2020年1月20日，中国启动监测隔离系统，每日记录新冠肺炎病例信息。流行病学数据由中华人民共和国国家卫生健康委员会(NHC)发布，每天在基层收集。在这项研究中，我们使用了国家卫生健康委于2020年1月20日至3月10日发布的中国所有省级地区的流行病学数据(特别是每日新确诊病例数)。

新浪微博，中国版的推特，是中国最大的社交媒体平台。《人民日报》微博粉丝超过1.16亿，是新浪微博上最具影响力和权威性的新闻媒体之一。在本研究中，我们使用网络爬虫Scrapy收集了人民日报在2020年1月20日至3月8日期间在微博上发布的相关数据，以及每条微博下的网友评论。数以百万计的实时评论文本包含了大量的情感信息;我们从收集到的评论中识别并提取了这些公众情绪。

虽然许多基于自然语言处理或机器学习的情感分析工具[ 22， 23]能够以更少的时间和人力自动从文本中提取情感，但机器识别的准确性低于人工识别。一些简单的分类，如阳性或阴性，可以通过机器识别来检测;然而，对于更微妙的离散情绪，如愤怒、恐惧和快乐，人工识别会产生更好的准确性。因此，本研究采用人工识别方法。最近，Jack等人[ 24报道称，人们普遍只经历四种基本情绪:快乐、悲伤、恐惧和愤怒。在这项研究中，公众情绪被分为5类:上述4种基本的人类情绪(即快乐、悲伤、恐惧和愤怒)和“中性”(即没有情绪)。共有143名训练有素的研究助理参与了人工鉴定过程。每条在线评论都由至少3名训练有素的研究助理识别和分类，相互冲突的分类结果由多数人达成共识来解决，以得出最终的分类。编码员的评分者间可靠性“相当高”(κ=0.77) [ 25］．

腾讯的娇珍[ 26是国内首个全网、专业、及时的事实核查平台，每天对网络上广泛传播的新闻进行核查，并对谣言进行辟谣。通过该平台收集2020年1月20日至3月10日期间传播的新冠肺炎网络谣言数据，并进行人工识别，识别在此期间传播的各种情绪谣言。

图1A显示，2020年2月12日，湖北省每日新增确诊病例数突然激增，当日诊断标准被修订。此后，湖北使用的新冠肺炎诊断标准与省外一致。因此，对2月14日前收集的湖北省新确诊病例的流行病学数据进行校准后再进行随访分析。

据湖北省卫健委统计，2020年2月12日和13日，全省新冠肺炎临床确诊病例数和核酸检测确诊病例数之比分别为8.44(13332 /1580)和1.79(3095/1728)。这些病例大多是疑似病例长期积累的结果。2020年2月13日临床诊断病例数减少，说明累计疑似病例已在2天内处理完毕。2020年2月14日和15日新冠肺炎临床确诊病例数与核酸检测确诊病例数之比分别为0.89(1138/1282)和0.93(888/955)，平均为0.91。因此，2020年1月20日至2月13日，校准后的每日新确诊病例数(见 图1B)为核酸检测确诊病例数乘以(1+0.91)。

由于日常疫情和微博情绪评论数据呈指数分布，因此对数据进行对数变换，稳定时间序列方差，再进行进一步分析。

我们采用时滞交叉相关的方法考察公众情绪与谣言总数的关系，以及公众情绪与不同情绪类型的谣言之间的关系。我们还使用Pearson相关系数来检验这些关系，最大滞后时间为10天和a P值小于0.05作为阈值。

在收集到的276个谣言中，中性谣言176个(63.8%)，恐惧相关谣言62个(22.5%)，快乐相关谣言19个(6.9%)，愤怒相关谣言12个(4.4%)，悲伤相关谣言7个(2.5%)。 图2A为湖北以外地区新冠肺炎疫情与网络谣言的关系。峰值相关系数为0.59 ( P<.001)，滞后值为0天，说明日新增确诊病例数与谣言显著正相关，且变化同时发生。 图2B为湖北省新冠肺炎疫情与网络谣言的关系。峰值相关系数为0.55 ( P<.001)，滞后-1天，说明湖北省谣言总量的变化比病例数的变化提前1天。此外，湖北省内外疫情与4类情绪谣言的相关性均不显著。

在研究期间，愤怒(2,248,362/17,328,675,12.97%)主导了互联网上的公众情绪，其次是恐惧(627,407/17,328,675,3.62%)，快乐(216,072/17,328,675,1.25%)和悲伤(195,708/17,328,675,1.13%)。 图3微博公众情绪变化趋势显示，几乎每天与愤怒和恐惧相关的评论数量都超过与快乐和悲伤相关的评论数量。

接下来，我们发现愤怒与谣言的相关性峰值为0.48 ( P<.001)，滞后0天( 图4A)，也就是说，公众越愤怒，谣言就会越多。同样，恐惧和谣言之间的时滞分析( 图4B)在悲伤和谣言之间( 图4D)也表明这两种情绪与谣言之间存在显著的正相关。结果显示，这两种情绪的相关性达到了峰值0.51 ( P<.001)和0.47 ( P<.001)，滞后0天。此外，幸福感与谣言之间存在正相关(r=0.56， P<措施, 图4C)，时间滞后1天。也就是说，幸福感会比谣言的出现晚1天。

最后，我们分析了这四种情绪与不同类型谣言之间的关系。 图5研究表明，只有恐惧与恐惧谣言之间存在正相关关系，相关峰值为(r=0.34， P=.02))，滞后0天观测。

据我们所知，这是第一个通过基于网络的监测方法探索COVID-19期间公众情绪和谣言之间关系的研究。利用网络爬虫Scrapy，在人民日报微博和腾讯流言终结者微博上获取了大量与新冠肺炎相关的评论和谣言。这项基于网络的监测研究克服了传统调查方法的局限性，有助于在突发公共卫生事件爆发期间快速、实时地收集数据。特别是在大规模隔离期间，人们更有可能利用互联网和社交媒体获取和传播有关疫情的最新信息[ 7]，以及积极参与相关议题的讨论[ 27］．互联网和社交媒体已成为实时监测和评估公众情绪和行为变化的重要平台。此外，与传统的调查、电话访谈等方法相比，网络监测更具有客观性和真实性，有效避免了自我报告或回忆造成的测量误差[ 14， 28］．采用人工识别对情绪类别进行编码，也提高了公众情绪识别的分类精度[ 22， 23］．

本研究首次观察到湖北省境内外每日新增确诊病例数与谣言总量之间存在统计学意义上的显著关系，这与之前研究发现突发传染病的不确定性会导致大量谣言的存在相吻合[ 18］．在另一项研究中，Li等[ 29]通过在线调查分析了4607名参与者的情绪反应，发现新冠肺炎并没有导致公众情绪频率的变化。然而，我们的研究发现，公众表达更多的愤怒和恐惧，而不是快乐和悲伤，公众情绪有几次大的波动。一些研究人员认为，谣言是公众在灾难发生后表达恐惧或压力的一个出口，传播谣言可以成为公众表达愤怒、恐惧和悲伤等情绪的有效途径[ 30.］．我们的发现与之前的发现一致。研究结果表明，三种情绪(愤怒、恐惧和悲伤)与谣言总数呈正相关，情绪与谣言的变化同步。此外，我们发现快乐情绪的增加往往滞后于谣言的出现1天。以往的研究发现，在谣言被辟谣后，公众情绪通常会由负面情绪转变为正面情绪。 31］．与这些发现相一致的是，我们观察到，当谣言得到证实和澄清时，公众的幸福感会成比例地增加。

关于人类四种基本情绪和四种不同类型的情绪谣言之间的关系，我们的结果表明，恐惧谣言与恐惧呈正相关。这一结果支持了Na等人的论点[ 8，该理论认为，个体的情绪状态与谣言中的情绪信息的一致性会增加谣言的流行。然而，我们关于愤怒和愤怒相关谣言的研究结果与他们的结论不一致，即愤怒会导致公众接受愤怒相关谣言[ 8］．这种差异可能是由于样本选择的差异:我们的研究集中在中国样本，而Na等[ 8]分析了一个美国样本;因此，公众情绪与谣言之间关系的文化差异也需要进一步研究。

然而，这项研究有一些局限性。首先，本研究仅针对新浪微博进行数据收集。其他媒体平台，如中国的微信和其他国家的Twitter，没有包括在内，以获得更广泛的数据。其次，批量抓取数据只能作为一个整体获得;因此，我们无法在个人层面上调查公众情绪的变化。在未来的研究中，我们可能会使用其他方法，如调查或访谈，在个人层面上研究公众情绪的轨迹。第三，本研究分析了谣言与人类四种基本情绪之间的关系，并可以进一步研究谣言与焦虑等更复杂情绪之间的相关性。

本研究结果为有关部门和政策制定者在突发公共卫生事件中引导公众情绪提供了几点建议。首先，在大规模隔离期间，当局可以利用网络监测方法实时识别公众情绪和行为，并及时指导引导公众情绪和行为。其次，谣言是公众情绪的催化剂，及时辟谣有助于增加公众的积极情绪。第三，我们的研究结果表明，可怕的谣言与恐惧有关。因此，媒体平台应加强对网络谣言的监测，及时识别和核实情绪谣言，最大限度地减少恐惧谣言的传播，减少公众的恐惧情绪。