月对居住在日本的成年人进行了在线调查,收集了他们的基本人口统计信息、社会经济状况和心理健康状况,以及他们的推特账号(N=2432)。我们使用一种称为潜在语义标度(LSS)的半监督算法,计算了研究参与者在2019年1月1日至2022年5月30日期间发布的所有推文(N=2,493,682)的情绪困扰评分,数值越高表明情绪困扰水平越高。在按年龄和其他标准排除用户后,我们在2019年和2020年检查了560人(23.03%)(18-49岁)生成的495021条(19.85%)推文。我们估计了固定效应回归模型,通过社交媒体用户的心理健康状况和特征,来检查他们在2020年相对于2019年相应周的情绪困扰水平。gydF4y2B一个
我们的研究参与者的情绪困扰估计水平在学校关闭开始的那一周(2020年3月)有所增加,并在2020年4月初紧急状态开始时达到峰值(估计系数=0.219,95% CI 0.162-0.276)。他们的情绪痛苦程度与COVID-19病例数量无关。我们发现,政府诱导的限制对弱势群体的心理状况产生了不成比例的影响,包括低收入、不稳定就业、抑郁症状和自杀意念。gydF4y2B一个
这项研究建立了一个框架来实施对社交媒体用户情绪困扰水平的近实时监测,强调了使用与调查相关的社交媒体帖子作为行政和大规模调查数据的补充来持续监测他们的健康状况的巨大潜力。鉴于其灵活性和适应性,所提出的框架很容易扩展到其他目的,例如检测社交媒体用户的自杀倾向,并可用于流数据,以持续测量任何感兴趣的群体的状况和情绪。gydF4y2B一个
作为一场全球卫生危机,COVID-19大流行给全球决策者带来了前所未有的挑战。这一疾病不仅对公众的身体健康构成重大威胁,而且由于疾病本身的后果和政府为遏制疾病蔓延而采取的行动(包括城市/社区封锁、学校关闭和行动限制),也造成了严重的心理痛苦。gydF4y2B一个
在迅速发展的公共卫生危机期间,如COVID-19大流行,持续监测人口的心理健康至关重要。然而,对人口心理健康的实时监测仍然具有挑战性,主要原因是缺乏可用于监测目的的适当数据和技术。传统的公共卫生监测方法,包括使用医院和死亡记录的方法,通常在报告时存在时滞。他们也缺乏关于患者或死者的详细信息,比如他们的社会经济地位。精心设计的大规模调查数据可以揭示人群的心理状况,但不适合持续监测,因为长时间频繁调查是不可可行的。gydF4y2B一个
最近的一种方法使用数字追踪,如社交媒体帖子,来了解普通人群或社交媒体用户的情绪和状况[gydF4y2B一个
这项研究有两个目的。首先,我们提出了一个机器学习框架,用于实时监测心理健康状况,不需要大量的训练数据。其次,使用与调查相关的推文,我们根据特征和心理状况跟踪了日本社交媒体用户在COVID-19大流行期间的情绪困扰程度。我们假设当(1)感染数量增加时,社交媒体用户的情绪困扰水平增加;(2)与covid -19相关的新闻数量增加,因为这可能会增加他们的焦虑和恐惧;(3)政府引入了重大的社会限制;(4)当媒体报道名人自杀身亡时。最后一个假设的产生,是因为先前的研究结果强烈表明,在媒体报道了著名的自杀事件后,自杀人数往往会增加[gydF4y2Ba
Twitter是这项研究的一个合适的数据来源。Twitter是日本最受欢迎的社交媒体平台之一,日本的活跃用户数量估计在6000万左右,几乎占到日本人口的一半,在世界上排名第二[gydF4y2B一个
我们的研究重点是COVID-19大流行的第一年(2020年)和2019年作为基准期。2020年1月15日,日本确诊首例COVID-19病例,2月初又有消息称,一艘停泊在横滨港的游轮上出现了聚集性COVID-19病例。学校于2020年3月2日开始停课,持续了约3个月。该国于2020年4月7日首次宣布进入紧急状态。在紧急状态期间没有实行封锁。紧急状态于2020年5月25日解除,直到2021年1月才宣布紧急状态。到2020年初夏,生活短暂地恢复了正常。6月19日取消了跨县流动限制,政府于7月22日启动了鼓励国内旅行的补贴计划,一直持续到2020年12月28日。该国2020年3月至12月的平均严格指数为36.66(满分为100),低于七国集团其他国家同期的平均指数66.50 [gydF4y2Ba
我们于2022年5月8日和24-28日对居住在日本的成年人进行了匿名在线调查,这是一个更大项目的一部分。我们请一家名为调查研究中心(survey Research Center)的商业调查公司从其注册参与者中抽取样本,该公司是日本规模最大的注册参与者,有200多万人。gydF4y2B一个
调查分两步进行。首先,调查公司向居住在日本、年龄在18岁以上的参与者发出了一份关于Twitter使用情况的简短问卷。那些回答说他们经常在他们的公共Twitter账户上上传帖子的人,以及那些明确同意我们为研究目的下载他们过去和将来的推文的人,然后被要求提供他们的Twitter处理号(账户名),这是调查的第一部分。然后,我们使用Twitter的应用程序编程接口(API)验证每个用户帐户的存在性和使用频率。只有那些拥有合法账户的人被邀请参加调查的第二部分。在第二部分中,我们询问了参与者的基本人口统计信息、社会经济地位、心理健康状况和孤独感(稍后会详细介绍)。调查公司预先筛选了无效和不完整的回答,因此,调查中没有遗漏的数据。我们样本的初始大小是2432。gydF4y2Ba
我们排除了729名未通过调查中2个注意力检查问题的参与者;失败表明对任务缺乏承诺。其他基于参与者Twitter使用情况的排除标准将在后面的Twitter数据收集小节中解释。gydF4y2B一个
参与者在一份在线表格中明确表示同意参与调查,并检索过去和未来的推文(2019年1月1日至2022年6月30日)。调查是匿名的,参与者可以随时关闭浏览器退出调查。完成后,他们从调查公司获得了少量的金钱补偿。该研究得到了Wako大学伦理委员会的批准(批准号:2022-004)。gydF4y2B一个
调查的主要问题包括参与者的年龄、性别、家庭年收入(以200万日元为单位,14850.40美元为增量)、就业状况和就业类型(如果有工作的话)。其他人口统计信息,如婚姻状况和居住地区,包括在问卷中,但没有在本研究中使用。参与者被分为3个年龄组(18-29岁、30-39岁和40-49岁)。在这项研究中,我们将参与者的年龄限制在18到49岁之间,因为老一辈人不太可能积极使用Twitter。gydF4y2B一个
对于收入群体,我们将样本分为两组:家庭年收入低于600万日元(截至2022年11月为44,551.20美元)或同等收入的人群,以及家庭年收入≥600万日元的人群。截至2020年,日本家庭收入中位数和平均水平分别为440万日元(32,670.88美元)和560万日元(41,581.12美元)[gydF4y2B一个
就业状况和就业类型被合并为一个变量,参与者被分为“永久雇员”、“兼职/临时工或失业者”和“非劳动力”。第二类包括短期合同工、派遣工、兼职/小时工和正在积极寻找工作的人。当我们按就业状况和类型对数据进行分层时,不属于这3类中的任何一类的参与者,例如那些在就业状况中选择“其他”的参与者,被排除在分析之外。gydF4y2B一个
我们使用9项患者健康问卷(PHQ-9)测量参与者的抑郁症状水平[gydF4y2B一个
我们还用PHQ-9的最后一项(第9项)测量了自杀意念的水平。这个问题问的是,在过去的两周里,被试者有多少次被“死了会更好”或“以某种方式伤害自己”的想法困扰。对第9项的回应显示与实际自杀风险有关[gydF4y2B一个
孤独感的程度由3项孤独感量表[gydF4y2B一个
需要指出的是,参与者的特征和状况是在2022年5月测量的,因此,他们在2019年和2020年可能会有所不同。特别是,一些参与者的心理健康状况可能在大流行的高峰期更糟,这可能导致其中一些人被错误地归类为“无抑郁症状”类别,例如,实际上他们在2020年就有这种心理症状(另见后面的讨论部分)。gydF4y2B一个
我们还收集了2020年与COVID-19相关的新闻报道数量和报告的COVID-19病例数量的数据,以研究媒体对COVID-19的报道量和COVID-19感染率的严重程度与情绪困扰水平之间的关系。有关新闻报道的数据来自日本放送协会(NHK;国家公共媒体),该网站记录了过去与COVID-19有关的所有新闻[gydF4y2B一个
自2019年1月以来,我们使用Twitter API和学术开发人员帐户收集了参与者在Twitter上的全部历史公开帖子,这允许我们无限制地下载特定用户的公开帖子。gydF4y2B一个
我们回顾性地收集了所有调查参与者在2019年1月1日至2022年5月30日期间发布的所有推文(N=2,493,682)。然后,我们使用一种称为潜在语义缩放(LSS)的半监督算法为每条推文计算一个窘迫分数[gydF4y2B一个
LSS识别所有其他单词的语义,包括推文中的表情符号,基于几个表征情绪困扰状态的“种子词”。该算法通过计算种子词与语料库中所有其他词之间的语义相似性来实现这一点。在选择情感困扰的种子词时,我们首先使用“词汇”创建了一个与消极精神状态相关的候选词列表gydF4y2B一个
种子词用于情感上的痛苦。gydF4y2B一个
状态gydF4y2B一个 | 日本gydF4y2B一个 | 英语(翻译)gydF4y2B一个 |
更糟糕的是gydF4y2B一个 | 悩み,心配,嘆く,泣く,悔しい,困る,しんどい,苦痛gydF4y2B一个 | 担心、哀叹、哭泣、后悔、烦恼、烦恼、苦恼、痛苦gydF4y2B一个 |
更好的gydF4y2B一个 | 楽しみ,絶好調,喜ぶ,笑う,嬉しい,幸せ,のんびり,元気gydF4y2B一个 | 有趣,伟大,高兴,笑,快乐,放松,精力充沛gydF4y2B一个 |
LSS对文档特征矩阵进行奇异向量分解(SVD),以估计单词的语义接近度。在数学上,该方法类似于其他降维技术,如因子分析。SVD首先应用于文档术语矩阵gydF4y2B一个
在哪里gydF4y2B一个
在哪里gydF4y2B一个
在哪里gydF4y2B一个
最后,我们确定了不活跃用户的帖子、非日文的帖子、只包含流行新闻网站链接的帖子以及转发的帖子。在排除了仅由此类帖子组成的帖子的用户(N=406, 16.69%)后,我们得到了一个由560人(23.03%)在2019年和2020年生成的495021条(19.85%)推文的语料库。在最终数据集中的495,021条推文中,488,284条(98.64%)被分配了LSS评分并用于后续分析。gydF4y2B一个
我们通过将LSS评分与人工注释人员的手动编码结果进行比较,验证了LSS评分的有效性。在这项任务中,我们使用了先前在试点研究中收集的随机公共推文子集(N=800),在该研究中我们构建了一个大型公共推文语料库。使用中列出的种子词gydF4y2B一个
为了跟踪大流行期间情绪痛苦水平的每周变化,我们使用个人推文估计了以下模型:gydF4y2B一个
在哪里gydF4y2B一个
样本特征(N=560)。gydF4y2B一个
特征gydF4y2B一个 | 参与者,n (%)gydF4y2B一个 | ||
|
|||
|
男性gydF4y2B一个 | 237 (42.5)gydF4y2B一个 | |
|
女gydF4y2B一个 | 320 (57.5)gydF4y2B一个 | |
|
|||
|
~ 29gydF4y2B一个 | 83 (14.8)gydF4y2B一个 | |
|
- 39gydF4y2B一个 | 228 (40.7)gydF4y2B一个 | |
|
40至49gydF4y2B一个 | 249 (44.5)gydF4y2B一个 | |
|
|||
|
< 600万(<44,551.20)gydF4y2B一个 | 350 (62.5)gydF4y2B一个 | |
|
≥6万(≥44,551.20)gydF4y2B一个 | 210 (37.5)gydF4y2B一个 | |
|
|||
|
兼职/临时工或失业者gydF4y2B一个 | 174 (31.8)gydF4y2B一个 | |
|
正式员工gydF4y2B一个 | 294 (53.8)gydF4y2B一个 | |
|
不在劳动力市场gydF4y2B一个 | 79 (14.4)gydF4y2B一个 | |
|
|||
|
没有gydF4y2B一个 | 384 (68.6)gydF4y2B一个 | |
|
是的(phq - 9gydF4y2B一个dgydF4y2B一个> = 10)gydF4y2B一个 | 176 (31.4)gydF4y2B一个 | |
|
|||
|
没有gydF4y2B一个 | 391 (69.8)gydF4y2B一个 | |
|
是的gydF4y2B一个 | 169 (30.2)gydF4y2B一个 | |
|
|||
|
不孤独(3项孤独<6)gydF4y2B一个 | 284 (50.7)gydF4y2B一个 | |
|
孤独(3项孤独感≥6项)gydF4y2B一个 | 276 (49.3)gydF4y2B一个 |
一个gydF4y2B一个排除3名参与者。gydF4y2B一个
bgydF4y2B一个1日元= 0.0074美元。gydF4y2B一个
cgydF4y2B一个排除13名参与者。gydF4y2B一个
dgydF4y2B一个PHQ-9: 9项患者健康问卷。gydF4y2B一个
egydF4y2B一个在PHQ-9的第9项中,如果参与者回答说他们被“死了会更好”的想法所困扰,或者在过去两周内以某种方式伤害自己几天或更长时间,那么在自杀意念问题上,他们被归类为“是”。gydF4y2B一个
首先,我们通过视觉检查分配给单词和表情符号的极性分数来检查LSS分数的整体有效性。在gydF4y2B一个
其次,我们检查了LSS分数是否与3名人工编码器的注释结果一致。gydF4y2B一个
估计单词和表情符号的极性。x轴显示了数据集中包含的单词(上)和表情符号(下)的估计极性得分,值越高代表情绪困扰的程度越高。顶部面板中突出显示的单词代表了在危机聊天服务中经常出现的单词,因此表明了消极的精神状态。gydF4y2B一个
平均LSS分数vs人工注释分数。LSS:潜在语义缩放。gydF4y2B一个
研究期间的平均LSS评分为0.092 (SD=1.030)。最高和最低分分别为-5.888和5.050。图S1gydF4y2B一个
为了研究与covid -19相关的新闻报道和推特用户的情绪困扰水平之间的关系,gydF4y2B一个
情绪困扰轨迹:2019年1月- 2020年12月。蓝色竖线(E1)表示宣布并开始关闭学校的那一周,阴影区域(E2)表示紧急状态生效的时期。橙色竖线(E3, E4)表示据报有艺人自杀身亡的周数。gydF4y2B一个
2020年与新冠肺炎相关的新闻报道数量和LSS得分。LSS:潜在语义缩放。gydF4y2B一个
顶部面板gydF4y2B一个
根据底部面板gydF4y2B一个
我们还根据年龄、收入和就业状况/工作类型分别对模型进行了估计。我们发现最年轻的年龄组(18-29岁)在学校关闭期间经历了最大的增长(E1,图S4)gydF4y2B一个
抑郁症状与自杀倾向的回归结果(gydF4y2B一个
从自杀性水平的分析中得出了一个类似的图(底部面板,gydF4y2B一个
最后,与不孤独的个体相比,被归类为孤独的个体在紧急状态期间经历了更大更长的情绪痛苦水平的增长,但在紧急状态结束时,他们的痛苦水平又回到了基线水平(图S5)gydF4y2B一个
相对于2019年,2020年估计的情绪困扰水平:所有参与者和性别。估计的模型包括用户固定效应、年度固定效应和每周固定效应。蓝色竖线(E1)表示宣布并开始关闭学校的那一周,阴影区域(E2)表示紧急状态生效的时期。橙色竖线(E3, E4)表示据报有艺人自杀身亡的周数。估计中使用的推文数量为488,284(全部)、292,002(59.80%为女性)和189,562(38.82%为男性)。各类别受访者人数分别为560人(全体)、320人(女性57.14%)、237人(男性42.32%)。W:一周。gydF4y2Ba
2020年相对于2019年的估计情绪困扰水平:按家庭收入计算。估计使用的推文数量为317,767条(少于600万日元/ 44,551.20美元)和170,517条(等于或超过600万日元)。每个类别的受访者人数分别为350人(低于600万日元)和210人(等于或超过600万日元)。蓝色竖线(E1)表示宣布并开始关闭学校的那一周,阴影区域(E2)表示紧急状态生效的时期。橙色垂直线(E3, E4)表示艺人自杀死亡的报告周数。W:一周。gydF4y2B一个
2020年相对于2019年的估计情绪困扰水平:按就业类型和就业状况分列。估计中使用的推文数量为170,269(兼职/临时工或失业者),238,218(正式员工)和68,215(非劳动力)。每个类别的受访者人数分别为174人(兼职/临时工或失业者)、294人(正式雇员)和79人(非劳动力)。蓝色竖线(E1)表示宣布并开始关闭学校的那一周,阴影区域(E2)表示紧急状态生效的时期。橙色垂直线(E3, E4)表示艺人自杀死亡的报告周数。W:一周。gydF4y2B一个
相对于2019年,估计2020年的情绪困扰水平:通过抑郁症状和自杀意念的存在。估计中使用的推文数量为331,227(无抑郁症状)、157,057(有抑郁症状)、307,018(无自杀意念)和181,266(有自杀意念)。每个类别的受访者人数分别为384人(无抑郁症状)、176人(有抑郁症状)、391人(无自杀意念)和169人(有自杀意念)。蓝色竖线(E1)表示宣布并开始关闭学校的那一周,阴影区域(E2)表示紧急状态生效的时期。橙色垂直线(E3, E4)表示艺人自杀死亡的报告周数。W:一周。gydF4y2B一个
这项研究提出了一个机器学习框架,用于实时监测社交媒体用户的心理健康状况,不需要大量的训练数据。该研究使用半监督算法和与调查相关的推文,估计了COVID-19大流行期间日本推特用户子集的情绪痛苦程度。我们通过视觉检查语料库中单词和表情符号的估计极性,并确认它们与人类注释结果的相关性来验证LSS分数。在确认了LSS分数的有效性后,我们观察了2019年和2020年LSS总分的轨迹。我们发现,当引入重大社会限制或有关COVID-19的新闻报道数量增加时,研究参与者的情绪痛苦水平会升高。我们还发现,研究参与者的情绪痛苦程度与COVID-19阳性病例的数量无关。这些结果表明,在大流行的最初几个月里,遏制政策,而不是疾病本身的传播或相关的恐惧,是这些社交媒体用户情绪痛苦的来源。这一发现与其他国家的危机聊天或电话热线服务接到的与自杀相关的电话数量一致,这些电话数量与遏制政策的引入呈正相关,而不是与感染率呈正相关[gydF4y2Ba
我们的回归分析揭示了参与者情绪困扰相对于大流行前水平升高的精确时间。如果没有这项研究中的高频数据,这样精确的测量是不可能的。对于我们的研究参与者来说,与covid -19相关的两个与情绪困扰水平升高相关的事件是3月初的学校关闭和2020年4月的紧急状态宣布。我们的研究结果还表明,学校关闭对女性的影响可能略大于对男性的影响。关闭学校对日本职业女性的影响可能更大,因为与其他高收入国家相比,她们往往承担更大的育儿和家务劳动负担[gydF4y2B一个
更重要的是,我们的分析清楚地揭示了大流行期间与较高痛苦水平相关的社会经济属性。我们发现,低收入的研究参与者比收入相对较高的研究参与者遭受的痛苦更严重、更持久。请注意,我们的分析根据每个人的潜在社会经济条件进行了调整。我们还发现,在我们的样本中,学校关闭和紧急状态对永久和非永久工人的影响是不对称的。在紧急状态期间,学校和托儿设施突然关闭,商店和餐馆关闭,使许多兼职和小时工失业,没有或只有很少的工资补偿。有些人甚至丢掉了工作;与2019年同月相比,仅在2020年4月,拥有非永久职位的女性工人数量就减少了70万,并且在整个2020年都在持续下降,而长期工人的数量则延续了自大流行前时期以来的增长趋势[gydF4y2Ba
在整个分析过程中,我们没有发现任何证据表明,媒体对名人自杀的报道影响了我们研究参与者的情绪痛苦水平,包括那些有抑郁症状和自杀意念的人。这个结果有些出乎意料,因为大量研究显示,在媒体报导著名的自杀事件后,自杀死亡的人数往往会增加。[gydF4y2B一个
这项研究有几个局限性。首先,我们的研究结果是基于相对较少的Twitter用户,因此不能推广到日本的普通人群,甚至是所有的社交媒体用户。因此,在解释我们的实质性发现时,必须谨慎。其次,与所有其他分析社交媒体数据的研究一样,我们的发现可能无法推广到社交媒体用户之外。尽管推特是日本最受欢迎的社交媒体平台之一,但它的用户不一定能代表普通公众。此外,我们的抽样方案并不是为了创建日本普通人群或Twitter用户的代表性样本。第三,如前所述,我们对参与者的分类可能不一定反映他们在大流行高峰期或基线期的属性或状况。我们在2022年5月测量了参与者的属性和条件,我们认为自2020年以来它们基本没有变化的假设可能并不成立。例如,在我们的研究中,根据2022年PHQ-9分数被归类为“有自杀倾向”的个体可能在2020年被归为“无自杀倾向”组,但我们无法检查这种可能性。第四,有可能患有不良心理健康状况的个人更有可能使用私人账户,他们可以将其与公共账户分开维护,以揭示他们的真实感受和状况,因此,我们的研究可能低估了他们的情绪困扰水平。 Thus, caution is warranted in interpreting the results, especially regarding those related to at-risk individuals. Finally, we restrospectively retrieved past tweets, and thus, our data set lacks tweets that were deleted prior to our data retrival in May 2022. In particular, it is possible that some of our participants deleted their past tweets about their distressed conditions during the peak period of the pandemic, which might have resulted in the underestimation of their distress level.
尽管如此,本研究在实质和方法上都做出了一些重要贡献。从本质上讲,据我们所知,我们的研究是第一个根据用户属性单独跟踪社交媒体用户情绪困扰水平轨迹的研究。之前的研究只能了解推特用户的整体情绪[gydF4y2B一个
本研究还通过建立一个框架来实现对社交媒体用户情绪困扰水平的近实时监测,对该领域做出了重大的方法学贡献。LSS是一种半监督算法,只需要几个种子词进行训练。关于精神健康状况的大量注释数据集很少;因此,监督学习算法通常是不可行的或太昂贵。即使这样的数据集存在,带注释的数据集也可能很快过时,特别是在社交媒体领域,单词、首字母缩写、首字母缩写和表情符号的新用法不断出现和消失。LSS也优于基于词汇或规则的情感分析方法,如语言查询和单词计数(LIWC) [gydF4y2B一个
由于其灵活性和适应性,我们的框架很容易扩展到其他目的。例如,一旦我们确定了表征这些条件的适当种子词,就可以直接应用我们的框架来衡量自杀或孤独的程度。此外,对其他语言(如英语、德语、中文、阿拉伯语)的推文语料库执行相同的分析只需要翻译我们的种子词。gydF4y2B一个
因此,本研究中提出的框架可以有多种应用。它可以用于流式数据,以连续测量任何感兴趣的群体的状况和情绪,只要目标群体编写的文本数据可用。可以从提议的框架中受益的文本数据包括论坛(如Reddit)和社交媒体帖子中的评论,以及在线对话,如危机文本服务。我们的框架的另一个应用包括在社交媒体上检测痛苦的人,量身定制的信息可能会发送给他们,以促进他们寻求帮助的行为。gydF4y2B一个
我们的研究强调了利用所提出的方法作为行政和大规模调查数据的补充,持续监测社交媒体用户心理健康的巨大潜力。我们的研究结果还表明,在COVID-19大流行的早期阶段,政府诱导的事件不成比例地影响了弱势群体的心理状况,包括那些低收入、不稳定的就业、抑郁症状和自杀意念的人。gydF4y2B一个
补充表格和数字。gydF4y2B一个
应用程序编程接口gydF4y2B一个
潜在语义标度gydF4y2B一个
9项病人健康问卷gydF4y2B一个
奇异向量分解gydF4y2B一个
MU和KW构思并设计了研究,MU和HS设计并管理了调查,KW和MU收集并分析了数据,MU起草了手稿的主要部分,KW和HS对重要的智力内容进行了关键修改。所有作者均已阅读并批准稿件。gydF4y2B一个
这项研究由电信发展基金会资助。资助者在研究设计、数据收集和分析、发表决定或手稿准备中没有任何作用。gydF4y2B一个
这项研究的数据包含潜在的Twitter用户身份信息,因此不能共享。根据参与者的同意和与调查公司的合同,只有研究团队的成员才能访问这些数据。分析脚本可根据要求从相应作者处获得。gydF4y2B一个
没有宣布。gydF4y2B一个