社交媒体传播和网络与黑人性少数男性艾滋病毒感染和传播风险的相关性:横断面数字流行病学研究gydF4y2Ba

简介gydF4y2Ba

背景gydF4y2Ba

尽管美国在预防和治疗艾滋病毒方面取得了重大进展，但艾滋病毒的负担仍然不成比例地集中在同性恋、双性恋、同性恋和其他性少数男性(SMM)身上，其中黑人或非洲裔美国人(BSMM)表现出特别的脆弱性。在2019年估计的34800例新感染艾滋病毒的病例中，共有66%(23100例)属于SMM, BSMM占这些病例的多数(37%)[gydF4y2Ba1gydF4y2Ba]尽管只占SMM人口的约9% [gydF4y2Ba2gydF4y2Ba］．随着艾滋病毒在BSMM人群中的流行率越来越高，BSMM人群在网络中的传播机会也越来越大，因为BSMM人群倾向于选择同种族的性伴侣[gydF4y2Ba3.gydF4y2Ba］．许多BSMM没有意识到自己感染了艾滋病毒，这进一步加剧了传播的机会[gydF4y2Ba4gydF4y2Ba]，部分原因是对个人风险的低估以及获得高质量艾滋病毒预防服务的机会有限[gydF4y2Ba5gydF4y2Ba］．不知道自己感染艾滋病毒的人得不到及时的医疗护理，并在不知不觉中传染给他人。gydF4y2Ba

在患者层面，艾滋病毒感染和传播的风险是交织在一起并相互加剧的生物、行为和心理社会因素的网络。从生物学角度来看，艾滋病毒的风险不能与其他性传播感染(性传播感染)分开讨论，众所周知，由于它们具有共同的传播途径，性传播感染会增加艾滋病毒的易感性和传播[gydF4y2Ba6gydF4y2Ba］．在行为上，进行无保护的肛交(以下简称无避孕套性行为)和其他可能影响使用避孕套决定的性行为，例如在性交过程中使用药物(以下简称性药物使用)，是大多数新感染和传播病例的原因[gydF4y2Ba7gydF4y2Ba］．另外，保护性生物医学行为，如对艾滋病毒阴性个体坚持每日暴露前预防(PrEP)(即将PrEP作为预防)和对艾滋病毒感染者使用抗逆转录病毒药物(即将治疗作为预防)，被视为非常有效的艾滋病毒预防做法[gydF4y2Ba8gydF4y2Ba］．然而，与白人相比，BSMM患者在两种艾滋病毒预防方案中的联系和保留率较低，这在很大程度上是因为系统性的脆弱性(如贫困、住房不稳定、医疗不信任和结构性种族主义)，这些脆弱性为坚持用药设置了障碍[gydF4y2Ba9gydF4y2Ba-gydF4y2Ba12gydF4y2Ba］．gydF4y2Ba

最后，不良的心理健康状况，如抑郁和自卑，也与艾滋病毒风险相关，因为它们与高风险行为有关，如无避孕套性行为、药物使用和多重同时的伴侣关系[gydF4y2Ba13gydF4y2Ba-gydF4y2Ba15gydF4y2Ba］．抑郁症可能会增加参与这些行为的可能性，以减轻艾滋病毒耻辱、同性恋恐惧症和歧视带来的负面情绪[gydF4y2Ba16gydF4y2Ba]并可能损害改变这些行为的动机[gydF4y2Ba14gydF4y2Ba］．此外，艾滋病毒感染者中抑郁症的流行可能会损害他们坚持艾滋病毒药物治疗的能力，从而实现持续的病毒抑制[gydF4y2Ba17gydF4y2Ba，gydF4y2Ba18gydF4y2Ba］．gydF4y2Ba

传统的HIV风险监测及其局限性gydF4y2Ba

努力在所有种族和族裔的SMM中减少艾滋病毒流行的关键是能够在感染和传播之前实际观察到个人艾滋病毒风险的上述指标，以便能够实际进行预防[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba］．传统上，研究人员和公共卫生专业人员依赖监测数据，这些数据往往是通过大规模行为调查或临床病例访问获得的，需要大量资源进行收集和分析，因此在报告中存在相当长的滞后时间[gydF4y2Ba21gydF4y2Ba，gydF4y2Ba22gydF4y2Ba］．也许更重要的是，由于传统监测策略依赖于调查和临床访问，因此不可避免地忽视了由于对个人风险的低认识、遭受耻辱和歧视的经历以及社会经济劣势等问题而与卫生保健系统接触有限的人群。研究表明，BSMM患者获得保健服务的机会有限，包括艾滋病毒护理[gydF4y2Ba23gydF4y2Ba]，基于个人使用卫生保健服务的数据可能并不代表那些感染或在不知情的情况下传播艾滋病毒的风险最大的人，也不代表那些一旦诊断出艾滋病毒就最容易失去护理的人。最后，由于强调个体风险行为，基于调查和访谈的监测方法并不适合观察培育行为风险的社会环境，如社会网络[gydF4y2Ba24gydF4y2Ba]、社会及行为规范[gydF4y2Ba25gydF4y2Ba]，以及对等群体动力学[gydF4y2Ba26gydF4y2Ba］．gydF4y2Ba

使用社交媒体监测与艾滋病毒风险相关的社会和交际环境gydF4y2Ba

最近，主流的社交媒体和其他数字通信技术已经让位于新兴领域gydF4y2Ba数码流行病学gydF4y2Ba［gydF4y2Ba22gydF4y2Ba，gydF4y2Ba27gydF4y2Ba］．数字流行病学基于这样一种观点，即社交媒体帖子等数字通信是在有机环境中进行的，人们发布的内容反映了与各种健康结果相关的活动、行为和性格。实证研究对这些假设进行了测试，并表明人们在社交媒体平台上谈论的内容可以用来预测抑郁症等健康结果[gydF4y2Ba28gydF4y2Ba]、性风险[gydF4y2Ba29gydF4y2Ba以及艾滋病毒和性传播感染gydF4y2Ba热点gydF4y2Ba［gydF4y2Ba30.gydF4y2Ba］．gydF4y2Ba

此外，数字流行病学准备利用社交媒体基础的网络(或关系)基础设施来检测人际网络的特征，通过人际网络传递艾滋病毒风险[gydF4y2Ba31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba］．例如，之前对离线网络的研究表明，个人网络的凝聚力[gydF4y2Ba33gydF4y2Ba，gydF4y2Ba34gydF4y2Ba]，即个人相对于-à-vis其他网络成员的位置[gydF4y2Ba24gydF4y2Ba]，以及他们与其他高风险人士的接触[gydF4y2Ba35gydF4y2Ba-gydF4y2Ba38gydF4y2Ba影响疾病传播和风险易感性。此外，在更广泛的群体或组织结构周围形成的较松散的从属关系也被证明会培养和带来艾滋病毒风险[gydF4y2Ba31gydF4y2Ba]，例如，现实世界的社交场所(如酒吧、俱乐部和澡堂)[gydF4y2Ba39gydF4y2Ba-gydF4y2Ba44gydF4y2Ba]和它们的数字类似物(例如，约会应用程序和女同性恋、男同性恋、双性恋、变性人和酷儿社交网络团体)[gydF4y2Ba45gydF4y2Ba，gydF4y2Ba46gydF4y2Ba］．gydF4y2Ba

目标gydF4y2Ba

考虑到需要让更多高危BSMM参与艾滋病毒预防和治疗的连续护理，以及传统艾滋病毒风险监测方法的已知局限性，了解是否可以使用替代的、更有机的社会和行为信息来源来改善BSMM中的艾滋病毒风险监测是至关重要的。为此，我们迈出了第一步，评估使用BSMM的Facebook通信和网络连接的数字痕迹作为非正式健康信息的额外来源的可行性，这些非正式健康信息通常不会报告给医疗官员或卫生部门[gydF4y2Ba47gydF4y2Ba］．具体来说，我们试图确定(1)BSMM在其社区中在Facebook上发布已知与艾滋病毒预防和风险相关的主题的程度，以及(2)这些主题和他们Facebook友谊连接的特征在多大程度上与艾滋病毒感染和传播风险的生物学、行为和心理指标相关。gydF4y2Ba

方法gydF4y2Ba

参与者gydF4y2Ba

本研究利用了2016年至2018年收集的父母研究数据，这些数据来自于美国伊利诺伊州芝加哥市参加社交网络PrEP的BSMM预防干预参与者。如在别处所述[gydF4y2Ba48gydF4y2Ba，gydF4y2Ba49gydF4y2Ba]，参加者如(1)年龄介乎18至35岁，便可参加亲子研究;(2)被认定为黑人或非裔美国人;(3)出生时为男性;(4)在过去12个月内曾与一名男子发生性关系;而且，因为我们对社交媒体的使用感兴趣，(5)有一个活跃的Facebook档案。参与者被招募使用基于概率的雪球抽样变体，称为受访者驱动抽样(RDS) [gydF4y2Ba50gydF4y2Ba］．RDS推荐链从一组符合研究资格的“种子”开始，然后招募最多6名同样符合研究资格的同龄人(“萌芽”)。这一过程一直持续到达到招聘目标(N=423)。gydF4y2Ba

本研究中的分析利用了父母研究12个月评估收集的数据，因为这是唯一包含性风险行为问题的评估。总的来说，82%(347/423)的家长研究参与者在12个月时被保留，只有那些对所有相关变量都有完整数据的参与者(310/347,89.3%)被纳入我们的分析。双变量分析(未显示)将分析样本中的参与者(310/347,89.3%)与过滤病例(37/347,10.7%)进行比较，结果显示年龄、教育程度、性别认同或HIV状况无显著差异。gydF4y2Ba

数据来源与措施gydF4y2Ba

概述gydF4y2Ba

所有研究措施都来自3个经参与者同意的数据来源:(1)计算机辅助的自我管理调查，其中包括艾滋病毒预防参与、性行为、药物使用和人口统计模块;(2)生物医学测试，确定参与者的艾滋病毒状况和病毒载量，如果他们是艾滋病毒阳性;(3)手动下载参与者的Facebook好友列表、群组成员和时间轴数据，从而分别构建他们的网络友谊和群组隶属网络，并分析他们的公共传播内容。gydF4y2Ba

结果gydF4y2Ba

结果包括5项艾滋病毒感染和传播风险指标，涵盖生物学、行为和心理社会领域。作为风险的生物学指标，我们纳入了最近的测量gydF4y2Ba性病发病率,gydF4y2Ba在过去的12个月里，参与者自我报告是否被诊断患有除艾滋病毒以外的至少一种性传播感染(如梅毒、衣原体或人乳头瘤病毒)。行为指标包括无安全套性行为、性药物使用和生物医学预防参与的测量。参与gydF4y2Bacondomless性gydF4y2Ba(即不戴避孕套的性行为)和gydF4y2Ba性毒品使用gydF4y2Ba(即使用药物或酒精来增强性体验或使性行为更容易)被分为不一致使用避孕套(即不总是使用避孕套)和在过去6个月内曾经使用过性药物。gydF4y2Ba生物医学预防参与gydF4y2Ba以预防感染艾滋病毒或实现病毒抑制以防止传播艾滋病毒的方式实施[gydF4y2Ba6gydF4y2Ba］．因此，生物医学预防参与的测量是有意的状态中立的，不参与这种形式的预防被认为是风险的标志。gydF4y2Ba抑郁症gydF4y2Ba被纳入风险的社会心理指标，并使用修订的流行病学研究中心抑郁量表[gydF4y2Ba51gydF4y2Ba)，由10个条目组成(Cronbach α=.81)，每个条目都调查了上周抑郁感觉的频率(0=“很少或没有时间”到3=“一直”)。项目得分被汇总以创建一个综合抑郁得分。gydF4y2Ba

Facebook通讯功能gydF4y2Ba

为了捕捉参与者发布与艾滋病毒保护和脆弱性相关的主题的程度，我们构建了一系列主题词典，以实现对他们的时间轴帖子的自动内容分析。为了开发每一本字典，使用了一种迭代的混合方法，在gydF4y2Ba多媒体附件1gydF4y2Ba［gydF4y2Ba52gydF4y2Ba-gydF4y2Ba54gydF4y2Ba]，它利用了现有的文献、BSMM本身的专业知识、互联网资源和数据本身的内生模式。本研究的主题包括gydF4y2Ba性健康gydF4y2Ba；gydF4y2Ba物质使用gydF4y2Ba；gydF4y2Ba性行为gydF4y2Ba；而且gydF4y2Ba房子/舞厅文化gydF4y2Ba一种被选家族的次等制度(也称为gydF4y2Ba房子gydF4y2Ba)和身份确认比赛(也称为gydF4y2Ba球gydF4y2Ba)，在黑人同性恋社区中具有突出的特点，并被认为提供了支持的来源，帮助BSMM成员免受艾滋病毒的脆弱性，如经济困难，住房不稳定，以及耻辱和歧视[gydF4y2Ba52gydF4y2Ba-gydF4y2Ba54gydF4y2Ba］．与每个主题字典相关联的示例术语和帖子显示在gydF4y2Ba表1gydF4y2Ba．使用标记的帖子，我们然后创建了4个参与者级别的主题变量，表示参与者在给定主题方向上发表的帖子的数量。此外，我们占了gydF4y2Ba积极affecgydF4y2Bat的帖子，这与艾滋病毒相关的结果，如抑郁症[gydF4y2Ba28gydF4y2Ba]及药物使用[gydF4y2Ba55gydF4y2Ba］．积极的影响是通过语言探究和单词计数(Pennebaker集团公司)项目来衡量的。gydF4y2Ba56gydF4y2Ba］．gydF4y2Ba

Facebook网络功能gydF4y2Ba

与之前的工作相一致的是，SMM在其社交网络中如何定位于-à-vis之间以及他们的预防和风险参与之间的关联[gydF4y2Ba24gydF4y2Ba，gydF4y2Ba57gydF4y2Ba]，我们还考虑了研究中其他BSMM中个人在Facebook友谊网络中基于网络的结构嵌入性的4项措施。gydF4y2Ba特征向量中心gydF4y2Ba衡量一个人与其他关系良好的网络成员的联系程度，从而衡量他们与网络中其他人的相对亲密程度[gydF4y2Ba58gydF4y2Ba，gydF4y2Ba59gydF4y2Ba］．gydF4y2Ba网络经纪gydF4y2Ba代表一个人在友谊网络中连接不同子社区的程度，并使用Everett和Valente的经纪测量方法进行测量[gydF4y2Ba60gydF4y2Ba］．衡量gydF4y2Ba本地集群gydF4y2Ba［gydF4y2Ba61gydF4y2Ba]也被用来代表网络中参与者建立社会小圈子的程度。最后,gydF4y2Ba群体网络规模gydF4y2Ba解释了个人以群体为媒介的嵌入性，并将其作为个人所属的Facebook群的数量进行操作。gydF4y2Ba

控制gydF4y2Ba

根据几种控制措施对模型进行了调整，包括:(1)对艾滋病毒状态进行二分测量(1=艾滋病毒阳性;0=艾滋病毒阴性)的定义是基于对那些同意进行血液检测的人进行血液检测，或对那些选择不进行血液检测的人进行自我报告，(2)对过去12个月所做的职位总数的衡量，以控制不同参与者的职位数量的变化，以及(3)艾滋病毒感染和传播风险的其他4个指标。gydF4y2Ba

统计分析gydF4y2Ba

使用RStudio估计描述性统计和多变量逻辑(用于二分结果)和线性(用于数值结果)回归模型[gydF4y2Ba62gydF4y2Ba](版本1.4.1717;R统计计算基础)。每个结果都是基于相同的一组因素进行回归的，包括Facebook的交流和网络功能以及其他艾滋病毒预防和风险结果。此外，为了便于解释，所有数值(区间或比率)协变量都进行了标准化。在逻辑回归模型中的影响被报道为优势比(ORs)，而在抑郁症的线性回归模型中的系数被报道。RDS抽样权重不包括在回归中，因为这相当于假设异方差，即假设权重高的受访者提供了最准确的信息。这样的假设是没有道理的。gydF4y2Ba

道德的考虑gydF4y2Ba

所有研究程序均由芝加哥大学机构审查委员会(IRB15-1250)批准。获得所有参与者的知情同意。对于研究参与者的所有未参与Facebook的朋友，鉴于对这些人的风险最小，机构审查委员会已经获得了他们的弃权同意。母组随机试验在ClinicalTrials.gov上注册(标识符NCT02896699)。gydF4y2Ba

结果gydF4y2Ba

描述性统计分析gydF4y2Ba

分析样本的参与者平均年龄为25.8岁(SD为4.21岁)。大多数人接受过高中教育(193/ 310,62.3%)，并被认定为同性恋(188/ 310,60.6%)，而四分之一的人被认定为双性恋(80/ 310,25.8%)。中提供了我们分析中关键变量的统计摘要gydF4y2Ba表2gydF4y2Ba．在分析样本中的310名BSMM中，147名(47.4%)感染艾滋病毒，69名(22.3%)报告在过去12个月内被诊断为性传播感染，103名(33.2%)接受PrEP或病毒被抑制(即生物医学预防)，193名(62.3%)报告无避孕套性行为，149名(48.1%)报告性药物使用。经修订的流行病学研究中心抑郁量表得分为10分被认为是抑郁;平均而言，参与者略低于该阈值(平均9.30,SD 5.94;范围0-28)。gydF4y2Ba

对参与者Facebook帖子的分析显示，与艾滋病毒相关的话题只占参与者发布的全部消息的一小部分(平均值730.63，标准差836.79)。总体而言，参与者发布了4条关于药物使用的信息(IQR 1-14)， 3条关于性行为的信息(IQR 0-12)， 2条关于舞厅文化的信息(IQR 0-11)， 0条关于性健康的信息(IQR 0-2)。gydF4y2Ba表2gydF4y2Ba)．gydF4y2Ba

Facebook特征与HIV感染和传播风险的关联gydF4y2Ba

艾滋病毒感染和传播风险指标的多变量回归图显示在gydF4y2Ba表3gydF4y2Ba．首先，性传播感染发病率的逻辑回归显示，一旦考虑到参与生物医学预防和无避孕套性行为的积极和显著影响，Facebook网络和通信功能没有提供额外的解释力量。gydF4y2Ba

关于无安全套性行为，在过去6个月里，发布关于性健康的帖子的人报告无安全套性行为的几率更大(OR 1.58, 95% CI 1.09-2.29)，而发布舞厅文化方面的帖子则降低了这些几率(OR 0.76, 95% CI 0.63-0.93)。Facebook的网络功能也很能说明问题。与其他连接良好的BSMM相关的个体(即特征向量中心性)进行无安全套性行为的几率降低(OR 0.69, 95% CI 0.52-0.92)。网络经纪也出现了负面趋势(例如，在Facebook上连接BSMM的不同子社区)，尽管这种关系在统计上并不显著(gydF4y2BaPgydF4y2Ba= . 07)。在其他艾滋病毒风险指标中，只有性传播感染发病率与无避孕套性行为呈正相关(gydF4y2Ba表3gydF4y2Ba)．gydF4y2Ba

使用性药物的模型揭示了Facebook网络和交流功能的几个显著影响。在交流主题中，发布关于物质的个人更有可能报告在性行为中使用药物(OR 1.81, 95% CI 1.17-2.79)，而在帖子中采用更积极的情感语气则降低了这种几率(OR 0.73, 95% CI 0.55-0.96)。关于网络特征，与其他良好连接的BSMM是Facebook好友的个体(即，特征向量中心性;OR 0.73, 95% CI 0.55-0.96)和那些在Facebook上连接BSMM不同子社区的人(即经纪;OR 0.71, 95% CI 0.51-0.99)不太可能报告性毒品使用。在其他艾滋病毒风险指标中，抑郁症与性药物使用呈正相关(gydF4y2Ba表3gydF4y2Ba)．gydF4y2Ba

关于生物医学预防参与，在控制艾滋病毒状态和性传播感染发病率的积极和显著影响后，结果显示，经常发布舞厅文化方面的个人不太可能进行PrEP或通过抗逆转录病毒治疗坚持实现病毒抑制(or 0.06, 95% CI 0.01-0.71)。与此同时，发布性健康信息的人更有可能坚持生物医学预防(gydF4y2BaPgydF4y2Ba=.05)，尽管这一趋势不符合显著性的标准。gydF4y2Ba

最后，关于抑郁症，发布性健康信息的人往往不那么抑郁(gydF4y2BaβgydF4y2Ba=−0.72,95% CI为−1.42至−0.02)，而那些发布舞厅文化的人往往更抑郁(gydF4y2BaβgydF4y2Ba=。74，95% CI 0.11-0.37). Furthermore, posting about substance use (PgydF4y2Ba=.07)和性行为(gydF4y2BaPgydF4y2Ba=.06)分别呈负向和正向趋势，但不显著。在Facebook网络特征中，与Facebook上其他良好连接的BSMM连接(即特征向量中心性;gydF4y2BaβgydF4y2Ba=−0.90,95% CI为−1.60至−0.21)，加入更多Facebook群组(gydF4y2BaβgydF4y2Ba=。84，95% CI 0.25-1.43) were negatively and positively associated with depression, respectively. Sex drug use was also positively associated with depression (表3gydF4y2Ba)．gydF4y2Ba

参与生物医学预防的艾滋病毒状况亚组分析gydF4y2Ba

在初步分析中，我们优先考虑了一种状态中性的生物医学预防措施，因为有证据表明，与PrEP类似，通过坚持抗逆转录病毒治疗抑制病毒本身就是一种有效的生物医学艾滋病毒预防形式(即，治疗即预防)[gydF4y2Ba63gydF4y2Ba，gydF4y2Ba64gydF4y2Ba］．尽管如此，并呼吁优先考虑状态中立的连续护理，但我们承认，对于艾滋病毒感染者和艾滋病毒风险人群来说，能够开始和坚持用药的情况可能不同。gydF4y2Ba

因此，我们进行了分层亚组分析，以确定Facebook功能是否与每个亚组从事生物医学形式的艾滋病毒保健的可能性有不同的关联(gydF4y2Ba多媒体附件2gydF4y2Ba)．如所示，在初步分析中观察到的关于舞厅文化和生物医学参与之间的负相关，仅在分层分析中观察到感染艾滋病毒的BSMM。因此，携带艾滋病毒的BSMM患者表现出对舞厅社区的认同迹象，不太可能被病毒抑制。此外，我们在非分层模型中观察到的性传播感染发病率和生物医学参与之间的正相关仅在hiv阴性BSMM中表现显著。gydF4y2Ba

模型拟合的改进gydF4y2Ba

我们对所有二元结果进行了似然比检验，并对抑郁症的连续结果进行了分层回归，以确定将Facebook功能添加到具有艾滋病毒风险指标的模型中是否仅改善了模型拟合(gydF4y2Ba表4gydF4y2Ba)．满足a的变量gydF4y2BaPgydF4y2Ba< .10初步分析中的Cronbach α准则(gydF4y2Ba表3gydF4y2Ba)都包括在这部分的分析中。对于每个结果，符合条件的艾滋病毒风险指标被包括在模型1中，符合条件的Facebook功能被添加到模型2中。如图所示，除了性传播感染发病率(未显示)，Facebook特征在主要分析中没有提供额外的解释力，添加Facebook特征显著改善了模型的拟合，优于单独使用HIV风险指标的模型。对于无安全套性行为、生物医学预防参与和抑郁症，模型的改进是显著的gydF4y2BaPgydF4y2Ba<。01水平。对于性药物的使用，模型的改进在gydF4y2BaPgydF4y2Ba<措施level.

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

在这项研究中，我们认为，数字流行病学——利用基于网络的交流和社会互动的数字痕迹来检测具有某些健康风险的个人的做法——在缩小艾滋病毒差异方面迈出了关键一步，因为它可能会产生在更正式的医疗记录中找不到的非正式健康信息，并提供了一种方法来检测医疗记录稀疏的高危人群。为了验证这些假设，我们展示了使用从年轻BSMM队列中收集的Facebook通信和网络数据的潜力，该人群在美国经历了新的艾滋病毒发病率的不均衡负担，以确定揭示艾滋病毒感染和传播风险的关键生物学、行为和心理指标的个人。事实上，我们能够检测到Facebook交流和网络特征与多种艾滋病毒风险指标之间的显著关系，同时还调整了使用调查和血液测试直接观察到的结果的相关因素，这表明这些社交媒体变量的影响相对强大。gydF4y2Ba

我们的演示在总体上对数字流行病学方法的偶然性产生了一些见解，更具体地说，在这个特定的BSMM队列中，各种社交媒体功能与艾滋病毒风险指标之间的关系。关于该方法的偶然性，尽管我们有意检查了5个风险指标，它们代表了艾滋病毒风险的不同方面(即生物学、行为和心理社会)，但我们的结果清楚地表明，Facebook的交流和网络特征并不能普遍预测这些结果。例如，网络嵌入的特征，特别是与其他BSMM的社会融合减弱，是性行为的强有力指标，这些性行为可能会使BSMM面临艾滋病毒(即无安全套性行为和性药物使用)和精神健康风险，如抑郁症。对于性传播感染发病率等生物风险或参与生物医学形式的艾滋病毒护理，情况并非如此，更直接观察到的流行病学和行为变量是更好的预测因素。gydF4y2Ba

关于我们的统计结果，有几个关系可以为这些偶发事件带来额外的关注。第一组值得注意的发现是关于与其他BSMM建立网络友谊的影响。我们了解到，与其他BSMM的网络友谊，无论是以与有良好关系的人联系的形式，还是作为网络桥梁的形式，都与性毒品使用和无避孕套性行为的可能性降低有关。这表明，那些从事这些性行为的人可能有被更大的BSMM社区剥夺权利的风险，这一发现在我们目前正在审查的其他工作中得到了支持。这引起了人们的关注，因为隔离已经存在风险的行为亚群可能会导致采用额外的复合风险行为[gydF4y2Ba65gydF4y2Ba，gydF4y2Ba66gydF4y2Ba］．因此，对这些行为社区的公共卫生推广可能需要纳入将他们纳入BSMM更大的社会结构的方法，这将增加他们从BSMM社区其他成员获得社会支持的机会，并使他们接触到替代的行为规范和更多样化的行为选择范围。从事使他们有感染和传播艾滋病毒风险的性行为的BSMM的社会隔离也令人担忧，因为它明显会促进或加剧抑郁症[gydF4y2Ba67gydF4y2Ba，这本身对使用性药物的可能性有明确的直接影响。gydF4y2Ba

社会嵌入性的影响也出现在抑郁症模型中。证实了我们之前关于社交孤立(相对于-à-vis其他BSMM)和抑郁症之间关系的断言，我们发现样本中与其他有良好关系的BSMM在Facebook上的友谊较少(即特征向量中心性较低)的BSMM往往在抑郁症上得分较高。此外，有点令人惊讶的是，我们还发现，那些加入更多Facebook群组的BSMM也更容易抑郁。我们推测，这种关系要么是补偿行为的结果，即抑郁程度更高的BSMM倾向于通过群体环境寻求社会联系来帮助他们减轻抑郁——也许是为了弥补他们通过友谊与其他BSMM融合的减弱——要么是Facebook群组中发生的负面互动的结果，这可能会加剧负面心态。我们的分析只是横断面的，而不是纵向的，这意味着这种关系和所有其他讨论的关系的方向性不能充分确定。gydF4y2Ba

其次，在发布关于物质使用和使用药物以增强性体验(即性药物使用)之间存在显著关系，在发布关于性健康和从事性健康保健(即生物医学预防)之间存在趋势关联。这支持了大多数人对在facebook等通用平台上交流的普遍直觉，即人们在数字空间中谈论的行为与在现实空间中进行的行为之间往往存在很强的相关性。在许多方面，社交媒体平台上发布帖子的自然环境(例如，在家里、学校和与朋友的社交)意味着一个人交流的内容很可能反映出与他们日常活动和思维相关的行为。gydF4y2Ba28gydF4y2Ba］．也就是说，观察艾滋病毒风险行为和活动可能是资源密集型的，并且在使用回顾性自我报告时，相对于风险发生的时间可能存在严重滞后。因此，了解数字存档的社交媒体通信可以用来检测有风险的人，而不是行为观察或自我报告，这是一个令人兴奋的公共卫生进步，可以更容易地检测有艾滋病毒感染或传播风险的人，以及其他合并症，并对实时风险时刻做出更大的反应。gydF4y2Ba

最后，我们的研究结果还表明，社交媒体上的交流可以用来检测BSMM子社区，如舞厅社区，它倾向于吸引那些已经在结构上脆弱的个人，因为他们获得医疗保健的机会有限，社会经济地位低下，住房不稳定，被生物家庭拒绝的经历，以及耻辱和歧视[gydF4y2Ba54gydF4y2Ba］．这些因素可能会导致更多的艾滋病毒风险行为，如性药物使用[gydF4y2Ba68gydF4y2Ba]和生存性[gydF4y2Ba52gydF4y2Ba]，这会进一步增加她们感染艾滋病毒的风险。我们的分析从两个方面证实了这一点。发布舞厅文化的各个方面，如果HIV阴性，则与接受PrEP的可能性呈负相关，如果感染HIV，则与病毒抑制的可能性呈负相关，而与抑郁加剧呈正相关。因此，尽管舞厅社区无疑为其成员提供了亲和感和性和性别的肯定，那些被它吸引的人可能更有可能表现出先前存在的困难和脆弱性，继续影响他们在舞厅社区中参与或接触到的艾滋病毒风险和预防的程度。因此，社交媒体交流不仅仅反映了药物使用等行为。它能够发现社会文化环境中具有其他已知易感染艾滋病毒的成员，这也是减少艾滋病毒风险战略的一个重要进展。gydF4y2Ba

临床意义gydF4y2Ba

我们的研究结果表明，可以利用社交媒体数据来改善对BSMM中某些类型的艾滋病毒感染和传播风险的监测和建模，同时也使我们注意到新的数字“指纹”，可以作为个人艾滋病毒潜在风险的早期预警信号。虽然数字流行病学方法的效用通常是在开发大规模自动化公共卫生跟踪系统的背景下讨论的，使用大量公开的社交媒体数据，但我们主张更以人为本的社交媒体辅助监测应用，可以带来更个性化的干预和护理形式。例如，通过了解潜在风险的重要数字指纹，来自知情客户的社交媒体档案可以帮助一线卫生和社会福利工作人员(例如，艾滋病毒咨询师、社区卫生工作者和病例管理人员)根据客户未来与艾滋病毒相关的结果的风险来描述他们的客户，从而作为一个晴雨表，指导他们在筛查、治疗和其他服务建议方面的决定。此外，有能力监测客户沟通和关系动态的极端变化(例如，情绪变化或突然解散的友谊)，这些在以前的工作中与性风险参与有关[gydF4y2Ba69gydF4y2Ba]，可提醒前线员工注意潜在的危机，让他们以支援签到的形式，即时采取“温和”干预措施。因此，我们认为社交媒体在流行病学方面的前景在于，它能够提供更及时的护理，并能够在危险的社会环境中进行干预，因为它们几乎是实时展开的。gydF4y2Ba

限制gydF4y2Ba

这项研究是确定使用数字流行病学方法识别艾滋病毒感染或传播风险个体有效性的重要第一步。然而，这确实只是第一步。因此，它目前的局限性与明显的下一步相对应。这些限制中最重要的是，我们在这项研究中使用的数据是横断面的，这限制了我们进行相关推理，而不是因果推理。我们研究议程的下一步是建立预测模型，使用逻辑和机器学习方法，从所有3个来源(即Facebook、调查和实验室测试)中提取所有3波数据。gydF4y2Ba

其次，尽管特色分析考虑了自我报告和被动观察的艾滋病毒感染和传播风险潜在的社交媒体指标的影响，但社交媒体指标本身是否比自我报告的健康和行为数据更有帮助仍有待观察。我们的直觉告诉我们事实并非如此。我们的研究结果表明，被动观察个人风险潜力的社交媒体指标提高了仅包括自我报告数据的模型的预测性能，但我们对使用社交媒体数据替代自我报告数据的前景仍持怀疑态度。相反，它们被更恰当地视为彼此的补充。gydF4y2Ba

第三，基于字典的数字内容分析方法是有局限性的，因为它们只能识别与主题相关的关键词(而不是更深层的含义)，并且必须依赖于研究人员建立一个强大的字典的能力。此外，由于主题是由研究人员在进行内容分析之前定义的，更多可能与艾滋病毒风险相关的新兴主题和主题将被识别和未被探索。潜在空间主题建模，如潜在狄利克雷分配，将是实现这些目的的合适建模方法。然而，我们对这种方法表达过多的热情是谨慎的，特别是当应用于Facebook内容时。与Twitter不同的是，Twitter通常会产生更有意和专注的语气，Facebook的帖子往往更分散和意识流，我们猜测这将使在这些模型中检测有意义的潜在主题更具挑战性。gydF4y2Ba

结论gydF4y2Ba

为了结束美国的艾滋病毒流行，已制定了雄心勃勃的目标，到2030年将事件感染数量减少90%，BSMM将优先进行干预[gydF4y2Ba8gydF4y2Ba］．实现这一目标需要一项创新和多管齐下的战略，以确定艾滋病毒感染和传播的高风险人群，并使他们参与预防或治疗护理的持续工作。尽管资金充足的流行病学和行为监测项目是而且应该继续是这项工作的主要动力，但它们并非没有局限性。这项研究表明，社交媒体提供了一种补充的非正式健康信息来源，可用于提高我们发现艾滋病毒风险个体的能力，并帮助那些可能被监测遗漏的人，这些监测使那些更经常参与主流卫生保健系统的人获得了特权。事实上，我们的分析表明，在我们的样本中，社交媒体传播和网络特征与BSMM中艾滋病毒感染和传播风险的几个指标相关，尽管不是一致的。此外，社交媒体变量的纳入似乎捕捉到了BSMM社交生活中自我报告数据中没有捕捉到的保护和风险特征。需要进一步的研究来验证将社交媒体数据收集纳入现有监测、预防和治疗实践的可接受性和可行性，并确定如何利用这些工作中的见解进行近实时干预。gydF4y2Ba