希腊COVID-19大流行第一阶段推特帖子的情感分析:信息监视研究

简介

自古以来，医疗和疾病的情感介入就受到医学评估[1］．体液学说(或体液学说)是希波克拉底提出的理论[2盖伦创造的;这一理论对基本情绪及其对健康和疾病的影响进行了分类[1，2］．此外，在希波克拉底文集("语料库Hippocraticum”) [3.]，讨论了传染病。历史学家修昔底德描述雅典人瘟疫"一种病因不明的传染性大流行，可能是伤寒[4，5] -起源于埃塞俄比亚，在伯罗奔尼撒战争期间(约公元前430年)传播给雅典人[6，7］．自那时以来，人类面临着不同时间跨度的无数传染病流行。在各个时代，在不同的社会环境下，公民以相似的方式解释流行病令人震惊的现实:他们表达压力、恐惧和愤怒等基本情绪。8］．这些情绪与疫情的蔓延交织在一起。修昔底德叙述说，公民的恐慌使他们经常对法律、道德、卫生或宗教规则漠不关心，这种现象被描述为“懒惰“(5，8］．同样，在中世纪中欧的几次瘟疫流行中，人们的集体情绪包括恐惧、愤怒和对公共卫生措施的漠不关心，从而产生了负面的社会和政治后果。

“西班牙流感”或1918年大流行的流感，在希腊的致死率高达0.33%，是希腊人最后一次经历社会隔离措施[9］．最近的流行，如sars冠状病毒(2003年)，西尼罗河病毒(2010-2011年)，或艾滋病毒(2011年)并未真正影响到希腊，因为在第一个案例中，病毒并未在该国流行;第二，发病率极低;在第三种情况下，它仅限于特定的吸毒者群体[10］．此外，在已出版的文献中，我们找不到专门针对希腊的报告，重点关注这些流行病的情绪影响。同样，没有调查H1N1疫情对希腊普通民众的影响，也没有记录卫生保健提供者对其家庭安全的担忧[11，12］．最近的一项研究将气质或精神病理学与公共卫生措施的有效性联系起来[13]，而另一项研究则将道德与公众信任和公共卫生措施的有效性联系起来[14］．这些最新的研究方法将“思考”与情感联系在一起——情感是一种与诸如恐惧、喜悦和惊讶等基本情感相关的状态。因此，研究基本的情绪，而不是紧随其后的、更复杂的或包括理性处理的情绪，是一个优先考虑的问题。

分析当前大流行期间人们的普遍情绪是一种必要条件公共卫生规划和预防措施应用的有效性。这已经被实验证明了。15，16]和真实数据[17］．由SARS-CoV-2病毒引起的COVID-19大流行发生在技术提供了将社交媒体用于商业、人际交流或娱乐的机会之时。英属哥伦比亚大学副教授Heidi Tworek在推特上强调:“公共卫生危机中的沟通与医疗干预一样重要....事实上，传播政策是一种医疗干预" [18，19］．使用来自社交媒体的级联信息流对流行病学分析具有回顾性、实时和未来的价值。跨学科的工作和合作具有重大价值，也是非常需要的，这一点在当前的卫生危机中得到了最突出的证实。在之前的研究中，我们认为基本的情绪反应——如在社交媒体上表达的那样——取决于种族/文化。17］．

关于COVID-19大流行，虽然已公布了针对希腊人口(一般人或卫生保健提供者)的少量调查[10，20.，21)，没有人评估社交媒体数据。相比之下，在这次大流行期间，意大利、伊拉克库尔德斯坦、韩国、美国和中国等几个国家对社交媒体信息进行了情感评估[17］．事实上，以推特为中心的情绪分析研究已经在170多个国家进行了评估。17，22，23］．由于不存在对希腊推文的情感评估，这项工作试图通过研究希腊COVID-19大流行第一阶段发布的推文来填补这一知识空白。

方法

数据采集

Social Feed Manager，一个开源软件(乔治华盛顿大学图书馆)，用于从社交媒体收集数据[24]，用于创建研究数据集。研究时间为2020年1月25日至2020年6月30日。收集是通过Social Feed Manager使用Twitter的过滤流应用程序编程接口进行的。用于此目的的搜索词是从流行的Twitter话题标签中选择的，这些标签是在大流行开始时采用与另一个著名数据集类似的方法确定的[25］．准确的搜索关键字如下:冠状病毒，#冠状病毒，SARS病毒，#SARS2020， #SARS2, SARS- cov, SARS cov, SarsCov， #SarsCov，严重急性呼吸道冠状病毒，严重急性呼吸系统综合征，#武汉冠状病毒，#武汉hansars，武汉冠状病毒，武汉SARS, 2019-nCoV, 2019nCoV， #2019nCoV, 2019-nCoV, COVID-19， #COVID19, COVID19。

数据过滤

收集的推文最初包括各种语言的原始推文、转发推文、引用推文和回复推文。然而，在这项研究中，我们只考虑了满足以下纳入标准的推文:

1. 推文的语言是英语。
2. 发布推文的地方或创建推文的用户的位置是希腊。使用以下关键字指定希腊:Greece、Hellas、Ellada、Ελλάδα、Ελλάς、Ελλαδα和Ελλας。
3. 推文类型为原创或转发。之所以选择这样做，是因为用户的情绪不仅可以在自己写的推文中表达，也可以在其他人写的推文中表达，用户决定转发这些推文。

情感分析

方法

对满足纳入标准的推文的情感分析是使用深度学习方法实现的，该方法通过在字符序列上使用循环神经网络而不是在单词序列上使用循环神经网络表现得更好[26］．该方法的基于字符的训练循环神经网络模型可在GitHub上在线获得[26］．在这项研究中，情绪流行病学工具，如6种基本情绪(即喜悦、悲伤、厌恶、恐惧、惊讶和愤怒)，基于保罗·埃克曼的分类[27被收养。快乐被归为积极情绪，其余5种情绪被归为消极情绪;这里应用了这个概念。利用深度学习方法，通过每天统计每种情绪，并在研究期间每天呈现每种情绪的比例，来描述每条推文的多种情绪。这项调查包括每日、每月和阶段性的方法，情绪也被总结为消极、积极或中性。

相间优势比计算

定义了三个阶段:封锁前、封锁期间和封锁后。计算每种情绪在每个阶段的比值比(OR)。使用的公式如下:

或= (a / c) / (b / d)

其中a= Y阶段的特定主导情绪X, c= X阶段的总情绪- Y阶段的特定主导情绪X, b= Z阶段的特定主导情绪X, d= X阶段的总情绪- Z阶段的特定主导情绪X。

情感转发网络图分析

在转发中检索到的每一种情绪的月分布在网络中;中性情绪也包括在内。转发网络是一个有向加权图，其中节点表示Twitter账号，边表示转发关系。随后，将图t转换为它在转发用户上的投影，这是一种著名的网络图信息压缩方法[28］．作为投影方法，我们应用了Ochiai系数(也称为余弦相似度)[29］．在投影图中，只显示了执行转发的用户，而不显示最初写推文的用户。Gephi中的Force Atlas 2布局[30.]以使整个研究期间的投影图形可视化。最后一步是使用适当的调色板在投影图中可视化用户每月的主要情绪(仅基于转发量)。

分析的关键时间点

我们设定了3个关键时间点(2020年2月26日，希腊确诊首例COVID-19病例;2020年3月23日，实施封锁;2020年5月4日，隔离措施停止)，将我们的目标时段分为4个子时段:(1)疾病流行前，(2)从第一例病例到个人隔离措施，(3)封锁子时段，(4)封锁后。这些子时期分别进行了比较评估。

结果

语料库的统计数据

我们在感兴趣的时间段内确定了全球529,694,030条推文。希腊在2020年上半年(1月25日至6月30日)传播的新冠肺炎相关推文数量为15.6319万条。这些来自希腊的推文由12994个不同的推特账户发布。在研究的子阶段和整个阶段，主要情绪的日常记录在图1．然而，在我们的情感分析中，我们只包括了原始推文和转发推文，因为只有这类推文表达了用户对文本信息的真实感受和认同。因此，情感分析对12328个推特账户产生的146261条推文进行了分析。

‎ 查看此图

情绪分析结果

计算每种情绪在每个阶段的or和95% ci，并以表1．

图2描述研究期间每天正面、负面和中性推文(原创和转发)的分布。该图表显示了积极情绪的增长趋势，从2020年2月的平均5.42%上升到2020年6月的9.28%。此外，消极情绪的比例也呈现下降趋势，从41.17%下降到35.19%。在我们的分析中，中性推文的百分比趋势从46%到62%不等。

‎ 查看此图

图3描述了基于Ekman分类的基本情绪的日常分布。在所包含的情节中，厌恶的情绪是不存在的，因为它没有在我们的数据集中的任何推文中被检测到。在整个研究期间，惊讶情绪占主导地位，但2020年3月7日例外，总体呈下降趋势(2020年2月平均27%至2020年6月平均22%)。恐惧情绪排在第二位，在2月底和3月初达到峰值，总体呈现下降趋势。相反，快乐指数从2020年2月的平均5.42%上升到6月的9.28%。

‎ 查看此图

情绪图分析结果

在“转发”网络中，每个Twitter账号的情绪每月分布在图4．该网络的节点表示执行转发的Twitter帐户，边缘显示帐户之间的关系，节点之间的距离显示这些帐户在考虑来自同一源帐户的转发时有多接近。图4A-4E每个月都在同一个转发网络上展示主导情绪。图4B说明了许多用户的恐惧大幅增加，然而，在接下来的几个月里，这种恐惧有所下降。此外，在整个研究期间，在所有子图中发现的惊讶情绪在用户中都很高。图4F表示整个时间段内每个用户的主导情绪。我们提出了2个具有代表性的案例:(1)由用户社区转发来自独特来源的消息而传播恐惧;(2)一个社区转发关于抗击COVID-19的游戏的消息。

‎ 查看此图

讨论

本研究概述

情绪传染在流行病学中早已被认识到。31-33]，文学[34-38]、政治[39]，以及艺术[40］．它不需要个人(vis-à-vis)接触，因为边缘系统旨在通过移情过程识别和解释“他人”的非语言线索[41］．更重要的是，人们已经证实，社交媒体可以影响甚至塑造大量的情绪和观点。15］．科学证据表明，积极和消极是一枚硬币的两面42］．此外，社交媒体平台实际上是日常社交/商业/个人生活不可或缺的附件，它传播信息和错误信息，并可能影响个人和社区的行为[43］．

主要成果及与以往工作的比较

这部作品讨论了在COVID-19大流行的第一阶段，希腊民众在推特上表达的基本情绪。Twitter是一个开源的社交媒体，用户可以访问和“转发”(意思是复制)任何人的任何消息，而不必是他/她的“朋友”或“粉丝”。这些功能使Twitter成为情感、公共和社区健康以及流行病学评估的关键数据池[22，44］．所遵循的方法是最先进的，并且是twitter特有的[26]，而Lwin等人提出的方法[22不是开源软件。我们确定了3个重大事件(2020年2月26日，意大利输入首例COVID-19病例;2020年3月23日启动封锁;2020年5月4日，封锁结束)，以第一次流动为特征，并相应地设置了4个子时段(局部疫情爆发前、封锁前、封锁期间和封锁后)。我们分别评估了这些子阶段并进行比较。我们的分析表明，(总的)“所有推文”流受到转发趋势的修改(图1)．在之前一项研究更多国家的工作中也发现了同样的情况[22］．

SARS-CoV-2带来的不确定性可能引发情绪困扰、焦虑甚至抑郁，正如之前在以往的疫情流动中观察到的那样[45］．我们的分析基于Paul Ekman对6种基本情绪的分类:喜悦、惊讶、恐惧、厌恶、愤怒和悲伤。在文献中提出了几种理论，提出了各种模型，即Russel提出的回旋模型[46]，维度模型[47]，向量模型[48，快乐-觉醒-支配模型[49]，正-负激活模型[50]，分组模型，即Parrott的分组[51］．然而，科学家们尚未就情绪和体验的制约因素或潜在的神经生物学机制达成共识。52］．为此，包括信任或气质，这与公共卫生措施的有效性有关[13，14]，对我们的信息进行评估将过于雄心勃勃，并可能涉及从twitter衍生的有限信息中产生的偏见或任意解释。我们选择Paul Ekman分类是因为(1)它是一种已建立的方法，(2)它对于twitter特定的信息短缺是简单可行的，以及(3)其他分类，包括梯度情绪[53]，需要提供更多的信息才有效。这样的尝试将依赖于不同的方法，超出了我们的社交媒体调查的范围。

在我们的数据池中，没有在任何推文或转发推文中发现厌恶。听到广播新闻的第一反应是惊讶。与其他情绪在封城前后增加或减少不同，惊讶情绪在封城期间增加，因为大流行是出乎意料的，动荡和信息主要是在隔离期间被惊讶地接受的，日常的职业担忧或社交干扰都停止了。惊讶可能导致“急性应激反应”[54]甚至可能掩盖恐惧[55］．冠状病毒恐惧症是一个新术语，描述的是由SARS-CoV-2传染病引起的持续恐惧[56］．对以往流行病的研究表明，这种恐惧症的频率波动不定，可能源于对不确定性的不容忍、个人对关切和恐惧的易感性以及个人疾病的脆弱性[33，57］．恐惧是一种基本的生存本能，它会带来更复杂的情绪，如焦虑、抑郁或失眠等情况。失眠患病率与希腊医护人员的恐惧趋势相似[17，20.］．在我们之前的工作中，我们计算出推特上第一个covid -19引发的恐惧在全球蔓延的概率高达0.288 [22，23]，而社交媒体平台的总恐惧概率高达0.322 [17］．在这个分析中，恐惧排名第二，而原始推文中的恐惧优势比增加了0.307，转发推文中的恐惧优势比增加了0.55，总推文中的恐惧优势比增加了0.22。此外，这项分析表明，当我们比较封锁前后的时间段时，原始推文中的恐惧效应值更大，这可能是因为人们面临着一个新的现实，这个现实中断了他们的正常生活方式。在转发和“所有推文”中，恐惧水平也有所上升。这种隔离使家庭关系紧张，使个人暴露在信息和错误信息的风暴中，以及迫在眉睫的不确定的未来。58］．在中国的相关时期，超过一半的调查应答者认为大流行的心理影响为中等至严重[59］．在我们的数据池中，仇外心理没有被识别出来，这与错误信息引起的恐惧不同。更明确地说，在我们的网络分析中，我们在来自一个独特来源的推文转发中确定了恐惧集群(图4B和4F)。此群集在3月有限制(图4B)，调节整个时期的趋势(图4F)。

社会不确定性，如在流行病期间观察到的不确定性，可能引发个人和社区的恐惧和愤怒[22，60］．2020年4月至5月，一项针对希腊儿童和青少年心理健康的调查发现，封锁对儿童的心理影响显著，但家庭冲突增加、父母精神病史、父母失业/缺乏网络职业活动机会或孩子的身体历史记录都缓和了这种影响[61］．意大利一项针对青少年的研究表明，精神病理史加上“对感染的担忧”与焦虑有关，而精神病理史加上女性性别会引发抑郁[62］．2020年4月在希腊进行的一项针对成年人的调查显示，恐惧和焦虑水平存在显著差异，这绝对取决于年龄或(女性)性别[10］．正如普鲁契克的《情绪之轮》所述，这种差异是根本的:恐惧源于环境，而愤怒源于人[17，22，63］．观察到的差异也反映了这一点。在我们的分析中，愤怒是隔离期间最具影响力的情绪。在封锁期间和封锁后立即之间，愤怒情绪更大(优势比2.108,95% CI 0.986-4.506)，并在原始推文的子数据中检测到。重要的是，这是在所有不同时期或情绪之间的比较中所表达的最强烈的感觉(表1)．以前的埃博拉和SARS等流行病文献将封锁与愤怒联系在一起，认为愤怒会增加混乱、精神疾病(如创伤后应激障碍)、意外行为的风险[64-66]，以及自杀[62，67，68］．计算出的与愤怒相关的宽置信区间(封锁期间与封锁后)反映了这些观察结果和响应的个性。监测措施可能是造成这种情况的原因:由于限制的时间长，人们感到厌倦，害怕感染危险，再加上不受欢迎的预防措施和社区的抵制。这是修昔底德自上古以来发现并解释的普遍现象，如上所述[5，7]:由于恐慌，市民往往拒绝接受现实，从而忽视了卫生部门提出的任何规定。这种“他者”的态度导致了对那些想要顺从和生存的人的愤怒。愤怒还会掩盖“逃跑或战斗”反应前的压力[54］．

公共卫生措施的有效性取决于遵守情况，并与愤怒和恐惧程度有关。在大流行的第一阶段，希腊人完全遵守了政府早期实施的隔离限制;由于社会隔离，封锁期间的快乐水平与封锁前相比有所下降。而喜悦水平的波动紧随惊奇水平的波动，并在恐惧达到峰值后延迟1天;也许，现实每一次都带来了不同程度的快乐。当前的全球化和现代快节奏的生活已经分散了人们的人际交往能力与自己的和平。在希腊，快乐的程度并没有急剧下降:公民抓住了珍惜家庭纽带、享受爱好或强调团结的机会(这种美德深深植根于希腊人的思想中，但在过去几十年里被遗忘了)。政府早期采取的强硬措施避免了其他国家所经历的死亡人数的浩劫[14］．对希腊人来说，这是在新闻广播中看到的虚拟现实。此外，压力常常被快乐所掩盖。42]，尤其是希腊人的心态和情绪。快乐寻求保持体内平衡，平衡压力或其他负面情绪的适应负荷。因此，原始推文中的喜悦并不像愤怒那样剧烈波动。快乐是埃克曼分类中唯一的积极情绪。27］．如在图2，所描绘的积极情绪反映了纯粹的喜悦。纯粹的快乐反映在与虚拟游戏相关的集群中(图4F).虚拟娱乐是一种特权，也是疫情中的一把双刃剑。虽然人们从这种虚拟服务中获利，但它未能阻止如上所述的愤怒。

封锁期间的孤独带来的悲伤，以及其他国家死亡率上升带来的脆弱感，体现在图3而且4．尽管与封锁前相比，封锁后的压力水平主要有所增加，但就效应量而言，日常患病率似乎基本不受影响。

中性情绪是一致的(如图所示)图2A-2C)在原始推文和转发总数中。后者在网络中以月趋势表示，包括在内图4．中性情绪主要代表“商业”推文，即政府等各种组织的公告和报告。推文中中性情绪的水平高于积极情绪和消极情绪的水平。在解除封锁后，中性情绪的日常波动更为剧烈，因为封锁后限制的解除是逐步和适度的，这取决于预防措施。解除封锁恰逢对专业人士、学生、家庭和企业来说至关重要的时期，即夏季的开始，因为旅游业是希腊经济的支柱之一，也是希腊依赖季节的部门。

在转发量和推文总数中，积极(实际上是快乐)的情绪波动相当平缓，但在退出封锁后，积极情绪肯定有所增加。解除限制和社会经济重新启动的感觉在当时占主导地位。而消极情绪(概括为愤怒、惊讶、恐惧、悲伤、压力)在三个阶段均呈增加趋势。在美国人群中也观察到了同样的情况[69］．这归因于这些情绪的本质。主要或次要的负面情绪跟随疫情的流动进程。随着死亡率的增加，负面情绪与积极情绪交织在一起，即使在COVID-19大流行第一阶段受SARS-CoV-2影响较小的国家(如希腊)也是如此。

本研究的局限性和优势

这项研究仅限于保罗·埃克曼所分类的6种基本情绪。其他分类未进行评估。另一个限制是地点(希腊)和感兴趣的时间段，这涉及到第一波COVID-19疫情(2020年1月至2020年6月)。未来的研究应该集中在第二波和第三波。这项工作的价值延伸到公共卫生规则和治疗干预的有效性，因为情绪可能会影响慢性、传染性和精神疾病的治疗进展[33，68，70］．在另一种情况下，情绪也会调节亲社会行为和意图。14]，其中信任(但不包括在保罗·埃克曼的分类中提出的6种基本情绪中)是公共卫生规划有效性和有效性的关键因素/目标点。后者也受到道德原则和行为意图的调节[14］．

结论

综上所述，Twitter中情绪的联合方法可能有助于定义一般或流行病期间的情绪流行病学。在希腊推特用户的英语推文中，“惊讶”在最初阶段占主导地位，而恐惧和愤怒在新冠肺炎大流行的第一阶段被封锁期间占主导地位。惊喜是“对公民(用户)个人生活中新出现的威胁的急性应激反应”的一种表现。