Twitter上鼻烟的认知和讨论:观察性研究

介绍

无烟烟草是一种在消费过程中既不吸烟也不燃烧的烟草。无烟烟草制品的例子包括咀嚼烟草、可溶性烟草和口服尼古丁袋。根据美国疾病控制与预防中心(CDC)的数据，2020年，美国全国有570万成年无烟烟草使用者。1］．在无烟烟草产品中，鼻烟是一种无烟烟草产品，有时用于口服，起源于瑞典。它通常有以下两种形式:散粉和小袋。当吸食鼻烟时，它被放在上唇后面。2］．虽然这种烟草产品在欧盟成员国被禁止，但瑞典等少数例外[3.]，它在世界其他地区的使用是普遍的。例如，到2013年，芬兰有18%的青少年尝试过鼻烟[4］．在美国，疾控中心在2021年进行的一项研究表明，1.2%的美国高中生目前使用包括鼻烟在内的无烟产品。1］．

研究发现，使用鼻烟可能导致口腔癌、心血管疾病、呼吸系统疾病、糖尿病和其他疾病[5］．一项针对135,036名瑞典建筑行业男性雇员的队列研究发现，无烟烟草使用者死于心血管疾病的年龄调整相对风险比不吸烟者高40%。6］．尽管存在这些担忧，但先前的研究表明，使用鼻烟的健康风险比吸烟低得多[2，7］．根据对多种健康症状(包括口腔健康和心血管疾病等)的审查，鼻烟的健康风险明显低于香烟[2］．

与其他烟草产品一样，使用鼻烟会导致尼古丁依赖，而对鼻烟消费与其他类型尼古丁消费之间关系的看法一直存在争议[5］．门户假说认为，使用鼻烟可能会导致更容易上瘾的吸烟行为。相反，途径假说认为使用鼻烟有助于防止人们吸烟[5］．之前关于这一主题的研究报告了不同的结论。此前的一项研究对496对无烟烟草制品使用者和非使用者进行了跟踪调查，得出的结论是，没有足够的证据表明使用无烟烟草制品会导致更高的吸烟几率[8］．瑞典另一项关于吸烟者的研究发现，研究中76.3%的男性吸烟者和71.6%的女性吸烟者在开始吸食鼻烟后戒烟[9］．然而，2010年对66名参与者进行的一项焦点小组研究得出结论，参与者认为使用鼻烟可能会导致吸烟[10］．

由于鼻烟产品的入口和通路假说存在争议，以及鼻烟产品对健康的潜在影响，公众对鼻烟产品的认知可能存在分歧。随着鼻烟越来越受欢迎，政府监管在鼻烟消费与公众健康之间的关系中起着至关重要的作用。例如，美国食品及药物管理局规定，包括鼻烟在内的无烟烟草制品，须在包装上附有特别警告，如“警告:无烟烟草易上瘾”。[11］．为了更好地管理鼻烟与公共卫生之间的关系，并在制定政策时更加知情，了解公众对鼻烟的真实看法是有益的。

Twitter作为一个受欢迎的社交媒体平台，已被用来研究吸烟行为和对电子烟等烟草产品的看法[12，13］．虽然已利用焦点小组调查对鼻烟的看法，但这种焦点小组的样本量非常有限[10，14］．利用社交媒体数据来研究公众对鼻烟看法的研究很少。

我们的研究旨在调查Twitter上公众对鼻烟的看法和流行话题。我们的研究包括3个具体目标。首先，我们的目标是通过情绪分析来确定鼻烟相关推文的情绪。其次，我们尝试探索与鼻烟相关的具体主题。最后，我们试图检查鼻烟相关推文中提到的潜在健康风险。透过全面调查公众对鼻烟的看法和讨论的主要话题，我们希望为政策制定者提供一些关于规管鼻烟以保障公众健康的见解。

方法

伦理批准

在这项研究中，我们只使用了公开可用的推文，并且在这项研究中没有Twitter用户的识别信息。此外，本研究由罗切斯特大学人类受试者保护研究受试者审查办公室(研究ID: STUDY00006570)审查和批准。

数据收集和预处理

我们使用关键词，通过Twitter流媒体应用程序编程接口，收集了2021年3月11日至2022年2月26日期间与鼻烟相关的Twitter帖子(tweets)鼻烟，我们得到了一个包含28,427条推文的数据集。然后我们对数据进行预处理以提高其质量。首先，所有的推文都是小写的。之后，通过使用正则表达式操作包(Python软件基金会)[15]，我们删除了推文中不构成推文实际内容的部分，包括电子邮件地址、换行字符、单引号、url和“@”符号(用于提及其他用户)。接下来，我们应用了2套推广过滤器来剔除与鼻烟商业推广相关的推文[13］．第一个过滤器针对用户名，使用诸如鼻烟，无烟，经销商，供应，尼古丁，香烟,商店。用户名中包含这些词的用户发布的推文不包括在本研究中，因为它们可能是由商业账户发布的。过滤器的第二层旨在删除潜在的商业推文内容，包括关键字订单，新，提供，折扣,免费送货。包含这些词的推文极有可能是促销推文。最后，我们消除了重复的推文。预处理后，最终的数据集包含11,631条tweet。

情绪分析

情感分析是一种学习文本态度的计算方法，而Valence Aware Dictionary and Sentiment Reasoner (VADER)是一种专门用于社交媒体数据的情感分析软件包[16］．通过对每条推文应用VADER，我们为每条推文分配了一个介于- 1.0到1.0之间的情感得分。为了更好地定义情绪，我们根据相应的情绪得分将推文分为3类;情感得分≥0.05的推文被标记为“积极”，得分≤- 0.05的推文被标记为“消极”。其余的推文被标记为“中立”。然后计算积极、中性和消极推文的比例。然后计算每日积极推文的比例。

采用统计分析软件(R版本4.0.2;(R Foundation for Statistical Computing)研究不同态度的频率分布[17］．采用0.05的显著性水平判断积极推文的比例是否显著高于消极推文的比例。

主题建模

主题建模是一种识别文本中主要主题的计算方法。我们的研究选择的模型是潜在的Dirichlet分配模型，将其应用于积极的推文、中性的推文和消极的推文，观察推特用户讨论的主要话题。

通过使用gensimPython中的package [18，我们基于我们的数据集构建了一个双字母和三字母组合。双元和三元分别是由2个单词和3个单词组成的序列。有了双字母和三字母组合，我们把一些最常提到的短语作为一个整体来对待，而不是把它们当作两个或三个单独的单词。例如,减少危害是推文中经常提到的短语，我们考虑减少危害作为一个单一的标志，有助于一个主题，而不是保留伤害和减少分开。

我们使用自然语言工具包来删除推文中的停止词[19］．停止词包括但不限于常用冠词、代词和命题，如果保留这些词，会影响主题建模结果的质量。此外，我们使用spaCy (Explore)在不改变其含义的情况下，将tweet中的单词按字典形式排列[20.］．例如,烟熏成为烟在词元化。转换后，像烟熏都不用于主题建模，并且只包括它们的字典形式。连贯性分数和话题间距离图都被用来确定推文中讨论的主题的最佳数量pyLDAvisPython中的package [21］．

为了更好地解释模型的结果，我们根据关键字输出和示例tweets推断主题。两位作者分别对每个类别的推文进行了审查，并独立总结了主题。对两位作者的研究结果进行了比较和讨论。任何分歧都由一个4人小组解决。

与健康有关的讨论

为了确定鼻烟相关推文中提到的健康影响的频率，我们使用在以前的研究中创建的与健康相关的关键字列表来过滤数据集[22-24]，结果产生了一组654条独特的推文，其中包含1254个与健康相关的关键词。这份清单包括以下九大类与吸烟和尼古丁消费有关的健康影响:口腔(如牙龈、牙齿等)、呼吸系统(如肺、咳嗽等)、心血管(如心脏等)、心理(如压力、焦虑等)、神经系统(如麻木、疲劳等)、癌症(如肺癌、口腔癌等)、喉咙、消化和其他影响(如皮肤、肝脏等)。对于每个主要的健康影响组，统计属于该组的特定关键词的出现次数。此外，两位作者手工编码了200条随机选择的推文，以确定用户是否直接经历了提到的健康症状，或者他们是否认为与吸烟相比，使用鼻烟可能有助于降低症状的风险。Cohen κ统计量达到0.73，表明两个编码器之间基本一致。

结果

时序分析

为了更好地理解鼻烟讨论的受欢迎程度，我们在研究期间检查了与鼻烟相关的推文的数量。如图所示图1在美国，每天的推文数量通常在25到50条之间波动，在2021年4月10日出现了几个峰值;2021年5月31日;2021年10月3日。

‎ 查看此图

推特上对鼻烟的看法

为了检验Twitter上公众对鼻烟的看法，我们对与鼻烟相关的推文进行了情绪分析。11631条与鼻烟相关的推文的平均情绪得分为0.080，表明鼻烟相关推文的整体情绪是积极的。其中，正面推文4341条(37.32%)，负面推文3094条(26.60%)，中性推文4196条(36.08%)。进一步统计分析发现，正面推文占比显著高于负面推文占比(4341/ 11631,37.32% vs 3094/ 11631, 26.60%;P<措施)。我们的纵向分析显示，随着时间的推移，积极推文的比例没有明显变化(多媒体附录1）.

在snus相关推文中讨论的主题

为了理解是什么导致了鼻烟相关推文中的不同情绪，我们对不同情绪组中的推文进行了主题建模。如图所示表1在与鼻烟相关的正面情绪推文中，最受欢迎的话题是“鼻烟是一种更安全的尼古丁消费方式”(1472/4341,33.9%)，其次是“鼻烟消费方式”(1441/4341,33.2%)和“鼻烟成瘾和享受”(1428/4341,32.9%)。在与鼻烟相关的负面情绪推文中，排名第一的是“鼻烟与吸烟的风险比较”(1064/3094,34.4%)，其次是“对健康的负面影响”(1018/3094,32.9%)和“与鼻烟有关的其他问题”(1012/3094,32.7%)。中性情绪鼻息相关tweet的主题包含在表S1中多媒体附录2。

鼻烟相关推文中提到的健康风险

为了了解鼻烟可能带来的健康风险，我们研究了与鼻烟相关的推文中提到的健康症状。口腔健康(口腔效应)是鼻烟相关推文中被提及最多的健康类别(519/1254,41.39%)，其次是其他效应(213/1254,16.99%)和呼吸效应(182/1254,14.51%)。其他健康类别的推文比例相对较低。例如，癌症类别(癌症是一种健康影响，通常与尼古丁摄入有关)仅占推文总数的5.34%(67/1254)。进一步的手工编码结果显示，在200条随机选择的推文中，有40条(20%)提到健康症状是鼻烟消费的直接结果，或者提到了对鼻烟的负面看法。此外，28%(56/200)的推文讨论了与吸烟相比，鼻烟所提到的健康症状的危害减少。

讨论

主要研究结果

在我们的研究中，我们发现与鼻烟相关的推文中带有积极情绪的比例显著更高(P<.001)比带有负面情绪的鼻烟相关推文的比例高。通过主题建模，我们观察到，对鼻烟的积极情绪可能是个人经历的结果，并且认为使用鼻烟比吸烟更安全。相反，对健康风险的担忧可能会导致有关鼻烟的推文中的负面情绪。进一步的分析表明，在与鼻烟相关的推文中，最受欢迎的健康类别是口腔影响，其次是其他影响(如肝脏和皮肤影响)和呼吸影响。

与以往研究比较

我们的时间分析显示，与鼻烟相关的推文数量在2021年10月3日达到了明显的峰值。在提取当天所有与鼻烟相关的推文后，我们注意到大多数推文(67/100,67%)讨论了一位著名英国前足球运动员的儿子可能使用鼻烟。这个峰值表明网红对Twitter用户的影响很大。

鉴于在与鼻烟相关的推文中，带有积极情绪的最热门话题与从吸烟转向使用鼻烟有关，因为鼻烟被认为是一种更安全的选择，而在消极情绪的推文中，没有强有力的证据表明存在门户效应，因此Twitter用户对鼻烟的看法可能倾向于路径假设，而不是门户假设。这一发现与一项焦点小组研究的结果相矛盾，在该研究中，参与者将使用鼻烟视为吸烟的潜在途径[10］．这种不一致有两个可能的原因。首先，焦点小组是在2010年进行的，我们研究中使用的推文是在2021年收集的。时间的差异可能解释了人们对鼻烟感知的差异。其次，焦点小组的结论是基于66名年龄在18至26岁之间的年轻人的样本[10］．相比之下，我们的研究在人口统计学特征方面涵盖了更广泛的范围，这可能导致了不同的结果。

从健康风险方面来看，推文中确定的与健康相关的关键词捕捉了鼻烟的大部分潜在健康影响。根据挪威公共卫生研究所2019年发布的一份报告，鼻烟对健康的主要潜在不良影响包括癌症、心血管疾病、精神障碍和龋齿[25］．我们研究中与健康相关的关键词频率分布包括了口腔、心血管、癌症和心理影响类别的潜在健康影响，证明了我们从Twitter数据中获得的发现与之前关于鼻烟健康风险的发现之间的一致性。

限制

我们的研究有一些局限性。从Twitter上收集的数据可能包含一些偏见。一项对来自Twitter的旅游景点访问情绪数据的研究表明，游客的情绪可能受到旅游景点本身以外的因素的影响，包括1天内参观景点的数量以及游客是本地游客，外州游客还是国际游客[26］．2012年的另一项研究表明，Twitter用户的人口分布与一般人群不同[27］．例如，年龄在18至24岁之间的年轻人中约有31%使用Twitter，而年龄在25至34岁之间的成年人中这一比例仅为17% [27］．因此，我们基于Twitter数据的研究结果可能不能代表一般人群。

在数据收集和预处理方面，我们使用的关键字集可能不够全面。例如，在收集数据时，我们只包括鼻烟作为单一的关键字，这可能导致我们在研究中遗漏了一些相关的推文。此外，在处理过的数据集中，可能仍然存在一些可以自动传递消息的bot帐户。这可能在我们的结果中引入了一些偏差。在主题建模方面，基于关键词的推断涉及到主观判断，即使有实例推文的支持。此外，在与鼻烟相关的推文中提到健康症状并不意味着鼻烟与健康风险之间存在任何因果关系。我们的手工编码结果进一步验证了这一概念。此外，我们的研究没有包括Twitter用户的人口统计信息。不同的人口群体对鼻烟的看法可能不同。

结论

我们的研究显示，推特用户在与鼻烟相关的推文中表现出了更多的积极情绪，这可能是由于与吸烟相比，鼻烟相对安全。我们的研究通过使用社交媒体数据，在一个相对较大的样本中有效地测量了公众对鼻烟的看法。根据健康信念模型，行为的感知易感性、严重性、利益和障碍解释了与健康相关的行为[28］．因此，这些对鼻烟的看法可能是公众鼻烟消费模式的预测指标。我们的研究将有助于政策制定者更好地预测消费行为的变化，并做出必要的政策调整。我们的研究结果将为政策制定者提供进一步监管鼻烟的见解。未来的研究可以考虑人口和地理因素，以探索鼻烟相关认知和讨论的潜在差异。