Psychological language on Twitter predicts county-level heart disease mortality.
Psychological language on Twitter predicts county-level heart disease mortality.
复制标题
DOI：
10.1177/0956797614557867
复制
发表时间：
2015-02
影响因子：
8.2
通讯作者：
Seligman ME
中科院分区：
文献类型：
--
作者：
Eichstaedt JC;Schwartz HA;Kern ML;Park G;Labarthe DR;Merchant RM;Jha S;Agrawal M;Dziurzynski LA;Sap M;Weeg C;Larson EE;Ungar LH;Seligman ME
敌意和慢性压力是已知的心脏病风险因素，但大规模评估它们的成本很高。我们使用推特上表达的语言来描述年龄调整后的动脉粥样硬化性心脏病(AHD)死亡率与社区层面的心理相关性。反映负面社会关系、脱离接触和负面情绪--尤其是愤怒--的语言模式成为风险因素；积极情绪和心理参与成为保护因素。在控制了收入和教育后，大多数相关性仍然显著。仅基于推特语言的横断面回归模型对AHD死亡率的预测明显好于结合了10个常见的人口统计学、社会经济和健康风险因素的模型，包括吸烟、糖尿病、高血压和肥胖。通过社交媒体捕捉社区心理特征是可行的，这些特征是社区一级心血管死亡的强烈标志。
Hostility and chronic stress are known risk factors for heart disease, but they are costly to assess on a large scale. We used language expressed on Twitter to characterize community-level psychological correlates of age-adjusted mortality from atherosclerotic heart disease (AHD). Language patterns reflecting negative social relationships, disengagement, and negative emotions—especially anger—emerged as risk factors; positive emotions and psychological engagement emerged as protective factors. Most correlations remained significant after controlling for income and education. A cross-sectional regression model based only on Twitter language predicted AHD mortality significantly better than did a model that combined 10 common demographic, socioeconomic, and health risk factors, including smoking, diabetes, hypertension, and obesity. Capturing community psychological characteristics through social media is feasible, and these characteristics are strong markers of cardiovascular mortality at the community level.
登录
查看更多内容
影响因子：
3.7
作者：
Chew C;Eysenbach G
通讯作者：
Eysenbach G
影响因子：
5.4
作者：
Lochner, KA;Kawachi, I;Buka, SL
通讯作者：
Buka, SL
影响因子：
5.4
作者：
Cohen, DA;Farley, TA;Mason, K
通讯作者：
Mason, K
影响因子：
6.3
作者：
Leyland, AH
通讯作者：
Leyland, AH
影响因子：
20.8
作者：
Auchincloss AH;Gebreab SY;Mair C;Diez Roux AV
通讯作者：
Diez Roux AV