在中国首次COVID-19后重新开放期间,通过社交媒体评估社区的性:来自机器学习的见解

科学领域:

• * * 公共卫生 公共卫生
• * 社会科学 * 社会科学
• * 数据科学数据科学

背景情况:

• *加强社区的性对于应对传染病流行病至关重要.
• *评估社区的性和确定增强因素是必不可少的.
• * 本研究利用微博用户数据和可解释机器学习 (ML) 来评估社区的弹性.

研究的目的:

• *使用社交媒体数据评估社区的恢复力.
• * 确定有助于社区恢复力的关键指标.
• *为改进公共卫生紧急响应的策略提供信息.

主要方法:

• * 一项横截面研究分析了2022年12月至2023年1月的1.77万条微博帖子.
• *利用自然语言处理 (NLP),K-means (KM) 集群,随机森林 (RF) 分类,以及夏普利添加式解释 (SHAP).
• * 开发了一个评估框架,其中包含13个社区弹性指标.

主要成果:

• *确定了四个社区弹性水平:低 (77.64%),中低 (9.86%),中高 (10.55%) 和高 (1.95%).
• *揭示了区域差异,在中国东部的弹性更高.
• * 弹性的主要指标包括"表现利他主义反应的有效性"",有形援助参与"和"利他主义的快速表现".

结论:

• * 这项研究是第一个使用社交媒体数据量化中国大陆社区性.
• * 确定了五个关键指标,可以为政府的健康紧急准备战略提供信息.
• * 调查结果支持加强决策,以改善公共卫生反应.