Facebook Pixel Facebook Pixel

你喜歡在網上發牢騷嗎?Twitter 從推文預測心血管疾病高危險群

2015-02-11
PunNode
你喜歡在網上發牢騷嗎?Twitter 從推文預測心血管疾病高危險群

還記得前一陣子風靡臉書的文字雲(文章詞彙分析機)嗎?作者透過自製演算法和矩陣函式,分析發文常出現的詞彙,一目瞭然使用者最近在關注什麼、心情又是如何。而美國賓州大學近日發布一項研究,根據 Twitter(推特)使用者推文,預測常分享快樂、正面情緒的人,有較低的比率罹患心血管疾病,反之,負面情緒推文者則有較高的比率患病。

這項研究發表於 Psychological Science,跨足多項領域:醫學、心理學、公共衛生、甚至是公民規劃,研究人員採用自 2009 年到 2010 年,共約 1.48 億則推文做為研究對象,預測動脈粥樣硬化心臟疾病 (AHD) 死亡率,結合了十種常見的人口、社會經濟和健康危險因素,建立了預測模型。在 1,300 個城鎮、佔美國 88% 人口數的研究對象當中,賓州大學發現言語情緒是預測心血管疾病的代表因子,更勝其他獨立因素如:收入、吸菸、高血壓等等。

tweetsheart

不過,儘管推文內容與疾病預測有一定的關聯性,外界仍然提出以下幾點質疑:

  1. 雖然樣本數佔美國人口 88%,卻仍只代表一部份的人口。
  2. Twitter 使用者傾向年輕族群。
  3. Twitter 推文無法完全連結現實生活。
  4. 推文數增加可能會增加該地區罹病機率,但可能只是有新用戶註冊了帳號。
  5. 情緒分析可能在會因為議題不同而被影響。

賓州大學進一步指出,Twitter 內容在深度與廣度上,都超越了傳統研究層面,其預測結果也和分析 CDC 資料的 Google 流感趨勢模型極為相似。顯示推文的內容可以反映負面的社會關係,又以憤怒為危險因素,有較高的機率誘發心血管疾病;正面情緒與積極心理則成為保護因素,較低機率落於心血管疾病高危險群。

map-plot-final

賓州大學藉由推文內容間接預測心血管疾病發生率,而推文內容往往受社區內的人事物與政策影響,因此其研究結果和社群有密切相關。

賓州大學教授 Lyle Ungar 表示:「我們將長期深入探究社區的特質。言語代表的是乾柴,而非轉瞬即滅的星火。或許無法預測每一個城鎮中疾病發生的時間,但我們卻可以從言語了解哪些城鎮需要多加留意。」

 

原文出處:本文轉載自合作媒體 PunNode

延伸閱讀:ASIA BEAT 冠軍 QSearch,如何利用社群媒體大數據實現民主化?

 

嚴禁抄襲,若欲轉載,敬請註明出處「SmartM」並附上原文連結。
歡迎各大媒體交換文章連結。
圖片來源:主圖、縮圖: Flickr-Ji Ruan(C.C. Licensed)
加入SmartM粉絲團,更多電商訊息等你關注 https://www.facebook.com/smartm.tw
【超過300本影音說書陪你成就更好的自己】讓大大學院與你共讀,幫助「沒時間讀書」、「讀書速度很慢」、「讀完就忘記」、「抓不到重點」的你,利用18分鐘領略閱讀的樂趣,吸收並帶走鮮明觀點,真正讓知識內涵融會於日常生活。立即點擊加入
大大讀書|全台最大線上影音說書
本網站內容未經允許,不得轉載。歡迎來信投稿、洽談文章授權。

關注職場最新趨勢,為知識學習創造最佳環境

大大學院「全台最大影音說書.知識學習平台」,致力於推廣終生學習、培養職場人士的閱讀習慣。

按讚、追蹤「大大學院」Facebook粉絲團,每天更新最新職場趨勢文章,帶你掌握關鍵資訊。

加入「大大學院|職場趨勢新觀點」,最新、最實用的職場課程都在這,學習資訊不漏接!請用手機點擊「加入Line好友」連結,或是掃描QR Code加入。

處理中