这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)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。
扩大通过推特传播的信息的传播范围有助于推动基于推特的健康教育运动取得成功。
本研究旨在确定与牙科推特网络接触相关的因素(1)最初和(2)可持续的个人和网络水平。
我们在2016-2017年使用了沙特一所牙科学校的教师和学生的Twitter用户名,并应用Gephi(一种社交网络分析工具)和社交媒体分析来计算用户和网络指标。进行内容分析以确定传播口腔健康信息的用户。研究结果达到基线,持续超过1.5年。解释变量为受欢迎程度指标(关注人数、点赞数、他人转发的推文)、传播模式(推文数量、转发数、回复数、是否发布/转发口腔健康信息)。使用多个逻辑回归模型来调查相关性。
在牙科用户中,31.8%的人在基线时达到,在研究结束时达到62.9%,达到749,923人,最后下降到37,169人。在个人层面上,达到度与关注数(基线:优势比,OR=1.003, 95% CI=1.001-1.005,可持续性:OR=1.002, 95% CI=1.0001-1.002,可持续性:OR=1.0031, 95% CI=1.0003-1.002)、点赞数(基线:OR=1.02, 95% CI=1.005-1.04,可持续性:OR=1.02, 95% CI=1.004-1.03)相关。在网络层面,拥有最少粉丝、推文、转发和回复的用户拥有最大的影响力。
时间缩短了距离。在用户层面上增加覆盖面的因素在网络层面上有不同的影响。要最大化影响范围,需要不止一种策略。
社交媒体可以接触到联网的人。
此外,已连接的Twitter用户也包含在一个网络中。一些网络比其他网络更有效地传播信息,因为它们的结构,如小世界网络。社交网络分析提供了可视化这个网络的工具,并计算出表征它的指标,并量化用户的连通性。
社交媒体有可能通过传播健康信息来改善健康状况[
沙特阿拉伯是阿拉伯国家中Twitter用户最多的国家(50%的阿拉伯用户和47%的推文)[
在本研究中,我们假设推文覆盖面受到用户受欢迎程度(关注者、点赞和转发)、传播模式(推文、转发、回复和传播口腔健康信息)以及推特网络特征的影响。本研究旨在评估(1)在某一时间点与推文触及率相关的因素,以及(2)在个人用户和网络水平上持续地随着时间的推移。
我们对沙特阿拉伯伊玛目阿卜杜勒拉赫曼·本·费萨尔大学牙科学院的教师和学生的Twitter网络进行了一项队列研究。这所政府学校提供6年的牙科外科学士课程,2016-17学年有58名教师和301名学生。我们从2016年6月到2017年11月跟踪了这些账户。除了娱乐、体育和学术生活等话题外,该网络还包括在twitter上发布一般口腔健康信息主题的牙科用户。他们在不遵循特定议程或任何指示的情况下,自己发推特(随意)。因此,他们的推文是不规范的。相反,这反映了他们的推特习惯。它还包括遵循它们的非牙科用户。从牙科学院研究单位获得伦理批准(#EA 2014009)。
如果(1)他们在2016年6月隶属于该学院(牙科用户),并且(2)有一个开放的Twitter帐户,那么参与者就被包括在内。参加者名单由教务处提供。研究人员联系了他们,向他们介绍了这项研究,并询问了他们的Twitter用户名。由于他们的帐户是公开的,因此没有要求他们同意[
Twitter网络是使用软件管道构建的(
用户数量和用户之间的连接。
连接组件的数量:如果两个用户通过第三个用户直接或间接地连接,则他们位于连接组件中。
平均路径长度:A连接到B所需的用户数是路径长度,较短的路径有助于信息传播。
网络直径:两个用户之间最长的距离为网络直径。
度:用户拥有的连接数为度。它的概率分布表明了网络的类型。
我们使用Twitter账户仪表板来获取关注者、推文和点赞的数量。用户被分为关注人数最少(≤200)的用户[
针对2个二元结果变量(1)基线可达性和(2)持续可达性,建立单变量和多变量logistic回归模型。解释变量为:(1)用户受欢迎程度指标(关注数、点赞数和转发推文数)和(2)传播模式(推文数、转发数、回复数,以及用户是否发布或转发口腔健康信息)。所有变量都被输入到多重模型中,以便它们可以根据彼此、性别和角色(教师/学生)进行调整。显著性设定在5%水平。使用SPSS 22.0版(IBM公司,Armonk, n.y., USA)进行统计分析。
58名教师中的39名(67.2%)和225/301名学生(74.8%)回答了问题。
在所有牙科使用者中,84人(31.8%)在基线时达到达标,166人(62.9%)在研究结束时达到达标。基线时达到的中位数为0 (IQR 0-4),在结束时增加到中位数4 (IQR 0-211)。基线时达到的总人数为749,923人,最后下降到37,169人(减少95.0%)。有71名(26.9%)牙科使用者有持续的覆盖范围。
单变量逻辑回归的结果显示在
有264名牙科用户及46,951名非牙科用户,合共47,215名用户及77,309个连接(
牙科用户的特征和传播模式在牙科学校的Twitter网络涉及教师(N=39)和学生(N=225)。
因素 | 分析,n (%) | ||
|
|
||
|
|
|
|
|
|
教练 | 39 (14.8) |
|
|
学生 | 225 (85.2) |
|
|
|
|
|
|
男性 | 146 (55.3) |
|
|
女 | 118 (44.7) |
|
|
|
|
|
|
中位数(位差一个) | 170年(69 - 340) |
|
|
总计 | 82011年 |
|
|
≤200 | 146 (55.3) |
|
|
201 - 999 | 105 (39.8) |
|
|
≥1000 | 13 (4.9) |
|
|
|
|
|
|
中位数(差) | 81 (14 - 454) |
|
|
总计 | 123473年 |
|
|
|
|
|
|
中位数(差) | 29日(6 - 118) |
|
|
总计 | 22927年 |
|
|
||
|
|
|
|
|
|
中位数(差) | 1114年(180 - 5089) |
|
|
总计 | 1116225年 |
|
|
|
|
|
|
中位数(差) | 23日(5 - 94) |
|
|
总数(所有推文的百分比) | 19015 (1.7) |
|
|
|
|
|
|
中位数(差) | 8 (1 - 37.3) |
|
|
总数(所有推文的百分比) | 8748 (0.8) |
推特口腔健康信息 | 20 (7.6) | ||
转发口腔健康信息 | 21日(8.0) |
一个IQR:四分位间距。
与达到基线和持续达到相关的因素。
达到因素 | 多元逻辑回归 | |||
|
调整优势比一个(95%置信区间) |
|
||
|
|
|
||
|
|
|
|
|
|
|
关注人数 | 1.003 (1.001 - -1.005)b | .003c |
|
|
点赞数 | 1.001 (1.0001 - -1.002)b | 03c |
|
|
被他人转发的推文数量 | 0.98 (0.95 - -1.00) | .10 |
|
|
|
|
|
|
|
推文数量 | 1.00 (1 00 - 1.00) | 只要 |
|
|
被转发的推文数量 | 1.02 (1.00 - -1.06) | 厚 |
|
|
回复的推文数量 | 1.02 (1.005 - -1.04)b | .009c |
推特上的口腔健康信息vs .没有 | 5.07 (1.18 - -21.69)b | 03c | ||
转发和不转发口腔健康信息 | 0.66 (0.13 - -3.24) | .57 | ||
|
|
|
||
|
|
|
|
|
|
|
关注人数 | 1.002 (1.0001 - -1.003)b | . 01c |
|
|
点赞数 | 1.001 (1.0003 - -1.002)b | 02c |
|
|
被他人转发的推文数量 | 0.98 (0.95 - -1.01) | 。 |
|
|
|
|
|
|
|
推文数量 | 1.00 (1.00 - -1.00) | 。45 |
|
|
被转发的推文数量 | 1.02 (0.99 - -1.05) | 。 |
|
|
回复的推文数量 | 1.02 (1.004 - -1.03)b | . 01c |
推特上的口腔健康信息vs .没有 | 2.99 (0.77 - -11.53) | 厚 | ||
转发和不转发口腔健康信息 | 0.83 (0.17 - -3.95) | 总共花掉 |
一个控制所有变量,除了角色(教师/学生)和性别。
b统计显著CI不包括空值。
c统计上显著
Twitter网络中,黑色节点为牙科用户,黄色节点为非牙科用户,在嵌入图中度呈幂律分布。
针对不同关注程度和传播模式的用户,在不同时间点进行接触。
本研究表明,推特网络结构促进了信息传播,用户知名度和传播模式在个人和网络层面显著但不同地影响了到达。在个人层面,受欢迎的用户和有回复的交流模式有更高的传播几率。然而,在网络层面,拥有最少粉丝数的用户和那些推文、转发和回复水平较低的用户共同获得了更多的用户。因此,我们的结果支持了研究假设。
在个人用户层面,更多的追随者增加了覆盖面的几率。这反映了社交媒体影响者现象的出现[
在本研究中,有回复的双向沟通模式对达到有积极影响。这与之前的一项研究一致[
在本研究中,小部分牙科用户传播口腔健康信息降低了网络对患者教育的可能影响,其原因需要在未来的研究中进一步研究。我们的分析表明,在twitter上发布口腔健康信息增加了基线的接触率,但不是持续的,这表明传播口腔健康信息的牙科用户比其他人有更大的接触率。为了保持这种影响力,他们必须采取额外的措施来满足社交媒体上对新话题的持续需求。本研究中的关联是在牙科专业人员及其追随者的Twitter网络中观察到的。未来的研究需要评估口腔健康信息在Twitter网络中的传播和覆盖面,以及影响它的因素。
目前的研究表明,在网络层面上,不太受欢迎的用户以及那些推文、转发和回复水平较低的用户总体上拥有最大的影响力。这可以用信息流理论来解释[
目前研究中的Twitter网络具有小世界的特征,据报道,这些小世界可以有效地传播信息。例如,一个用户与其他用户的平均间隔为4个用户。这与一项研究一致[
在本研究结束时,达到基线的用户数量急剧减少。这种流失是基于社交媒体体验的特征[
在目前的研究中,很难直接比较几个用户发送计划外消息的影响范围与之前关于单个用户发送计划外消息的Twitter活动/账户的研究。例如,一个水烟运动在9个月内传播了373条推文,获得了563名粉丝[
本研究存在一定的局限性。首先,一些与学院无关的牙科使用者,如执业牙医或其他牙科学校的学生,可能被归类为非牙科使用者。其次,我们计算的覆盖范围不考虑用户是谁,可能包括重复或公司帐户。这样的账户不会从口腔健康信息中受益,包括他们可能会高估覆盖范围。第三,我们没有考虑通过关注用户以外的其他方法,例如通过标签[
在推特高使用率的人群中,可以通过推特接触到大量非牙科用户,从而对健康教育产生影响。随着传播口腔健康信息的用户比例的增加,预计这种潜在影响将会增加。如果没有干预,一小部分牙科使用者会选择这样做,这表明需要激励措施。如果他们的参与被认为是社区服务活动的一部分,学术牙科部门的用户可能会被鼓励参与,从而教育更多可以在传统健康教育中完成的人。需要采取多种策略来最大限度地扩大覆盖范围,包括招募受欢迎的用户来传播口腔健康信息,确保有用户参与回答询问,并动员基层通过网络传播信息[
软件管道。
与基线达到和持续达到相关的因素(单变量逻辑回归)。
四分位范围
优势比
MET参与了理念构思、研究设计、方法开发和统计分析。AAA对方法开发和结果解释做出了贡献。AA帮助数据收集和编码(内容分析)。AF参与了社交网络分析(Twitter网络、软件管道和Gephi)。NMA对编码(内容分析)和社交媒体指标收集做出了贡献。ASM帮助编码(内容分析)和社交媒体指标收集。所有作者都参与了手稿最终版本的起草和批准。
没有宣布。