我们的研究被密歇根州立大学机构审查委员会确定为非人类研究对象。所有参与的研究人员都接受了同一机构审查委员会的伦理培训。

通过Twitter的公开流数据下载推文[ 19］．使用NCapture，通过标签#我的抑郁症看起来像(QSR International, Burlington, MA, USA)来识别推文。这个标签鼓励患有抑郁症的推特用户分享他们的经历并相互联系，使它在回答我们的研究问题时很有用。

Twitter将数据采集限制为从公共内容中抽取10%的随机样本，我们将其编译到一个数据库[ 2］．推文捕捉的时间窗口从2016年5月25日持续到6月1日(心理健康月的一周)，推文在每个工作日美国东部标准时间上午10点被提取。符合以下标准的推文包括:(1)每条推文都是原创，而不是转发;(2)每个用户只能发一条tweet;(3)地理位置位于东北部指定的12个州研究区域内的推文。因此，104条推文被纳入县级分析。

为了预测各县的预期推文，我们编制了通常与抑郁症诊断相关的人口统计数据。我们从2010年人口普查和2015年美国社区调查中收集了人口数据[ 20.， 21，包括年龄、性别、种族、家庭状况和贫困比例。抑郁症在女性、未婚人士、低收入人士、少数族裔及15至44岁人群中发病率最高[ 18， 22- 28］．因此，我们编制了单个家庭、女性、15-44岁人口、白人人口和生活在贫困线以下的人口的县百分比 表1对于数据源)。

为了了解社区特征和推文水平之间的关系，我们收集了可以提供支持、面对面治疗、社交互动机会或活跃社区居民指标的特征数据。这些特征包括公园或受保护的开放空间、礼拜场所、博物馆、活跃的投票率、精神卫生保健提供者、非营利组织(由国家分类豁免实体代码组织)、K12学校和自住住房单元。同样，我们收集了可能阻碍社区支持的特征的数据，包括空置的住房单元。群落特征数据来自几个来源(见 表1)．对每10万总人口中的大多数变量产生了比率。K12入学率是每10万学龄人口的入学率。活跃选民百分比是根据2016年活跃投票的成年人口的百分比计算的。

使用Stata v11.1 (StataCorp, College Station, TX, USA)将非营利组织按目的分组:健康、人类服务、公共和社会福利、宗教和教育。按团体、礼拜场所、精神卫生保健提供者、空置和自住住房单位分类的非营利组织数量按县统计。然后计算出每10万人的发病率。使用ArcGIS v10.5 (Esri, Redlands, CA, USA)绘制了博物馆、K12学校、公园和县界的空间位置图[ 29］．将每个县的统计数字相加，然后计算出每10万人口中的比率。公园面积(单位:英里²)也在ArcGIS中计算，作为该县总土地面积的百分比。

活跃选民总数均来自2016年第四季度。我们按县汇总了活跃选民计数，然后将这些计数除以活跃选民人数。然后我们计算了活跃选民的百分比。对于没有报告活跃选民总数的州，我们使用了该州2016年总统选举的选民投票率。

我们假设，从理论上讲，通过Twitter寻求支持的社区水平应该由与抑郁症和心理健康状况不佳相关的人口特征来预测[ 23， 25- 28］．因此，我们拟合了一个回归模型，使用这些变量来预测县级推文数量。具体而言，我们的具有稳健SEs的多水平泊松回归模型包括通常与抑郁症诊断相关的独立预测因子，包括女性百分比、15-44岁人口百分比、白人百分比、单人家庭百分比和贫困线以下百分比，并被县人口抵消。该模型还考虑了州内县的聚集。

我们关注的焦点是了解哪些地区的推文量高于或低于预期。因此，在拟合模型后，我们计算了观测计数和预期计数之间的差异，并将这些残差分类为推文指数值(TIV)分位数，其中1=推文不足，均值- 0.37 (SD 0.53);2=推文符合预期，均值−0.02 (SD 0.01);和3=过度推特，平均值1.36 (SD 1.55)。然后，这些TIVs被用于研究群落特征趋势。

在分析过程中，我们决定测试我们的结果是否可能是由一个县(华盛顿特区)驱动的，因为这个县由于几个原因似乎是一个异常值。例如，虽然它的博物馆和其他社区设施非常多，但人口往往是年轻的，推文数量是最高的。为此，我们进行了灵敏度分析，在不包括DC的情况下，也拟合了上述模型。然而，对于所有自变量，我们的事件发生率(IRRs)变化<1% 多媒体附件1）;因此，这里不包括这些结果。所有后续分析均包括所有245个县。所有分析均使用Stata v11 (StataCorp, College Station, TX, USA)进行。

选择之前概述的社区特征是基于每个因素在促进或阻碍支持、面对面治疗、社会互动机会或活跃社区居民指标方面的潜在作用。我们用TIV计算每个特征的均值。然后我们计算了TIV5:1的比值和Pearson相关系数( r), P价值。

之前大多数关于使用Twitter联系抑郁症的研究都集中在人际变量上。这项关注社区因素的研究对文献有独特的贡献。在这项研究中，发现了三个积极的、具有统计学意义的关联，可以预测抑郁症相关人群的推文数量，包括女性百分比、15-44岁人口百分比和单人家庭百分比。这些发现与其他研究相一致，这些研究表明，女性和单身家庭的抑郁症发病率更高[ 18］．女性比例的相关性进一步表明，患有抑郁症的女性求助于Twitter的比例高于男性，尽管此前的研究表明，男性和女性在Twitter的总体使用上没有差异。 30.］．

虽然我们发现了一些显著的关联，但一些预期的推文数量预测因素并未得到证实。低于贫困线的比例和白人比例与推文数量没有显著关联。我们对地区层面贫困的微不足道的发现与一些已发表的显示贫困和抑郁之间关联的数据形成了鲜明对比[ 31］．另一方面，我们的发现与Cutrona等人的发现相呼应，即其他邻里因素，如社会混乱，比贫困更有影响[ 16］．先前关于抑郁症和种族的研究结果并不一致，一些研究表明，建筑环境与抑郁症的关系可能比种族构成更大[ 32］．其他研究表明，感知歧视、社会支持和应对可能在种族和抑郁症之间的关系中发挥作用[ 33］．

在研究与推特过度或推特不足相关的社区特征时，K12学校、博物馆、礼拜场所、空置住房率和卫生非营利组织的比例都显示出了显著的下降 U -通过TIVs的形状梯度。尽管卡普兰和Yen声称很难说明抑郁症和缺乏设施之间的关系，但在之前的研究中，社区内设施较少与抑郁症发病率较高有关[ 34］．我们的研究反映了这些困难，因为一些社区特征有一个 U -与TIVs的关系。然而，与其他研究类似，几种类型的非营利组织的比例与TIVs显示出明显的上升趋势[ 17］．缺乏社区设施，如社区建设非营利组织，不仅可能与抑郁症的高发病率有关，还可能导致网络社区中抑郁症的联系水平较低。这表明，基于网络的社区，而不是取代物理连接，作为非虚拟社会社区的补充和代理。换句话说，如果社区有大量的非营利组织为公众服务，从而提高社区参与度，患有抑郁症的居民可能更有可能在网上联系抑郁症。 35］．相反，如果一个社区缺乏这些便利设施，居民们所感到的孤立感可能会转移到他们的网络存在上。 16］．

本文通过探索和提供与人们转向基于web的社区来联系抑郁症相关的社区特征相关的信息，扩展了与Twitter有关的抑郁症文献。在这项研究之前，关于抑郁症与推特相关的文献主要包括如何根据推文来解释抑郁症，以及人们为什么在推特上谈论他们的心理健康问题，比如抑郁症。研究结果表明，Twitter等基于网络的平台在讨论心理健康问题方面产生了积极影响，但也指出了社交媒体的使用及其不良后果，包括抑郁症状的增加。人们所处的环境对他们的心理健康状况有很大影响，但这一点常常被忽视。 36， 37］．这项研究深入了解了一个人所处环境的各个方面，例如，生活在有许多非营利组织的地区，这可能会鼓励人们使用Twitter来加强社会联系。

我们的研究有几个局限性。首先，未来的研究可以将研究区域扩大到美国东北部以外。从Park等人2013年在韩国的研究中可以看出，来自世界各地的人们使用Twitter来寻求联系，因此了解他们的物理社区也可以帮助我们深入了解研究问题。未来的研究还可能扩大收集推文的时间框架。增加捕获数据的时间框架将使本文具有更大的人群有效性，并允许推断邻里变化与抑郁症之间的关系。由于我们有限的时空范围和NCapture的使用，我们的样本量比最初预期的要小，因此提出了泛化问题。此外，我们使用地理标记位置来描述Twitter用户的社区特征;这部分限制了我们的样本，并可能引入误差。地理标签可能不能代表Twitter用户的社区;相反，它们可以表明用户暂时旅行的地方。 Additionally, we used counties as a proxy for “community” since existing community-level data is often reported at the county level. In the future, we suggest a smaller geographic scale such as a city or town because these units are usually more representative of a person’s community.

我们的研究是第一个探索建筑和社会环境对使用Twitter联系抑郁症的贡献的研究之一。推特过多或过少的社区更有可能拥有更低的K12学校、博物馆、礼拜场所、空置住房率和健康非营利组织。这些社区也可能有更高的活跃选民率。在我们的研究中，特别明显的是，非营利组织比例较高的社区显示出高于预期的推文水平——这表明缺乏社区投资可能会影响基于网络的连接寻求。城市规划工作可以有效地促进便利设施，以加强社会互动，减少隔离，从而最终为抑郁症提供社会支持。