社交媒体在美国的使用:对健康传播的影响

社交媒体在美国的使用:对健康传播的影响

社交媒体在美国的使用:对健康传播的影响

原始论文

1美国医学博士贝塞斯达国家癌症研究所癌症预防研究计划

2美国马里兰州贝塞斯达国家癌症研究所健康传播与信息研究分部

3.兰德公司,美国宾夕法尼亚州匹兹堡

4行为研究项目,国家癌症研究所,贝塞斯达,MD,美国

通讯作者:

周文英,博士,公共卫生硕士

国家癌症研究所

卫生传播和信息研究处

6130行政大道(EPN), 4051A

贝塞斯达,马里兰州20892-7365

美国

电话:+1 301 435 2842

传真:+1 301 480 2669

电子邮件:chouws@mail.nih.gov


背景:鉴于参与性互联网使用和社交媒体带来的传播格局的迅速变化,更好地理解这些技术及其对卫生传播的影响非常重要。这项工作的第一步是确定当前社交媒体用户的特征。对当前社交媒体使用情况的最新报告将有助于监测社交媒体的增长,并为旨在有效利用社交媒体的健康促进/传播工作提供信息。

摘要目的:这项研究的目的是确定与美国当前成年社交媒体用户相关的社会人口统计学和健康因素。

方法:数据来自2007年健康信息全国趋势研究(hint, N = 7674)。hint是一项关于健康相关传播趋势和实践的全国代表性横断面调查。报告访问过互联网的调查对象(N = 5078)被问及在过去一年中,他们是否(1)参加过在线支持小组,(2)写过博客,(3)访问过社交网站。进行了双变量和多变量逻辑回归分析,以确定每种类型的社交媒体使用的预测因素。

结果:据报道,2007年大约69%的美国成年人可以上网。在互联网用户中,5%的人参加在线互助小组,7%的人写博客,23%的人使用社交网站。多变量分析发现,年轻是博客和社交网站参与度的唯一重要预测因素;在统计上观察到一个显著的线性关系,年轻的类别报告更频繁地使用。年龄较小,主观健康状况较差,以及个人癌症经历预示着支持小组的参与。总的来说,社交媒体正在渗透美国人口,而不受教育程度、种族/民族或医疗保健的影响。

结论:最近社交媒体的增长在不同年龄段之间并不是均匀分布的;因此,利用社交媒体的健康传播项目必须首先考虑目标人群的年龄,以帮助确保信息到达预期受众。虽然在互联网接入方面存在与种族/民族和健康状况相关的差异,但在互联网接入人群中,这些特征并不影响社交媒体的使用。这一发现表明,以社交媒体为代表的新技术可能正在改变整个美国的交流模式。

中国医学杂志,2009;11(4):e48

doi: 10.2196 / jmir.1249

关键字



从2005年到2009年,社交网站的用户增加了两倍多。1].在卫生传播界,人们普遍认为互联网技术(Web 2.0)的最新进展,特别是参与性互联网(称为社交媒体)已经改变了传播模式,包括与健康有关的传播[2].例如,社会科学家观察到,社交媒体增加了个人的联系,并使用户能够直接参与。这一观察结果被认为对健康传播项目有直接影响,促使人们努力寻找利用社交媒体影响人口健康的新机会[3.-6].虽然这些关于社交媒体影响的观察对公共卫生很重要,但这一领域的研究很少基于大规模人口数据,部分原因是技术变革的速度太快。目前仍未回答的关键问题包括:(1)社交媒体在当前美国人口中的真实覆盖范围和影响是什么?(2)目前使用的不同类型社交媒体的用户特征是什么?虽然市场研究之前曾报道过互联网和社交媒体使用的总体流行程度,但除了在线支持团体使用外,社交媒体的用户特征尚未使用具有全国代表性的人口样本进行全面研究[7].发展以经验为基础的对这些行为及其影响的理解已成为当前健康传播研究的一个关键优先事项。

鉴于社交媒体研究的主要目标是监测其增长,并为旨在利用新通信技术的健康促进工作提供信息,因此探索社交媒体使用与健康相关因素之间的关系非常重要。目前关于社交媒体和健康之间关系的研究产生了相互矛盾的结果。一方面,研究发现,社交媒体可能通过几种机制具有促进健康的潜力。首先,基于互联网的社交网络可能会增加个体之间的感知社会支持和互联性[89].其次,随着用户生成内容的增加,信息共享被视为更加民主和患者控制,使用户能够交换他们所需的与健康相关的信息,从而使信息更加以患者/消费者为中心[10].第三,近年来,公共卫生项目成功地利用社交媒体作为健康促进工作(如戒烟和饮食干预)的沟通平台,通过网络空间扩大其影响力[3.4611-13].

然而,社交媒体也对健康产生了间接的、有时是无意的负面影响。首先,社交媒体的参与性需要一个公开的信息交流论坛,因此增加了广泛传播不可信和可能错误的卫生信息的可能性[1415].其次,研究数字鸿沟问题的健康科学家发现了双重鸿沟的证据。具体而言,没有互联网接入的人(其中很大一部分人可能没有充分的医疗保健接入)无法获得互联网上的健康信息[16-20.].总而言之,鉴于社交媒体对健康的直接和间接影响以及广泛而不同的结果,目前的研究将提供一个机会来解开社交媒体使用与健康相关因素之间复杂关系的各个方面。

最新的健康信息全国趋势调查(2007年)是一个理想的数据来源,可以深入研究社交媒体的流行程度和用户特征。这项具有全国代表性的调查在研究社交媒体方面具有独特的地位,因为这项新的调查包含了针对所有互联网用户的具体后续问题,使我们能够单独估计和比较不同类型社交媒体的使用情况。《2007年提示》的另一个明显优势是它包含了许多与健康相关的问题,使我们能够全面研究社交媒体使用与几个重要的健康指标之间的关联。我们的主要研究目的是(1)报告2007年三种形式的社交媒体使用的普遍性:在线支持小组参与、博客和社交网站参与;(2)确定使用这三种形式的社交媒体的社会人口学和健康相关预测因素。


数据源

这项研究的数据来自于2007年美国国家癌症研究所(National Cancer Institute)开发的2007年hint 2007,数据收集时间为2008年1月至2008年5月。在互联网上公开访问,暗示是美国平民非机构成人人口的两年一次的全国性调查,旨在评估美国公众对健康和癌症相关信息的使用,并评估其他与癌症相关的知识、态度和行为。该调查的主要目标是让社会科学家和项目规划者了解当前人口健康传播的使用情况,并在传播迅速变化的时代帮助制定有效的健康传播战略。有关“提示”的概念框架和样本设计的综合报告已在别处发表[2122].请注意,尽管概念框架和大多数调查内容在HINTS的三个迭代(2003年、2005年和2007年)中保持一致,但最新的迭代(HINTS 2007)包含一些变化。有关“提示2007”的范围及方法的详细资料,可参阅一份综合报告[23].具体而言,除了纳入新的调查项目(如博客和社交网站参与项目)外,2007年的调查还采用了新的抽样方法,以提高回复率并减少偏见。数据收集采用了两种模式:(1)随机数字拨号电话调查,采用计算机辅助电话采访,对拥有固定电话的美国家庭的代表性样本(N = 4092)进行调查;(2)一份纸笔问卷,邮寄到少数族裔过采样的美国代表性邮政地址(N = 3582)。采用双重抽样框架是为了应对最近电话调查回复率急剧下降的情况,也是其他政府机构目前正在使用的一种方法。随机数字拨号调查的回复率为24%,邮件调查的回复率为31%。对7674名成年人进行了完整的调查。只有互联网用户(N = 5078;大约68%的人口)被问及社交媒体的使用情况,他们构成了当前研究的样本。

hint包含有助于获得总体水平估计的最终样本权重和一组50个重复抽样权重以获得正确的标准误差;本分析包括这两个方面。有关如何计算样本及重复权重的详细说明,可参阅《提示2007年最终报告》[23].

研究变量

我们选择以下社会人口学变量纳入研究:年龄、性别、教育程度和种族/民族。年龄分为6组:18-24岁、25-34岁、35-44岁、45-54岁、55-64岁、65岁及以上。教育程度分为高中及以下学历、大学学历或大学毕业生。种族分为以下四类:非西班牙裔白人、非西班牙裔黑人(黑人/非洲裔美国人)、西班牙裔和非西班牙裔其他。

除社会人口学变量外,还研究了三个与健康相关的变量。第一种是自我描述的健康状况,包括总体健康状况和痛苦程度(借用1997年《全国健康访谈调查》成人核心问卷,通过对抑郁症状进行六项评估的总和得分来衡量[24])。第二是受访者的癌症经历,分为三类:(1)个人诊断为癌症,(2)家庭成员被诊断为癌症,或(3)个人经历或家庭成员没有癌症。请注意,这些类别是相互排斥的:个人诊断为癌症的个体被自动归类为(1),无论其在(2)中的状态如何。最后一个与健康相关的变量是医疗保健获取,由受访者是否报告有定期的医疗保健提供者来衡量。

互联网状态是通过回答以下问题来衡量的:“你曾经上网访问互联网或万维网,或发送和接收电子邮件吗?”在互联网用户中,通过回答以下三个问题来评估社交媒体的使用情况:“在过去的12个月里,你在使用互联网时是否做了以下事情:(1)参加了一个为有类似健康或医疗问题的人提供的在线支持小组?”(2)写在网上日记或博客?(3)访问过社交网站,如“我的空间”或“第二人生”?”

数据分析

为了适应复杂的hint抽样设计,使用SUDAAN, version 10 (Research Triangle Institute, Research Triangle Park, NC, USA)进行分析。所有分析都将缺失数据(回答为“拒绝”或“不知道”)重新编码为缺失。进行了双变量分析(卡方),以估计社交媒体使用的流行程度以及研究变量与三种类型社交媒体之间的相关性。为了解决由于2007年调查的双重框架而导致的潜在差异,我们测试了潜在的模式差异,并发现对任何兴趣的社交媒体使用结果的不同模式的反应没有差异;因此,组合样本用于后续分析。

采用独立的多元逻辑回归模型来估计写博客、参加在线支持小组和参加社交网站的几率,同时纳入一组人口统计学和健康相关的预测因素。最后,考虑到年龄在所有三个模型中都有压倒性的显著贡献,在18-34岁、35-54岁和55岁及以上三个年龄类别中分别运行不同的模型,使用年龄分层分析来检验每个结果。


样本特征

2007年,大约69%的美国人报告说他们可以上网。这一估计数字与同期互联网使用率的其他估计数字一致[1].表1显示非互联网用户和互联网用户的加权样本特征。

表1。加权样本特征:每个类别中非互联网和互联网用户的比例
特征 非互联网用户
(n = 2566, 31.46%)
互联网用户
(n = 5078, 68.54%)
年龄 P<措施
18 - 24 15.2% 84.8%
25 - 34 23.0% 77.0%
35-44 21.7% 78.3%
45 - 54 28.9% 71.1%
55 - 64 33.0% 67.0%
65 + 66.4% 33.6%
性别 P= .003
男性 33.6% 66.4%
29.5% 70.6%
教育 P<措施
高中及以下学历 50.5% 49.5%
一些大学 17.1% 82.9%
大学毕业生 9.0% 91.0%
种族/民族 P<措施
非西班牙裔白人 25.0% 75.2%
拉美裔 50.7% 49.3%
黑色/非裔美国人 43.3% 56.8%
其他一个 25.8% 74.2%
一般健康 P<措施
Excellent, very good, good 26.7% 73.3%
公平还是贫穷 51.4% 48.6%
心理压力 P<措施
是的 43.4% 56.6%
没有 28.4% 71.6%
癌症的经验 P<措施
没有亲身经历过癌症 36.7% 63.3%
有患癌症的家人 26.3% 73.7%
癌症幸存者 43.1% 56.9%
有定期的医疗保健提供者吗 P<措施
是的 29.1% 70.9%
没有 35.7% 64.3%

一个其他包括美国印第安人,亚裔美国人,太平洋岛民,夏威夷原住民,阿拉斯加原住民,和多个种族提到。

双变量分析揭示了互联网用户和非互联网用户之间的一些显著差异。与之前的研究结果一致,非互联网用户更有可能是少数民族,年龄较大,受教育程度较低,健康状况较差,更痛苦,并报告有癌症诊断史。

进一步的,表2下图显示,在互联网用户中,大约27%的人报告至少使用一种形式的社交媒体。我们使用卡方检验来比较报告使用社交媒体的人(指在社交媒体上对三个问题中至少一个回答“是”的人)和报告不使用社交媒体的互联网用户。

表2。使用和不使用社交媒体的互联网用户(N = 5078,占美国人口的68.54%)的加权样本特征
特征 不要使用社交媒体
(n = 3660, 72.65%)
利用社交媒体
(n = 1378, 27.35%)
年龄一个 P<措施
18 - 24 23.7% 76.4%
25 - 34 42.7% 57.3%
35-44 64.6% 35.5%
45 - 54 77.6% 22.4%
55 - 64 86.8% 13.1%
65 + 92.0% 8.00%
性别 P=升至
男性 60.2% 39.8%
62.6% 37.4%
教育一个 P= .02点
高中及以下学历 62.1% 37.9%
一些大学 58.7% 41.3%
大学毕业生 65.3% 34.7%
种族/民族一个 P<措施
非西班牙裔白人 64.9% 35.2%
拉美裔 56.4% 43.6%
黑色/非裔美国人 53.4% 46.6%
其他b 49.7% 50.3%
一般健康 P= 10
Excellent, very good, good 62.5% 37.5%
公平还是贫穷 58.3% 41.7%
心理压力一个 P= .02点
是的 49.1% 50.9%
没有 62.7% 37.3%
癌症的经验一个 P<措施
没有亲身经历过癌症 61.3% 38.7%
有患癌症的家人 60.7% 39.3%
癌症幸存者 81.6% 18.4%
有定期的医疗保健提供者吗一个 P<措施
是的 65.4% 34.7%
没有 52.4% 47.6%

一个与社交媒体使用显著相关的变量为P< .05水平。

b其他包括美国印第安人,亚裔美国人,太平洋岛民,夏威夷原住民,阿拉斯加原住民,和多个种族提到。

在互联网用户中,社交媒体的使用在各个年龄层并不均匀分布。使用社交媒体的最大比例发生在18岁至24岁的互联网用户中(65%),随后随着年龄的增长而下降。此外,使用社交媒体的模式因种族而异。访问互联网的非白人美国人比美国白人更有可能使用社交媒体。

不同类型的社交媒体之间潜在的不同用户特征促使每种媒体进行单独的分析。表3总结每种类型的社交媒体(不相互排斥)与研究变量之间的双变量关联。

表3。三种类型的社交媒体使用和研究变量之间的双变量关联:加权结果
特征 在线支持组用户
(n = 232)
博客
(n = 356)
社交网站用户
(n = 1159)
互联网用户比例 4.6% 7.1% 23.0%
年龄一个 P<措施 P<措施 P<措施
18 - 24 1.4% 21.3% 74.0%
25 - 34 7.8% 16.3% 52.1%
35-44 6.7% 8.2% 30.4%
45 - 54 5.3% 4.7% 17.5%
55 - 64 3.6% 3.2% 9.2%
65 + 2.0% 1.3% 5.5%
性别 P= 0。06 P=点 P= 13。
男性 4.0% 9.3% 35.9%
5.9% 10.6% 32.7%
教育一个 P= .02点 P=点 P= .005
高中及以下学历 3.5% 8.4% 35.4%
一些大学 6.7% 12.0% 36.8%
大学毕业生 4.2% 8.8% 29.7%
种族/民族一个 P=结果 P=点 P<措施
非西班牙裔白人 5.0% 8.9% 31.2%
拉美裔 3.5% 9.1% 41.3%
黑色/非裔美国人 5.2% 12.9% 42.8%
其他b 4.9% 12.9% 44.7%
一般健康一个 P= .003 P= .82 P= 2
Excellent, very good, good 4.1% 9.7% 33.8%
公平还是贫穷 10.8% 10.2% 35.2%
心理压力一个 P= . 01 P=。45 P= 0。06
是的 15.7% 13.5% 44.6%
没有 4.2% 9.6% 33.4%
癌症的经验一个 P<措施 P<措施 P<措施
没有亲身经历过癌症 2.6% 8.1% 36.5%
有患有癌症的家人 5.4% 11.0% 35.0%
癌症幸存者 8.1% 3.5% 10.2%
有定期的医疗保健提供者吗一个 P=。 P= .02点 P<措施
是的 5.1% 8.6% 30.2%
没有 4.7% 13.3% 43.7%

一个的一个或多个社交媒体变量显著相关的变量P< .05水平。

b其他包括美国印第安人,亚裔美国人,太平洋岛民,夏威夷原住民,阿拉斯加原住民,和多个种族提到。

在调查涉及的三种形式的社交媒体中,社交网络的使用率最高(23%的互联网用户),其次是博客(7%的互联网用户),最后是参与在线支持小组(5%的互联网用户)。

博客和社交网站的使用与年龄呈预期的线性反比关系(即,随着年龄的下降,使用的增加)。部分原因是年龄较小,使用者往往没有亲身经历过癌症,也没有定期的医疗保健提供者。在线支持小组参与的用户特征与其他两种形式的社交媒体不同。在最年轻的年龄组(18-24岁)中很少看到使用在线支持小组,并且与几个健康相关的因素有独特的关联,包括总体健康状况较差和报告心理困扰。相比之下,博客和社交网站的使用情况与自我报告的健康状况无关。最后,我们在社交网站用户中发现了一个意想不到的教育程度和种族/民族分类:受教育程度较低的个人和种族/民族少数群体更有可能使用这种形式的社交媒体。然而,这些差异在随后的回归分析中消失了(如下),这表明这里观察到的差异可能是由年龄解释的。

多变量分析

这三个独立的多元回归估计了在2007年使用一种特定形式的社交媒体的几率。鉴于性别与社交媒体使用在双变量水平上不相关,我们将其从回归模型中删除。表4显示分析结果。

在互联网用户中,在线支持小组的参与程度由年龄、教育程度以及几个与健康有关的因素预测。与65岁及以上的人相比,25-44岁的人使用互助小组的可能性是其他人的三到五倍。与大学毕业生相比,那些受过大学教育的人更有可能使用支持小组。此外,与双变量水平的观察相一致的是,那些认为自己不太健康,更痛苦,以及有个人癌症经历的人更有可能使用在线支持小组,这证实了健康状况是支持小组参与的重要决定因素。

与支持小组参与模型相比,年龄成为博客和社交网站参与模型中唯一重要的预测因素。年龄对两个结果变量的线性影响具有统计学意义(P<措施)。在55岁及以下的个体中,我们观察到一个强烈的线性年龄效应,随着年龄层的降低,在写博客的几率上。参与社交网站的用户具有类似的用户特征,只是优势比更大,年龄效应涵盖了每个年龄层。此外,在互联网用户中,非洲裔美国人比非西班牙裔白人更有可能使用社交网站(OR = 1.51, 95% CI 1.01-2.24)。

表4。互联网用户三种社交媒体使用类型的多元逻辑回归分析
特征 参加在线支持小组的几率 写博客的几率 使用社交网站的几率
或(95% ci) P 或(95% ci) P 或(95% ci) P
年龄 <措施 <措施 <措施
18 - 24 0.98
(0.28 - -3.45)
.98点 19.11
(7.60 - -48.06)
<措施 47.85
(27.92 - -82.00)
<措施
25 - 34 4.97
(2.30 - -10.75)
<措施 13.12
(5.53 - -31.13)
<措施 17.62
(10.56 - -29.42)
<措施
35-44 3.64
(1.87 - -7.08)
<措施 6.71
(2.80 - -16.06)
<措施 6.97
(4.57 - -10.64)
<措施
45 - 54 3.16
(1.59 - -6.28)
.002 3.31
(1.31 - -8.39)
. 01 3.41
(2.23 - -5.20)
<措施
55 - 64 1.76
(0.78 - -3.93)
1.96
(0.77 - -4.99)
酒精含量 1.62
(1.04 - -2.52)
03
65 + 1.00 1.00 1.00
教育 . 01 07 的相关性
高中及以下学历 0.83
(0.48 - -1.43)
0.73
(0.52 - -1.03)
07 0.85
(0.65 - -1.11)
23)
一些大学 1.58
(1.06 - -2.36)
02 1.11
(0.77 - -1.60)
56 0.96
(0.74 - -1.23)
大学毕业生 1.00 1.00 1.00
种族/民族 .92 票价 13。
非西班牙裔白人 1.00 1.00 1.00
拉美裔 0.75
(0.30 - -1.92)
55 0.78
(0.37 - -1.65)
.51 0.83
(0.53 - -1.31)
黑色/非裔美国人 0.99
(0.48 - -2.08)
.98点 1.58
(0.85 - -2.95)
.14点 1.51
(1.01 - -2.24)
.04点
其他一个 1.08
(0.46 - -2.56)
.86 1.31
(0.63 - -2.75)
.46 1.36
(0.82 - -2.27)
23)
一般健康
非常好,非常好,
或好
1.00 1.00 1.00
公平还是贫穷 2.25
(1.31 - -3.87)
04 1.01
(0.53 - -1.93)
.97点 1.09
(0.77 - -1.55)
心理压力
是的 3.28
(1.59 - -6.77)
措施 1.45
(0.53 - -3.96)
.46 1.49
(0.88 - -2.52)
.14点
没有 1.00 1.00 1.00
癌症的经验 .002 酒精含量 02
没有个人经验
与癌症
1.00 1.00 1.00
有患有癌症的家人 2.11
(1.24 - -3.58)
.007 1.53
(0.99 - -2.38)
06 1.12
(0.85 - -1.48)
.41点
癌症幸存者 4.20
(1.98 - -8.92)
<措施 1.24
(0.56 - -2.74)
.60 0.63
(0.40 - -1.01)



06
有定期的医疗保健提供者吗
是的 1.05
(0.58 - -1.90)
.87点 0.99
(0.63 - -1.58)
.97点 1.13
(0.85 - -1.52)
没有 1.00 1.00 1.00

一个其他包括美国印第安人,亚裔美国人,太平洋岛民,夏威夷原住民,阿拉斯加原住民,和多个种族提到。

年龄分层多元分析

考虑到年龄在预测社交媒体使用方面的核心作用,以及年龄和种族/民族之间的显著相互作用,我们进行了年龄分层的logistic回归,以确定调整特定年龄层是否会阐明与社交媒体使用相关的其他重要变量。在多元logistic回归模型中,年龄分为三类:18-34岁(年轻组)、35-54岁(中年组)、55岁及以上(老年组)。总的来说,分层模型证实了年龄是社交媒体使用最重要的单一预测因素。每种类型中的重要预测因素总结如下。注意,所有报告的结果在P< . 05。

网上支援小组

在最年轻的组中,高等教育(OR = 6.33, 95% CI 2.10-19.10)和较高的痛苦程度(OR = 5.56, 95% CI 1.65-18.76)解释了结果。在中年组中,女性性别(OR = 2.04, 95% CI 1.20 ~ 3.46)和高等教育程度(OR = 2.13, 95% CI 1.21 ~ 5.12)是显著的预测因素。在年龄最大的组中,较差的自我报告健康状况(OR = 3.39, 95% CI 1.38-8.34)解释了支持小组的使用。

写博客

在所有三个年龄类别中,年龄分层模型都没有发现重要的博客预测因素。

社交网站

在中年组中,没有患过癌症的人更容易参与社交网站(OR = 0.39, 95% CI 0.18-0.86)。对于年龄最大的一组,男性是社交网站使用的唯一预测因素(OR = 1.87, 95% CI 1.28-2.71)。


目前的研究调查了使用三种形式的社交媒体的社会人口学和健康相关预测因素,以更好地了解哪些人正在通过这些新兴的传播渠道访问和接触到这些人。结果表明,这三种形式的社交媒体具有明显不同的使用模式和用户特征,因此存在不同的健康传播含义。在本研究考虑的三种形式的社交媒体中,社交网站迄今为止吸引了最多的用户,使其成为最大限度地扩大健康传播和电子健康干预的覆盖面和影响的明显目标。此外,随着个人无线设备的日益普及,通信科学家一致预计,社交网络应用程序将在全球范围内继续流行。225-27].与社交网站相比,互联网用户在博客上写作的比例要小得多,这表明写博客的流行程度较低。然而,阅读和评论博客可能是一个更可靠的衡量博客圈渗透的标准,因为它的强度低于积极地保持博客。此外,博客圈为健康传播提供了巨大的机会。尤其值得一提的是,博客作者被认为是重要的传播利益相关者,他们不仅是信息传播者,而且通过意见和超链接在引导互联网流量方面发挥着关键作用[28].

在线支持小组参与是本研究中唯一一个在三次hint迭代中评估的调查项目,加权流行率估计显示略有增加:2003年和2005年,3.9%的互联网用户参加了在线支持小组,而2007年为4.6%。支持小组的用户特征不同于博客和社交网站的参与,这表明在线支持小组的参与是由健康状况驱动的。这种以疾病为中心的媒介可能会逐渐被更具互动性、以患者为导向的社交网站和博客所取代,如CaringBridge和Patientslikeme。这些形式的社交媒体有潜力发挥之前为在线支持团体确定的社会支持和赋权功能[29].

除了上述模式外,研究结果还强调了年龄在多大程度上决定了美国成年互联网用户使用社交媒体的程度。在这个具有全国代表性的样本中,年龄成为社交网络和博客的单一最强预测因素。根据这些发现,似乎可以合理地得出这样的结论:当目标人群是年轻一代时,利用社交媒体进行健康传播的努力将具有最广泛的覆盖面和影响。在55岁及以上的老年人群中渗透率相对较低,这表明现在还不是利用社交媒体与这个年龄群体进行交流的合适时机。虽然目前情况确实如此,但我们预测未来几年各代人和群体对社交媒体的使用将继续增加,继续跟踪社交媒体使用的社会人口统计学趋势,以确保卫生传播者最有效地利用这些传播渠道,仍然是卫生传播的一个关键优先事项。最后,在癌症传播方面,本研究发现,家庭成员中患有/曾经患有癌症的个体使用互联网和社交媒体的比例很高(见表1而且表2),表明针对“次要受众”(即癌症患者的护理人员、家人和朋友)的社交媒体癌症传播工作的潜在有效性

这项研究的一个关键发现为这个数字时代的健康传播提供了新的和重要的意义:在互联网用户中,社交媒体被发现渗透到人口中,而不管教育程度、种族/民族或医疗保健的可及性。特别是,多变量分析表明,获得定期医疗保健提供者并不能预测社交媒体的使用,这表明它在双变量分析中的重要性主要是由于年龄的影响。具体来说,年轻人不太可能有定期的医疗保健提供者。考虑到健康传播工作的影响,本研究的结果表明,在未来,社交媒体有望成为接触目标人群的一种方式,而不管社会经济和健康相关的特征如何。如果我们能够实现更广泛、更公平的互联网接入(例如,增加宽带接入或无线移动接入),从而减少数字鸿沟,那么通过社交媒体影响美国普通民众健康和健康行为的潜力是巨大的。此外,调查结果显示,非裔美国人使用社交网站的比例高于非西班牙裔白人。鉴于互联网普及率的持续增长,这些研究结果表明,通信模式将发生潜在的系统性转变,超越传统的数字鸿沟。今后的研究应继续审查不断变化的技术对健康差异模式的影响。在卫生传播的实践方面,社交媒体渠道可能是接触传统上服务不足的人口成员的绝佳机会。

限制

自我报告的性质和目前较低的调查回复率对结果的普遍性提出了两个主要挑战。首先,特定网络使用情况自我报告的准确性可能受到回忆偏差和受访者对调查项目的理解的影响。尽管存在这一问题,但本研究对互联网和社交媒体渗透率的流行程度估计与已发表的文献一致,并且是首次从具有全国代表性的样本中得出。值得注意的一点是,与皮尤(Pew)和曼哈顿研究中心(Manhattan Research)等市场调查报告相比,hint的估计通常更为保守。这部分是由于联邦调查要求更高的抽样精度。其次,低回复率是目前所有调查研究面临的挑战,2007年的暗示试图提高回复率和扩大覆盖范围(特别是只有手机的家庭),通过调整双重抽样框架。因此,增加邮件调查有助于纠正低回复率,增加数据的普遍性。

另一个限制是关于博客和社交网站参与的工具和问题:由于两个问题都没有特别问到与健康相关的技术使用,我们无法使用hint数据准确估计与健康相关的社交媒体使用的流行程度。鉴于社交媒体在健康方面的作用越来越大,hint的未来迭代可能会特别捕捉与健康相关的社交媒体使用[10].同样,关于博客的问题并没有捕捉到浏览和评论博客的个人,因此可能低估了美国公众参与这项活动的程度。

最后,随着新技术和社交媒体的持续快速发展,这些数据尽管是现有的最新的全国调查数据,但可能无法捕捉到一些新兴的社交媒体形式(如Twitter和维基百科)以及个人无线设备使用增加带来的快速变化[27].为了跟踪公众对新媒体的使用情况,未来的研究应该在识别新形式的社交媒体的同时,跟踪不同年龄群体对社交媒体的采用情况。考虑到年轻群体可能会继续使用社交媒体,我们预计在不久的将来,中年人口将持续增长。

结论

为了更好地了解当前美国人口对社交媒体的使用情况,我们使用2007年的hint调查报告了三种类型社交媒体的流行程度和用户特征。虽然关于新技术带来的通信变化的观察和理论比比皆是,但很少有基于全国代表性数据的经验证据支持。这项研究的发现有助于知识基础,为未来旨在利用社交媒体的项目提供信息。

正如我们所看到的,各种形式的社交媒体为卫生传播工作提供了不同的机会。特别是,社交网站吸引了最多的互联网用户,并可能继续增长,使其成为最大限度地扩大健康交流和电子健康干预的覆盖面和影响的明显目标。此外,近期社交媒体的增长在不同年龄段之间并不均匀分布。旨在利用社交媒体的新健康传播项目必须首先考虑目标人群的年龄。这些数据也促使人们重新思考技术和健康差异之间的联系,因为研究结果表明,社交媒体正在以相同的速度渗透到不同人口结构的个体中。通过有效利用社交媒体作为沟通和健康促进平台,存在着缩小健康差距的机会。这些媒体不能提供有针对性的传播信息,但可能有能力比传统媒体接触到更广泛的受众。

最后,虽然像本项目这样的监测研究对于确定社交媒体的影响范围是有用的,但对于评估参与使用社交媒体对健康的影响则没有那么有用。为了评估社交媒体对健康的多个层面的影响,未来的研究需要引入不同的学科和方法,包括干预研究、纵向队列研究以及人种学/定性观察,以检查社交媒体驱动的不断变化的传播模式对健康的影响。

致谢

该项目全部或部分由美国国立癌症研究所、美国国立卫生研究院提供的联邦资金资助。

利益冲突

没有宣布。

  1. Jones S, Fox S, 2009年在线。华盛顿特区:皮尤互联网和美国生活项目;2009.URL:http://www.pewinternet.org/Reports/2009/Generations-Online-in-2009.aspx[进入2009-04-08][WebCite缓存
  2. 医学2.0:社交网络、协作、参与、调解和开放。中国医学杂志,2008;10(3):e22 [免费全文] [Medline] [CrossRef
  3. 万斯K,豪W,德拉瓦莱RP。社会互联网网站作为公共卫生信息的来源。皮肤病杂志2009;27(2):133-136,vi。
  4. 萨克雷R,奈格BL,汉森CL,麦肯齐JF。加强社会营销计划中的促销策略:使用web2.0社会媒体。健康促进实践2008年10月;9(4):338-343。[Medline] [CrossRef
  5. 疾病控制和预防中心。CDC的社交媒体网址:http://cdc.gov/socialmedia/[浏览2009-03-31][WebCite缓存
  6. Norman CD, McIntosh S, Selby P, Eysenbach G.《网络辅助烟草干预:增强全球公众健康斗争的变革能力》。中国医学杂志,2008;10(5):e48 [免费全文] [Medline] [CrossRef
  7. Atkinson NL, Saperstein SL, Pleis J.使用互联网进行健康相关活动:来自全国概率样本的发现。中国医学杂志,2009;11(1):e4 [免费全文] [Medline] [CrossRef
  8. Wangberg SC, Andreassen HK, Prokosch HU, Santana SMV, Sørensen T, Chronaki CE。互联网使用、社会经济地位(SES)、社会支持和主观健康之间的关系。健康促进计划2008年3月23日(1):70-77 [免费全文] [Medline] [CrossRef
  9. Idriss SZ, Kvedar JC, Watson AJ。在线支持社区的作用:扩大社会网络对银屑病患者的好处。Arch dermatology 2009 Jan;145(1):46-51。[Medline] [CrossRef
  10. 吃两片阿司匹林,早上给我发推特:Twitter、Facebook和其他社交媒体是如何重塑医疗保健的。卫生Aff (Millwood) 2009;28(2):361-368。[Medline] [CrossRef
  11. Khanna点。爱游:社交媒体如何成为在线健康信息的新资源。中国医学杂志2008;10(5):516 [免费全文] [Medline
  12. 王志强,李志强,王志强,等。健康哈莱姆区:通过社交网络、定制和web 2.0技术为健康消费者赋权。AMIA年度会议2007:1007。[Medline
  13. Block G, Sternfeld B, Block CH, Block TJ, Norris J, Hopkins D,等。发展Alive!(通过电子邮件进行的生活方式干预),及其对健康相关生活质量、出勤率和其他行为结果的影响:随机对照试验。中国医学杂志,2008;10(4):e43 [免费全文] [Medline] [CrossRef
  14. 马海波,李东,李永杰。HPV疫苗:在线新闻故事的内容分析。《妇女健康》(Larchmt) 2009年3月;18(3):401-407 [免费全文] [Medline] [CrossRef
  15. 科图姆P,爱德华兹C,理查兹-科图姆R.不准确的互联网健康信息对中学学习环境的影响。中国医学杂志,2008;10(2):e17 [免费全文] [Medline] [CrossRef
  16. Viswanath K, Kreuter MW。健康差异、沟通不平等和电子健康。Am J Prev Med 2007 5月;32(5增刊):S131-S133 [免费全文] [Medline] [CrossRef
  17. 青少年对MySpace和IM的使用:内城和郊区的差异。网络心理行为杂志2009年2月;12(1):55-58。[Medline] [CrossRef
  18. 福格尔J,瑞比斯KM,摩根PD,汉弗莱斯K,里昂EJ。非裔美国人在在线癌症支持团体中的代表性不足。中华医学杂志2008年6月;100(6):705-712。[Medline
  19. Jackson LA, Zhao Y, Kolenic A, Fitzgerald HE, Harold R, Von Eye A.种族、性别与信息技术使用:新的数字鸿沟。网络精神行为杂志2008年8月11日(4):437-442。[Medline] [CrossRef
  20. Cammaerts B.对Web 2.0的参与潜力的批评。沟通。文化与评论2008;1(4):358-377。[CrossRef
  21. Nelson DE, Kreps GL, Hesse BW, Croyle RT, Willis G, Arora NK。卫生信息全国趋势调查(提示):开发、设计和传播。中华卫生杂志2004;9(5):443-460。
  22. Hesse BW, Moser RP, Rutten LJF, Kreps GL.健康信息全国趋势调查:基线研究。《卫生公共杂志》2006;11(增刊1):vii-xvi。
  23. Cantor D, Coa K, Crystal-Mansour S, Davis T, Dipko S, Sigman R. 2007年健康信息全国趋势调查(HINTS)最终报告。马里兰州罗克维尔:韦斯特;2009.
  24. Beckjord EB, Finney Rutten LJ, Squiers L, Arora NK, Volckmann L, Moser RP,等。在美国使用互联网与医疗保健提供者沟通:来自2003年和2005年健康信息全国趋势调查(HINTS)的估计。中国医学杂志,2007;9(3):e20 [免费全文] [Medline] [CrossRef
  25. Della LJ, Eroglu D, Bernhardt JM, Edgerton E, Nall J.展望健康营销新媒体的未来:基于传统理论推导命题。卫生标志Q 2008;25(1-2):147-174。[Medline] [CrossRef
  26. 伯恩哈特JM。通过健康营销增进健康。先前慢性疾病2006年6月15日;3(3):A73 [免费全文] [Medline
  27. 无线互联网使用。华盛顿特区:皮尤互联网和美国生活项目;2009年7月22日。URL:http://pewinternet.org/Reports/2009/12-Wireless-Internet-Use.aspx[访问2009-07-31][WebCite缓存
  28. Lefebvre RC。新技术:消费者是参与者,而不是目标受众。社会营销季刊2007;13(3):31-42。[CrossRef
  29. van Uden-Kraan CF, Drossaert CHC, Taal E, Seydel ER, van de Laar MAFJ。参与在线患者支持小组可以增强患者的权能。患者教育杂志2009年1月;74(1):61-69。[Medline] [CrossRef


提示:卫生信息全国趋势调查


G·艾森巴赫(G Eysenbach)编辑;提交20.04.09;N Atkinson同行评审;作者评论22.07.09;修订版本收到06.10.09;接受09.10.09;发表27.11.09

版权

©wenying Sylvia Chou, Yvonne M Hunt, Ellen Burke Beckjord, Richard P Moser, Bradford W Hesse。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2009年11月27日。

这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。


Baidu
map