本综述中纳入的研究使用了多种分析方法，包括定性分析、定量内容分析、机器学习、基于规则的分析和统计分析。分析的类型包括情感评估、主题分析、内容分析、命名实体识别、社会网络和地理分析。表S3 多媒体附录1总结分析。

62%(26/42)的研究确定了主题。69%(18/26)的研究使用预先存在的类别或通过观察数据样本并生成代码本对主题进行手动编码[ 22， 23， 25， 26， 28， 30.， 31， 37， 41， 47- 49， 52， 55- 58， 60]。在26项研究中，有2项(7%)研究使用了社交媒体数据分析公司的服务[ 42， 50]。

在26项研究中，4项(15%)研究使用主题建模来推断主题或主题[ 34， 35， 46， 54]。本任务选择的算法是潜狄利克雷分配[ 66]。主题数量的选择是基于内在的评估指标(例如，一致性和困惑性)和根据先前的主题模型经验进行的迭代定性分析。在26项研究中，1项(4%)研究使用时间主题建模技术来研究主题随时间的变化，目的是分析基于网络的电子烟叙事在COVID-19大流行期间的变化[ 46]。

在26项研究中，1项(4%)研究使用基于规则的方法确定主题。生成了最常见的单字和双字的频率计数，并构成了主题的基础[ 45]。另一项研究使用SAS Text Miner软件，一种文本主题节点算法来发现主题[ 38]。

26%(11/42)的研究对研究人群进行了社会经济和人口统计学分析。在11项研究中，2项(27%)研究使用了从用户档案或从用户帖子中推断出的提供的性别、年龄和其他用户特征[ 33， 52]。在11项研究中，2项(27%)基于视频的研究在观察视频后使用了受试者的感知年龄和性别[ 25， 26]。

在11项研究中，2项(18%)研究使用社交媒体分析提供商通过使用提供的分析获得了年龄和性别数据[ 42， 50]。在这11项研究中，2项(18%)基于twitter的研究使用了名为DemographicsPro的商业工具，该工具使用专有算法来推断用户的人口统计特征[ 23， 28]。其他研究使用了现有的人口普查数据[ 32]、从调查数据获得的人口统计资料[ 37]，以及基于性别名称词典和人脸识别算法的两步法，通过用户的个人资料信息来识别用户的性别[ 43]。

40%(17/42)的研究进行了地理定位数据分析。52%(9/17)的研究使用了用户配置文件或消息元数据[ 24， 29， 32， 34， 36， 43， 54， 55， 60]。在17项研究中，2项(12%)研究使用了社交媒体分析公司提供的信息[ 38， 50]。5%(1/17)的研究使用了DemographicsPro工具[ 28]。在17项研究中，3项(17%)研究使用了谷歌Trends提供的位置信息[ 40， 44， 51]。另一项研究(1/ 17.5%)从调查数据中收集地理信息[ 37]。在17项研究中，1项(5%)基于视频的研究使用了视频频道的地理位置[ 26]。

一个人对一个话题的看法可以分为积极的、消极的或中立的情绪。这些情绪的分析通常使用自动语言工具进行，并被称为“情绪分析”[ 67]。

在进行情绪分析的12项研究中，有5项(42%)使用了自动化方法。在这12项研究中，1项(8%)研究在1000条与“大麻”相关的推文样本上训练了一个二元朴素贝叶斯分类器，将帖子分为两种观点极性，积极、消极或中立[ 32]。另一项研究使用了一家社交媒体分析公司提供的情绪分析[ 50]。在12项研究中，3项(25%)研究使用了价感词典和情绪推理器(VADER) [ 68]，一个基于词汇和规则的情感分析工具[ 43， 54， 62]。将VADER的性能与内部机器学习分类器进行比较，这些分类器训练了3000条人工编码的大麻相关推文，结果显示，VADER的性能比VADER提高了30%。尽管VADER被广泛用于一般的tweet情绪分析，但在与物质使用相关的领域，它的性能受到影响，在这些领域，负面词汇经常被用来表达积极的情绪。例如，“我服用了CBD油，那东西不好”[ 69在这个句子中，“bad”实际上是好的意思。

在进行用户分析方面，57%(24/42)的研究调查了帖子的主题，如来自个人或他人(即来自自我、零售、媒体或专业人士)，或帖子的内容(自我、他人或一般)[ 22， 23， 25- 29， 33， 37， 41- 43， 45， 47- 50， 52， 55， 57， 58， 60- 62]。

当进行手动数据标记时，确定海报和帖子的主题是标记过程的一部分。自我报告和自我使用很容易通过观察视频来确定，大多数基于语言结构的文本也是如此。例如，一项研究[ 27首先确定推文的主题是关于自己、他人还是一般，然后确定推文是否与实际使用大麻有关。这项研究包括了语气、相关行为、感知影响和社会背景的进一步分类。自动标记方法寻找表示自我报告的短语。例如，一项关于阿片类药物成瘾的研究[ 42在提到阿片类药物的语境中寻找诸如“我上瘾了”和“我已经上瘾了”之类的短语。分类器在另一项研究中使用[ 59]将营销推文与非营销推文分开;然而，他们的重点是营销推文。

没有一项研究使用先进的自然语言处理技术来建立受试者和个人提及。社交媒体机器人是指在社交媒体平台上生成人工活动的自动账户[ 18]。只有4%(1/24)的研究使用了Bot检测，这些研究使用Twitter作为数据源[ 45]。

在42项研究中，有2项(5%)研究调查了参与对话的人的社交网络。这样就可以确定目标社区和用户互动[ 34， 43]。在42项研究中，有3项(7%)研究调查了政府大麻合法化政策对人们情绪和观点或社交媒体帖子量的影响[ 24， 28， 54]。12%(5/42)的研究对单词和短语进行了词频和计数分析[ 29， 39， 50， 62， 63]。

院校评审委员会(或其等同机构)确保以合乎道德的方式进行人类参与的研究[ 70]。由机构审查委员会批准和监督一项研究，确保研究人员采用符合伦理的研究方案，尊重社交媒体用户的权利和利益;62%(26/42)的研究提到正在寻求伦理批准审查或研究免于伦理要求。38%(16/42)的研究未提及伦理批准。

使用标准报告系统，例如美国食品和药物管理局的报告，有助于评估社交媒体研究结果是否可以推广到现实世界的数据。当没有合适的真实数据集时，针对>1社交媒体平台验证结果可以提高结果的泛化性和有效性。只有少数研究使用了bbbb1社交媒体数据源或通过其他数据源验证了他们的发现。在42项研究中，2项(5%)研究使用食品和药物管理局的数据作为外部真实数据来源来验证其结果[ 36， 53]。在42项研究中，1项(2%)研究分析了几个网络论坛[ 31]，另有2项(5%)研究使用多个社交媒体平台作为数据来源[ 22， 47]。

被审查的研究使用的大麻研究消费者生成数据的来源包括社交媒体平台，如Twitter、Reddit和YouTube;搜索查询，包括谷歌趋势和必应查询日志;以及网络论坛、众筹平台、博客和网站。大多数研究都使用了Twitter。其中一项研究得出结论，与未经审核的平台相比，经过审核的网站更注重循证信息，并控制误导性内容[ 22]。

一些研究使用社交媒体分析公司来完成部分或全部数据收集和处理任务。其他研究使用应用程序接口与Twitter和Reddit进行交互。尽管Facebook允许研究人员通过专用平台从公共页面访问公共帖子[ 71]， 2%(1/42)的研究[ 58]分析了Facebook的私人帖子——用于获取数据的方法没有被报道。

大约一半的研究使用了<8000条记录的数据集，其中许多使用了1000条记录。这些研究要么关注于了解用户的特征和需求，要么关注于网络信息的质量，要么关注于RQ，如“个人是否在使用CBD治疗有循证治疗的可诊断疾病?”这些分析在理解领域方面起着关键作用，但很难复制和推广。

最近的基于神经网络的自然语言处理技术尚未在本综述的研究中使用。这些现代机器学习方法的优点是，它们需要最少的数据准备，并且具有学习语言细微差别的能力。然而，为了有效地工作，它们通常需要高质量的带注释的数据——这是一种稀缺且昂贵的资源。文本社交媒体数据非常适合这些技术。为此目的，应在适当的道德、监管和法律框架内鼓励创建和共享未识别的注释数据集[ 72]。

这些限制是按频率顺序列出的。