酒精是一种人类致癌物，尽管经常被忽视。 1］．它每年在全世界造成250万人死亡[ 2]，联合国已将其有害使用确定为非传染性疾病的四个最重要风险因素之一[ 3.］．在香港，虽然酒精消费量仍然很低，但并不罕见。由于缺乏对非营业场所销售最低年龄的规定(“营业场所”指的是获发售酒许可证的餐馆和酒吧)，一般民众很容易获得酒精饮料。[ 4， 5］．本港研究显示，近三分之一的成年人及四分之一的中学生饮酒[ 6］．对健康的不良影响令人生畏。根据卫生署在2006-10年度公布的数据，每年平均有超过2000宗因与酒精有关的疾病而住院病人出院及死亡的个案[ 6］．

不过，香港特别行政区政府已于2007年将酒度不超过30%的啤酒及葡萄酒的关税减半[ 7]，并于2008年全面废除[ 8］．烈度超过30%的烈性酒的税率维持在100% [ 8］．这些前所未有的反公共卫生政策，旨在帮助香港发展成为国际葡萄酒贸易中心，但代价是酒精对公众健康的危害增加。[ 9］．卫生署酒精与健康工作小组注意到，2008年香港的人均酒精消费量大幅上升，原因是同年啤酒及葡萄酒价格下跌[ 4］．这与112项研究的元分析相呼应，该分析发现酒精税或价格与消费量成反比[ 10］．在芬兰，2004年将酒精饮料的消费税降低了三分之一，导致酒精消费量和相关危害明显上升[ 11]，包括住院率[ 12]和突然死亡人数[ 13］．香港啤酒和葡萄酒税收政策的急剧变化为使用信息流行病学研究饮酒提供了独特的机会。

信息流行病学是信息和流行病学的合成词，根据Eysenbach的说法，信息流行病学是"研究电子媒介，特别是因特网或人群中信息的分布和决定因素的科学，其最终目的是为公共卫生和公共政策提供信息" [ 14， 15］．它是基于人口健康状况/态度/行为与互联网上的信息模式之间的双向关系[ 15， 16］．最初用于识别互联网上不准确的健康信息[ 17]，后来发现搜索引擎查询数据可以预测流感的流行[ 18］．由于信息流行病学在公共卫生和政策方面的意义，它一直被用作传统流行病学研究的补充。[ 15， 16]，使用分析方法和指标，如关键词流行率和流行率[ 14］．用于监测和趋势分析的信息流行病学指标的纵向跟踪被称为信息监测[ 14， 15］．

在过去的十年里，人们努力克服了从网上数据库中收集和分析大量非结构化信息的困难。[ 15， 16］．公共卫生部门内资讯流行病学的例子包括透过追踪搜寻查询，侦测疾病爆发或发病率[ 16， 18- 20.]，调查网上搜寻自杀相关资料的行为[ 21]，监测公众对与健康有关的政策和运动的反应[ 22， 23]，以及从Twitter等社交网站的用户帖子中识别公众健康问题[ 24］．一些计算机工具也已经开发出来，可以进行更有效的信息流行病学分析(例如，技术社会预测分析[ 25]、Infovigil [ 15]、全球公共卫生情报网及“健康地图”[ 26])。所有这些都以Web 2.0技术为基础，其特点是个性化、开放性、社会性和微内容[ 27］．Web 2.0的一个成熟例子是在线社交网络。

在线社交网络在不断发展。利用适当的挖掘和分析技术[ 28]，便有可能从这些网站撷取有用的资料作研究用途。博客(也叫weblogs)是一种社会网络网站，被认为是一种相对较新的主流个人交流形式[ 29， 30.］．它们的特点是个性化的、基于web的、社区支持的和自动化的[ 31］．博客内容是万能的。它们可以是关于博主的生活、评论、想法和情感。他们也被用来建立和维护社区论坛[ 32］．虽然有些博客被用于政治、教育和商业目的[ 33]，大部分类似日记，被称为个人博客[ 34］．使用博客服务的人被称为博主。

与其他社交网站一样，博客以其时间戳、消费者生成的内容和可扩展的数据库为特色，这使得它们在纵向数据检索和分析方面具有潜在的用处[ 35， 36］．事实上，博客分析在各个领域都越来越受欢迎。其应用实例包括评估一家公司的形象实力或客户产品，监测总统选举中的公众舆论，评估公众对灾难的反应，追踪网上仇恨团体或有自杀意图的人，研究青年文化，以及分析语言模式[ 34， 37- 40］．进行博客分析进行公共监督的前提是，有很大一部分人经常使用社交网络服务，使网络信息保持最新，真正反映当代社会的兴趣或关注。[ 25］．

在香港，互联网的使用无处不在。根据香港特别行政区政府的一项调查，本港人口的互联网普及率持续上升，由2005年的56.9%上升至2012年的72.8%。近70%的网民是10-44岁的青少年和成年人[ 41］．他们也是参与博客和论坛等在线社交网络活动的最大群体[ 42］．这与Blog-You.com和in - media在2005年的一项更早的研究相一致，该研究发现，超过90%的本地博主年龄在16-35岁之间[ 43］．资讯流行病学利用部落格搜寻资料，有助研究本港青少年及成人的重要健康问题，例如饮酒问题。

博客分析有不同的方法。有些(如时间序列扫描，语义分析)需要特殊的软件和大量的时间和计算资源的投资[ 35］．这大大降低了它在公共卫生研究中的实用性，这些临床医生可能不太了解计算机编程。另一方面，使用在线免费提供的博客搜索引擎进行博客搜索，在技术上提供了从博客中提取数据的简单、直接和用户友好的方法。与Web搜索引擎不同，博客搜索引擎主要是对博客文章进行索引，并且只致力于从博客文章中搜索信息，而忽略了数据库的其他部分[ 44］．由于每篇博客文章都有时间戳，博客搜索引擎可以搜索特定日期的博客文章，允许纵向跟踪博客，甚至回溯。

目前，使用博客搜索和中文关键字进行的地方公共卫生研究很少。如果博客搜索数据与当地流行病学数据相关联，临床医生(和政策制定者)可以很容易地用实时、廉价、快速的博客搜索来取代传统的监测方法来跟踪公共健康。即使没有相关性，像这样的解释性研究通过展示中文博客搜索在英语主导的研究环境中的挑战，仍然有助于健康信息学的发展。由于零啤酒和葡萄酒税，香港的酒精消费量明显上升，这为博客搜索数据可以根据本地流行病学进行验证提供了一个合理的框架。

本研究利用现有的搜索工具及网络资源，旨在:(1)评估及解释与酒精相关的中文关键词在网上的使用情况;(2)验证博客搜索作为一种资讯监测方法，以调查2007- 08年啤酒及葡萄酒税变更后香港人(以香港中文博客服务供应商的博客作者为代表)饮酒模式(如酒精种类)的变化。

本研究假设如下:

(H1) 2007- 2008年之后，随着啤酒或葡萄酒税收政策的变化，中国博客中与酒精相关的概念，尤其是“啤酒或葡萄酒”的网络流行度有所上升。

(H2)信息流行病学数据(以酒精相关概念的患病率和比例表示)与当地流行病学数据(以人均酒精消费量表示)显著相关。

据我们所知，这是香港首次使用博客搜索来研究与公共健康有关的课题。选择饮酒问题是因为其公共健康利益和税收政策变化的明显影响。博客是数据提取的目标，因为选择本地排名和访问者最高的博客服务提供商可以最大限度地提高区域利益，而不像Twitter或Facebook等其他社交网站往往覆盖广泛的地理区域。

本研究主要有两组数据:(1)信息流行病学和(2)流行病学。信息流行病学数据来自特定搜索引擎索引的现有博客，而流行病学数据来自涉及公共卫生问题的政府文件。为了减少专业知识和技术投资，本研究使用免费的基于网络的博客搜索引擎谷歌博客搜索，从香港博客服务提供商MySinaBlog的档案中提取2005-2010年的数据。研究人员使用了三组中文关键词，每组代表一个特定的与酒精相关的概念。它们是(1)“酒精”(即控制概念)，(2)“啤酒或葡萄酒”，以及(3)“烈酒”。使用信息流行病学指标和相关系数对产生的博客文章进行定量分析，并通过人工工作进行定性分析。信息流行病学指标为(1)表观流行率，(2)实际流行率，(3)流行率，(4)流行比。Pearson和Spearman相关性计算了患病率和与同期人均酒精消费量的比率。人工分析包括:(1)博客作者特征(如作者、性别、年龄)，(2)博客内容(如关键词出现频率、对某段饮酒事件的描述、饮酒量、类型)。采用流行率和比例来评估酒精相关概念的网络流行程度，而通过相关分析和人工分析来验证博客搜索数据是否可以作为人口调查的信息监测方法。

表2显示香港特区政府卫生署于2011年发表的报告所载的人均饮酒量[ 4］．在我们的研究中采用它是因为(1)它是免费获取的，(2)以纵向形式呈现，(3)根据酒精类型分组。2011年的数据无法获得，迄今为止也没有看到数据的更新。

博客搜索完成后，博客文章被保存在。html文件中，以供后续分析，以避免由于时间延迟造成的差异。手工分析主要集中在(1)博客作者特征(即作者、性别和年龄)和(2)博客内容(即关键词出现频率、对某一段饮酒事件的描述、饮酒量和类型)。他们将为流行病学调查中使用博客搜索数据的有效性提供进一步的信息。它们的子类别和标准列于 表4．

以“酒精”为关键词的博客文章不包括在人工分析中，因为其中很大一部分预计会与包含“啤酒或葡萄酒”和“烈酒”关键词的博客文章重叠。它们在分析人群的饮酒模式(如酒精的选择)时可能没有特别的帮助。

值得注意的是，大多数免费文本分析工具不支持中文，也无法识别关键字在博客中的位置(例如，页眉、正文、边栏、页脚和评论)。目前可用的中文索引并不太方便使用，因为它们缺乏外部编码器/解码器、上下文关键字(KWIC)格式，或用于语义分析或意见挖掘的内置字典[ 52］．这就是为什么在本研究中选择人工分析作为初步措施来探索博客作者特征和博客内容。

博客搜索是在2013年4月12日完成的，人工分析是由研究员KL Chan在随后的一周完成的。结果如下所述。

与酒精相关的概念在网络上的流行程度最能体现为其流行率和比例，这两项指标标准化了博客总数变化的影响[ 14］．总的来说，“酒精”这个概念在2008年最为流行。在2008-2009年，“精神”这个概念在网上的流行程度也经历了短暂的、有点不稳定的上升。相比之下，“啤酒或葡萄酒”这个概念越来越不受欢迎，近年来它在网上的受欢迎程度总体呈下降趋势。有关酒精相关概念在2007-2008年后变得更流行的假设只适用于“酒精”和“烈酒”，而不适用于“啤酒或葡萄酒”。

2008-2009年“精神”关键词在网上流行的一个可能原因是同期垃圾邮件的存在。这在表观患病率中被掩盖了，这是用来计算患病率和比率的。的确，剔除2008-2009年的数据后，“精神”概念的流行率和比例相对稳定在一个较低的水平。“spirit”在线流行度的虚假上升可能也解释了“alcohol”在2008年的流行率峰值，尽管后者的幅度要大得多，但“alcohol”(酒精)而非“啤酒或葡萄酒”或“spirit”的关键词仍有可能出现真正的上升。“啤酒还是葡萄酒”在网上的流行程度下降，可能是博主们对这个话题兴趣下降的真实反映。然而，它与当地饮酒模式的关系仍然存疑，因为许多博客文章实际上并没有描述一个单独的饮酒事件。"烈酒"和"酒精"这两个概念也是如此。

博客搜索数据的验证依赖于相关性分析和对博客作者特征和内容的人工分析。“酒精”的流行率是唯一与人均酒精消费量具有显著非线性和极显著线性相关的参数。其他相关性都不显著，尽管其中许多表现出中等至强的相关性。信息流行病学数据与当地流行病学数据显著相关的假设仅适用于“酒精”患病率。其他信息流行病学指标在统计上的不显著性可能可以用博客文章相对于人口的数量较少来解释。这可以归结为以下原因:

从手工分析来看，大多数博客都是由单个作者管理的，这意味着博客的数量可以用来表示人口调查中个体参与者的数量。单身博客作者的性别分布与当地人口接近，但年龄范围略倾向于18岁及以上[ 54］．然而，值得注意的是，许多博客作者并没有在网上公开他们的身份，这使得验证变得困难。

许多博客文章都不是关于饮酒的个别事件，而是个人日记、观点或情感宣泄。这并不奇怪，因为新的博客类型不断出现。 55］．许多博客并非只是提供信息，而是情感性质的，需要进行语义分析，才能做出有意义的解释[ 25］．虽然博主不太可能记录他们每次的饮酒量，但他们可能会在评论某一事件、回答某一问题、描述童年事件等时透露出他们对饮酒的理解，因此出现了与酒精相关的关键词。虽然没有足够的线索支持酒精相关关键词在线流行度的变化与当地人口饮酒模式的改变有关，但人们不应忽视其社会影响，并忽视其在评估公众对包括零啤酒和葡萄酒税在内的健康相关政策的反应方面的作用。

使用博客作为信息来源有几个固有的局限性。例如，个人博主的性别、年龄、种族等人口统计数据可能存在缺陷或被掩盖;博客作者倾向于分享与一般人不同的共同兴趣和背景;而且获取诸如饮酒模式等精确数据通常很困难。为了及时有效地构建一个更大的框架，信息学研究人员经常不得不通过使用特定的信息学指标来牺牲每个博主的个性。此外，博主的语言使用往往比较复杂，不容易通过一些预先确定的关键字的频率来解码。在提供足够技术支持的情况下，通过对博客文章的语义分析来探究博主对饮酒的看法是可行的。可以对个别博客作者进行面对面访谈和问卷调查，以阐述他们的观点，最好是那些在特定博客圈内具有最大影响力的人(使用社交网络分析工具)。

没有一个博客搜索引擎索引了所有的博客[ 56］．尽管搜索引擎具有自动性，但它可能会受到编辑选择的影响，从而产生偏见[ 57］．有人担心，即使在同一搜索引擎中，随着时间的推移，搜索结果可能会有所不同[ 14， 44］．在我们的例子中，这可能是由(1)谷歌搜索算法的固有限制所解释的，它只给出了对大结果查询的近似估计，以及(2)由于splogs(或垃圾博客)和以前没有链接的博客数量不稳定而导致的搜索数据库的不一致性[ 35， 44， 56］．值得注意的是，谷歌搜索算法的很大一部分是不为公众所知的，这加剧了我们研究中的采样不确定性。

使用中文搜索博客的一个挑战是，由于地理差异和与英语的翻译，它往往有广泛的表达。此外，只有有限数量的博客分析工具支持中文。最理想的是自行设计的研究项目，其中包含了丰富的博客搜索算法和分析功能，尤其是针对中国博客，这在很大程度上取决于专业知识和资源的可用性。

利用香港中文博客服务提供商的博客搜索数据，我们得出以下结论:(1)与酒精相关的中文关键词在网上的流行程度是由包括垃圾邮件在内的许多不同因素造成的，因此不能具体反映当地的饮酒模式;(2)资讯病学数据(以酒精相关概念的患病率和比例表示)与流行病学数据(以人均酒精消费量表示)之间的相关性较差;(3)许多博客文章本质上是情感性的，而不是信息性的。虽然使用预定义的中文关键词进行博客搜索可能不是调查酒精消费量等流行病学数据的理想方法，但如果有足够的专业知识和资源，对博客内容进行语义分析将提供有关公众对健康相关政策反应的宝贵信息。