我们对相关文献进行了系统回顾，总结了分析用于研究危险健康行为的社交媒体数据的计算和定量方法。我们遵循PRISMA(系统评审和荟萃分析首选报告项目)概述的指南[ 39]查阅相关资料。

我们搜索了2020年9月的文献，收集了2011年至2020年9月11日发表的研究。我们使用一组特定的关键词搜索了三个不同的数据库——pubmed、Web of Science和scopus。我们的搜索关键词位于两个关键集群的交叉点:社交媒体和ML。我们还为相关关键词添加了医学主题标题(MeSH)，以确保我们的搜索尽可能具有包容性。使用以下查询进行搜索:(“社交媒体”[MeSH]或“社交媒体”或“在线健康社区”或“在线社交网络”或“在线社交网络”或“点对点”或“同伴影响”[MeSH])和(“机器学习”[MeSH]或“机器学习”或“文本挖掘”或“自然语言处理”[MeSH]或“自然语言处理”或“数据挖掘”[MeSH]或“数据挖掘”或“网络模型”)。此外，我们还检查了符合我们的纳入标准的研究参考列表，以寻找任何其他来源。

确定研究是否有资格接受评审的纳入和排除标准列于 文本框1．

两位作者(TS和SM)在两个阶段根据纳入标准独立评估检索的研究。在第一阶段，作者回顾了所有检索到的研究的标题和摘要，以纳入全文筛选。在第二阶段，作者对第一阶段确定的相关研究进行了全文筛选，以最终纳入本综述。分歧通过两位作者的讨论得到了解决。在两个阶段都计算了评价者之间的一致性，Cohen κ。在筛选了符合纳入标准的研究之后，我们从正文中提取了相关数据，包括以下内容:

最初的搜索总共产生了1554项研究。从这些研究中，我们删除了203项因为重复的研究。在第一阶段，我们审查了剩余研究的标题和摘要，以确保它们满足进一步深入分析的纳入和排除标准。第一阶段评分者之间的一致性为81.37%。通过讨论解决分歧后，我们初步排除了1246篇不符合纳入标准的研究，将剩余105篇研究纳入第二阶段全文筛选。第二阶段评分者之间的一致性为83.50%。该综述共纳入了52项符合纳入标准的研究。我们进一步通过滚雪球技术确定了另外12项研究，这些研究也包括在本综述中。因此，共有64项研究[ 40- 103]被纳入最终检讨。在审查的研究中，55项(86%)研究发表于2016年以后[ 40- 61， 68- 95， 97， 98， One hundred.- 102]，而在2013年至2015年间，只有9项(14%)研究发表[ 62- 67， 96， 99， 103］．这些研究都是在2013年之前发表的。 图1显示了PRISMA图表，突出显示了为审查选择最终研究的整个过程。

我们的研究结果表明，社交媒体分析的重点一直是各种危险的健康行为，包括尼古丁使用、酒精使用、药物滥用、体育活动模式和与肥胖相关的行为。社交媒体平台被广泛用于二次数据分析，以及对利用此类平台进行的积极干预或活动产生的数据进行后续分析。利用多种计算和定量函数和工具来分析社交媒体平台上在线同伴互动产生的数据。我们的研究结果的详细说明包括在 多媒体附录1它显示了所选研究的关键特征，这些研究按危险的健康行为分组，然后按发表的年份排序。

在接下来的章节中，我们将汇总我们的研究结果，以强调各种社交媒体平台的使用模式，用于二次分析目的，在这些平台上研究的危险健康行为的流行率，以及用于理解这些行为的方法工具和功能。

表1［ 40- 103强调了用于分析危险健康行为的社交媒体平台。Twitter(39/ 64,61%)似乎是用于分析关于危险健康行为的在线同伴互动的最广泛使用的社交媒体平台，其次是Facebook(6/ 64,9%)、QuitNet(5/ 64,8%)、Reddit(5/ 64,8%)、BecomeAnEx.org(3/ 64,5%)、Instagram(2/ 64,3%)、癌症幸存者网络(1/ 64,2%)、Hello Sunday Morning博客(1/ 64,2%)、patient.info/forums(1/ 64,2%)和点对点在线讨论论坛。这是一款名为上瘾-全面健康增强支持系统(a - chess)的智能手机应用的一部分(1/ 64,2%)。在64项研究中，1项(2%)分析了来自三个在线论坛的数据:蒸汽对话、水烟论坛和停止吸烟版块[ 62］．共有80%(51/64)的研究使用开放的社交媒体平台，如Twitter、Facebook、Instagram和Reddit [ 40- 44， 47- 54， 58- 61， 63， 66- 83， 85， 87， 88， 92- 103]，而其余20%(13/64)的研究利用特定的与健康相关的在线社交网络，如QuitNet、BecomeAnEX.org、癌症幸存者网络、patient.info/forums、Hello Sunday Morning博客和A-CHESS在线讨论论坛[ 45， 46， 55- 57， 62， 64， 65， 84， 86， 89- 91］．

大多数使用Twitter作为数据源的研究都依赖于Twitter应用程序编程接口(api)来提取数据。这些研究中的大多数使用了流api，它提供了近乎实时的数据子集推送[ 47， 50， 51， 59， 61， 70， 74， 78- 81， 92， 94， 95]，其中一些研究还使用了搜索api，它提供了对过去已经发生的推文组成的数据集的访问[ 68， 76， 82， 98， 99］．一些研究还使用了推特的数据提供商Gnip [ 54， 59， 60， 63， 92，它保证可以访问所有符合研究人员标准的推文。一些研究并没有指明使用哪种API访问Twitter的数据[ 40， 41， 48， 66， 73， 77， 88， One hundred.， 102］．对于Reddit，使用以下技术提取数据:(1)使用Pushshift，这是一个公开的Reddit提交的存档[ 42]，(2)使用名为Wget的网络爬虫下载数据集[ 62，(3)使用Python Reddit API Wrapper [ 97]，(4)数据集从Reddit成员[ 101)，(5)使用Reddit的官方API [ 103］．来自Facebook的数据是使用Facebook的API和Facebook平台的Python软件开发工具包提取的[ 87]或使用NVivo (QSR International)的提取功能[ 71］．使用Instagram的API提取数据时使用了类似的方法[ 44， 72］．

表2［ 40- 103强调所研究的危险健康行为和用于进行研究的相关社交媒体平台。社交媒体平台上最常被研究的危险健康行为与尼古丁产品的使用有关，64项研究中共有28项(44%)[ 40- 67主要关注与吸烟、电子烟、小雪茄等相关的行为。Twitter(16/64, 25%)被广泛用于分析此类行为，其次是QuitNet (5/64, 8%)， Facebook (2/64, 3%)， Reddit (1/64, 2%)， Instagram(1/64, 2%)，癌症幸存者网络(1/64,2%)，BecomeAnEX.org(1/64, 2%)，以及Vapor Talk，水烟论坛和停止吸烟的Reddit子版块(1/64,2%)。这些研究大多集中在分析成员对吸烟产品(如电子烟)的行为或情绪[ 42， 49， 50， 52， 54， 58， 59， 61- 63]、水烟产品[ 43， 47， 51， 62， JUUL或vaping [ 40， 41， 44]和雪茄[ 60，或分析人们对吸烟的普遍看法[ 67］．在64项研究中，2项(3%)主要关注社会网络分析:一项是了解社会网络结构如何影响社区成员的吸烟行为[ 53]，另一个是了解针对年轻人的反吸烟运动的影响范围[ 48］．其他研究集中在(1)分析成员生成的内容，以得出共同主题或同伴之间讨论的主题[ 57， 64- 66，(2)描述戒烟过程中的行为转变[ 45]，(3)研究同伴互动的时间趋势，以洞察戒烟行为改变的潜在因素[ 55， 56]和(4)预测吸烟状况[ 46］．

吸毒或药物滥用是社交媒体平台上另一个经常被讨论的危险健康行为，64项(22%)研究中共有14项研究讨论了这个话题[ 68- 81］．Twitter(12/ 64,19%)再次成为研究药物或药物滥用行为最受欢迎的平台，其次是Instagram(1/ 64,2%)和Facebook(1/ 64,2%)。这些研究的重点领域包括处方药物滥用[ 68， 70， 78， 81]，滥用阿片类药物[ 74- 77]、大麻和合成大麻素的使用[ 80]，以及滥用药物或药物[ 69， 71- 73］．一项研究分析了与药物滥用有关的多种行为，包括酒精、吸烟和吸毒[ 79］．

在64项研究中，12项(19%)探讨了在线健康社区成员的酒精使用模式和禁欲行为[ 82- 93］．其中一些研究(1)对在线戒烟社区产生的与酒精有关的内容进行了专题分析[ 86， 91，(2)重点分析酒精使用行为阶段的趋势[ 92，(3)分析了酗酒行为[ 82， 83， 87，(4)着重提取与酒精使用相关的话题和情绪[ 84， 85， 93，(5)专注于预测未来酗酒复发或康复[ 88， 89］．一项研究分析了一个博客的内容，该博客鼓励其成员在一段特定的时间内戒酒，并与同伴讨论他们的进展[ 90］．用于分析酒精使用行为的平台分布差异很大 表2［ 40- 103])。

在64项研究中，有3项(5%)探讨社区成员参与体育活动的模式和类型[ 94- 96］．所有这些研究都使用Twitter作为数据来源。在64项研究中，3项(5%)分析了与肥胖相关行为相关的主题[ 97- 99使用社交媒体平台，如Twitter和Reddit。64项(6%)研究中有4项[ One hundred.- 103研究了多种行为，例如(1)分析肥胖和体育活动相关内容，以获得个人健康状况的信息[ One hundred.，(2)确定与电子烟和大麻使用相关的讨论主题[ 101和(3)描述与烟草和酒精相关的行为模式[ 102， 103］．在这4项研究中，2项(50%)利用Twitter [ One hundred.， 1022人(50%)使用Reddit [ 101， 103]作为数据来源。

以下部分将讨论各种研究中使用的方法功能，以及执行这些功能所使用的具体工具。

本综述的目的是调查利用社交媒体平台上的在线同伴互动分析风险健康行为、信仰和态度的计算和定量技术的现状。从最初的研究检索和滚雪球技术中，有64项研究符合我们的纳入标准，其中75% (48/64)[ 40- 57， 68- 79， 82- 94， 97， 98， One hundred.- 102]在2017年之后出版。这表明，通过分析在线同伴交互产生的对话数据，利用计算方法来描述危险的健康行为是一个日益增长的趋势。

多个平台被用作分析危险健康行为的数据来源，其中最受欢迎的是开放的社交媒体平台，因为80%(51/64)的研究使用了这些平台，而不是有意设计的与健康相关的社交媒体平台。在数据收集方面，我们的结果显示Twitter是一个很受欢迎的社交媒体数据来源，因为它提供了三种访问数据的简单方式:Twitter搜索API、Twitter流媒体API和Twitter Firehose [ 104］．一些研究利用的平台(如Facebook、Instagram和Reddit)也通过其api提供数据访问[ 105- 107，但没有Twitter那么广泛使用。一些研究利用了有意设计的与健康相关的社交媒体平台，如QuitNet、癌症幸存者网络、patient.info/forums、BecomeAnEx.org、Hello Sunday Morning博客和A- chess在线讨论论坛，但它们没有提供任何关于数据收集技术的信息。在数据类型方面，这篇综述包括了主要关注于分析在线同伴交互生成的文本数据的研究。因此，我们在全文筛选中排除了两项仅通过图像分析分析危险健康行为的研究[ 108， 109］．

人们对吸烟相关产品(如雪茄、电子烟、水烟、电子烟和JUUL)的情绪，以及与此类产品讨论相关的各种主题的识别，通过在线社交媒体平台进行了广泛研究。处方药滥用、阿片类药物滥用和酗酒相关的行为是另一组使用在线社交媒体平台被广泛分析的危险健康行为。这凸显了利用此类平台传播行为改变干预措施的潜力，这些干预措施针对的是未知的和不断发展的领域(如电子烟)以及明确的领域(如酒精使用)。除了成瘾行为，还分析了摄取行为，如身体活动模式、情绪和行为类型(如跑步、散步和慢跑)与不同地理位置(如加拿大)和人口统计学(如性别)的关联。社交媒体平台被用来确定与减肥和肥胖相关行为相关的主题。这些研究都没有集中分析无保护措施的性行为，这是一个重要的公共卫生重点和优先事项，可能是未来研究的一个有趣途径。然而，考虑到该领域的耻辱、隐私问题和不透明的性质，对这些数据集的访问可能是有限的。

LIWC工具被广泛用于语言特征提取，因为它是一种易于访问的工具，可以从文本中提取风格词、情感词和词性等特征[ 110］．使用LIWC进行的语言建模展示了如何使用成员之间的语言使用来预测他们的复发或行为转变模式。对于主题建模，LDA是最常用的工具;它基于单词分布分析潜在主题，然后为每个文档分配主题分布[ 111］．讨论的主题从一种危险的健康行为到另一种，但大多强调参与这些行为的个人的态度和行为模式。很少有例子包括强调与电子烟和大麻使用相关的有争议的话题(如合法化、禁止等)[ 101]，确定与电子烟使用和酒精偏好相关的规范或文化背景的主题[ 60， 83]，并了解个人的社会环境如何影响他们的减肥行为[ 98］．

广泛的有监督ML算法被用于在线同伴交互生成的数据的内容和情感分析。大多数研究使用传统的ML模型(如SVM、LR、RF、DT和KNN)进行文本分类。只有少数研究[ 41， 70， 72- 75， 87， One hundred.]利用深度学习模型(如cnn和LSTMs)进行文本、图像和视频分类任务。在业绩评价方面，观察到下列结果:

本综述中包括的大多数研究只关注在线同伴互动的文本数据分析，而只有一项研究使用图像数据进行了额外的分析[ 72]，只有一个进行了文本、图像和视频数据分析[ 87］．一些研究[ 41， 55， 56， 64， 65， 70， 72- 75使用预先训练的词嵌入创建词向量(例如，GloVe、word2vec、药物颤振词嵌入、LSA、RI和SGNS)。他们使用不同类型的语料库(如维基百科语料库[ 56， 72]， TASA语料库[ 55， 64， 65]，或特定于领域的语料库[ 41， 70， 72， 74， 75])。使用预先训练的单词嵌入的分类器的性能在F1分数方面从0.99到0.55不等。

本综述中包括的一些研究也进行了网络分析[ 42， 48， 50， 53， 64， 65， 86， 91， 103］．Gephi平台[ 112和UCINET软件[ 113，被广泛用于分析在线社交关系的工具。一项研究利用从属暴露模型和网络自相关模型的双模式版本，描述了基于内容的社会影响模式在对等通信中的作用[ 64］．一项研究分析了吸烟者的社会网络结构，并将其与非吸烟者的网络结构进行比较，以了解可能影响吸烟成瘾相关行为的社会影响相关因素[ 53］．这样的网络分析可以帮助我们理解传播的环境，最终可以指导健康研究人员和技术开发人员开发有形的技术特性[ 114， 115］．

一项研究[ 85]基于一种被称为动态事务模型的通信模型分析了在线同伴互动[ 116]，适合建模个体之间的双向交流。很少有研究[ 42， 45， 55， 64， 65， 97在分析社交媒体平台生成的内容时定义行为变化的关联理论构建，如社会认知理论[ 117]，变化的跨理论模型[ 118，健康信念模型[ 119，以及行为改变技术的分类[ 120］．应使用理论框架对在线同伴互动进行分析，该理论框架可导致开发基于经验的数字卫生干预措施，以促进健康和积极的行为改变[ 121， 122］．对社交媒体数据集的理论驱动的大规模分析将对同伴互动中表现出来的行为变化的具体过程产生深刻的见解。将这些数据集与理论构建结合起来进行分析，有助于提高我们对社会影响如何在传播健康信息和改变个人健康行为方面发挥重要作用的认识。这可能对根据个人和人群的危险健康行为制定高收益干预措施产生影响，从而使个人能够改变积极的生活方式，提高生活质量。

还必须了解，在线社交媒体平台也可能被用于传播与健康有关的错误信息[ 123］．COVID-19大流行为我们提供了大量证据，突显了解决公众对困扰社交媒体的错误信息的担忧的紧迫性，这些错误信息可能对个人的健康相关行为产生负面影响[ 124， 125］．此外，从这些平台传播的信息中提取的聚合趋势的基本真相只是在一定程度上反映了社区的看法，因为自动机器人推送了大量内容[ 126］．研究表明，错误信息也会影响危险的健康行为(例如，关于电子烟的误导性营销声明[ 127和饮酒[ 128])。未来的工作应侧重于利用本综述中描述的技术，分析在在线社交媒体平台中扩散的错误信息，以增强这些平台的效用和积极影响。

我们的审查并非没有局限性。首先，我们只纳入了与危险健康行为相关的研究;然而，侧重于其他公共卫生领域的研究(如流行病学[ 129]和监视[ 130)或专注于慢性健康疾病(如糖尿病)的研究[ 131， 132和癌症[ 133])，以及临床和健康结果[ 134， 135]，可以让我们全面了解如何利用计算建模和高通量分析，为各种公共卫生应用程序分析从社交媒体平台生成的数据。信息流行病学和信息监测的领域相当广泛，包括本综述未包括的各种风险健康行为的其他方面(例如，挖掘消费者对电子烟在线营销的意见[ 136， 137，或者理解他们对媒体报道的反应[ 138， 139]或政策规例[ 140， 141关于此类产品)。其次，我们只关注主要执行文本数据分析的研究。尽管我们确实包括了报告图像或视频数据分析以及文本数据分析的研究[ 72， 87]，我们没有包括仅描述图像或视频数据分析的研究[ 108， 109］．这些研究可以为与变化的数据密度、异构性和推理粒度相关的ML权衡和计算可伸缩性提供有用的见解。

最后，由于我们的搜索策略的限制，我们可能会错过一些来自信息流行病学和信息监控领域的研究;例如，对该领域文献检索的初步探索[ 142]共产生了397项研究，其中23项研究与纳入本综述有关。在这些研究中，我们的搜索策略捕获了15项研究，并纳入了该综述[ 40， 41， 43， 50， 51， 54， 61- 63， 66， 68- 70， 80， 95]，作为滚雪球般的努力的一部分，又增加了一个[ 47］．然而，我们的搜索策略并未识别出其余7家公司[ 143- 149］．在这些研究中，人们注意到在元数据、标题、摘要和关键字中使用宽泛的方法描述或过度细粒度的术语捕获ML方法。为了一致性和限制与其他期刊研究的偏差，我们没有将这些研究纳入综述。未来进行类似评审的研究人员应确保包含捕获研究的跨学科性质(如信息流行病学)、分析功能(如文本分类、内容分析和主题建模)和分析技术(如LDA)的术语，以详尽地表示利用smarart进行风险行为建模和分析的相关工作。

我们的研究表明，社交媒体平台上与危险健康行为相关的在线讨论可以跨越多个主题，包括尼古丁依赖、酒精使用、药物或药物滥用、体育活动模式和肥胖相关行为。这就产生了大量的数字化归档数据，可以对健康相关行为变化过程的有机表现和自然演变提供更深入的理解。

我们的综述强调了社交媒体平台的特点(例如，通用vs关注健康的平台和用于二次分析的数据访问的便利性)，用于分析这些平台内同行交互的方法的稳健性，以及可用于大规模分析社交媒体数据集的各种文本挖掘和网络建模工具的概述。我们的回顾让我们巩固了方法论基础，并增强了我们对如何利用社交媒体进行细微差别的行为建模和表示的理解。这最终可以为制定有说服力的健康沟通和有效的行为修正技术提供信息和指导，这些技术针对分布在个人和人群层面的个人间和个人内部心理社会过程。理解现有计算研究的优点和不足，以评估下游预测模型和由此类大规模分析产生的数据驱动干预措施的普遍性和强度，也是很重要的。