在信息化时代，人们生活在一个规模难以想象的数字化世界中。人们在微博、微信、论坛、贴吧、搜索引擎、网站、博客等留下海量数据，其中以半结构和非结构化文本数据为主。而计算能力的增强和文本挖掘技术的发展，使得挖掘文本数据中的隐含价值成为现实^[1]。目前，文本分析在计算机领域、语言文学领域等应用广泛，文献发文量逐年快速增长。以中国知网为例，关于“文本分析”的文章从2006年的251篇上升至2017年的1426篇，增长约5倍。目前，文本分析方法学方面的文献较多，但文本分析在公共卫生领域中的应用仍较局限，特别是在国内^[2]。为帮助公共卫生领域学者加深对文本分析的理解，促使更多学者将文本分析应用到公共卫生领域，拓宽公共卫生数据新来源，全面促进人人健康^[3]，本文针对文本分析在公共卫生领域中的应用状况综述如下。

文本分析是介于定性分析和定量分析之间的一类分析方法，文本是记录人们思想、感情、观点和信仰的主要方法，通过对文本的分析，可了解研究对象的观点、态度等^[4]。如分析新浪微博上与某医院相关的文本，能知晓公众对该医院的满意度情况。文本分析具有客观性和研究成本低特点，客观性：研究者可以在不干扰研究对象的情况下收集信息，减少实验偏倚，增加结果的可靠性；研究成本低：文本数据的收集可通过网络爬虫技术或文献数据库等方式获取。同时文本分析也具有2个缺点：（1）敏感信息的可及性相对较差，敏感信息，如吸毒或性相关信息等，其在文本中出现的频率低，故需要海量文本才能进行有效提取；（2）数据的背景噪声大，需考虑数据准确性^{[2 – 3]}。一切文本资料或可转为文本的资料均可作为数据源^[4]。目前常用的数据源包括文献、社交媒体帖子、新闻报道、网上论坛、博客、视频、应用软件功能介绍、健康宣传资料、访谈记录或半结构化问卷、政策文件和邮件等。

其原理是识别文本中与疾病发生、发展相关的影响因素或言语特征，进而建立疾病或疾病相关行为的风险预测模型，实时评估和预测某研究对象患有某种疾病或发生疾病相关高危行为的风险。目前，疾病监测与预测的研究方向有流感、登革热、艾滋病、抑郁、创伤后应激障碍、自杀行为等。如通过分析Twitter上包含人类免疫缺陷病毒（human immunodeficiency virus，HIV）相关高危关键词的文本，对比当地实际艾滋病的历年发病率，发现两者存在明显的正相关，表明可利用社交媒体上的文本资料来实时识别HIV高危性行为和监测HIV^[5]。通过分析印度2014年每月与登革热相关的新闻报道，发现下雨天气与登革热报告例数呈正相关^[6]。通过分析抑郁症临床实践指南、文献和社交媒体言语特征，总结443个青少年抑郁特征，从而通过识别网络文本的抑郁特征来监测青少年抑郁信号^[7]。通过分析有惨痛经历患者的自我陈述信息，识别可能患有创伤后应激障碍的患者^[8]。通过对比微博上高危自杀人群和一般人群的微博言语特征，发现自杀言语特征并将其用于监测自杀^[9]。

体现在了解公众对药物、慢性病、疫情、卫生相关政策等的意见、态度和需求，包括大麻、阿片类物质和抗焦虑抗抑郁等药物，压力，高血压、糖尿病等慢性病，疫苗接种，性认知，埃博拉、寨卡病毒疫情，饮酒、控烟政策等。通过分析Twitter上的与大麻和酒精相关文本，发现相对于酒精，公众更喜欢大麻^[10]。通过分析19 052条与大麻相关的文本，发现近期的大麻相关产品毒性更强^[11]。通过分析Twitter上73 235条与阿片类物质相关的文本，了解阿片类药物热门话题及数量，从而知晓公众对阿片类物质的态度^[12]。通过分析48个与双相情感障碍管理有关的应用软件app，发现患者需求仍未得到完全满足^[13]。通过分析2 415个与抗抑郁药和抗焦虑药相关的网络社区帖子，发现患者主要担忧抗抑郁药截断作用，并有分享经历的需求等^[14]。通过分析2 107条与压力相关的文本，了解公众对压力的表达以及减压措施^[15]。通过分析“百度知道”中6 888条高血压相关文本，发现公众最大关注点是日常疾病管理^[16]。通过对YouTube上疫苗相关的123个视频进行分析，发现多数视频对促进疫苗使用起到正向作用，但反对疫苗接种的视频获得更多点赞和转发^[17]。通过分析与人乳头瘤病毒疫苗相关的270个网站，了解公众支持或反对注射疫苗的意见，有利于开展有针对性的疫苗接种宣传教育活动^[18]。通过分析Facebook上与性相关的2 186条文本，总结青少年目前对性的认识、需求和担忧^[19]。通过分析感染埃博拉病毒患者的文本，了解其面对的社会处境^[20]。通过分析Twitter上寨卡病毒相关的文本，了解公众对疫情的反应和态度^[21]。通过分析新控烟或新饮酒政策相关的文本，发现多数公众对该类政策持负面态度^{[22 – 23]}。通过对坦桑尼亚的贫穷男人就艾滋病自检工具包购买行为进行深入访谈和内容分析，发现推广HIV自检行为的难点^[24]。

包括了解吸烟、饮酒、运动、洗手和购买等行为的现状、特征和评价健康相关干预效果等。如利用健康行为理论框架分析2011 — 2015年新浪微博上反吸烟运动的相关文本，发现37.18 %公众认为吸烟有害健康^[25]。通过评估现有戒烟相关的app具体功能和内容，并与中国临床戒烟指南对比，发现戒烟app并未能符合临床指南要求^[26]。通过分析266个饮酒管理的app，发现当前该类app能帮助用户控制饮酒量^[27]。通过分析2个运动app，发现用户能从平台获得社会支持，进而促进运动^[28]。通过分析与世界洗手日相关的文本，评估洗手运动的推广效果^[29]。通过对11个与营养相关的app评估，发现当前该类营养app可促使人们购买健康食品^[30]。

包括分析自杀、HIV自检行为、孤独症、儿童肥胖、阿尔兹海默症等行为或疾病的相关文献，了解健康相关行为特征及影响因素。如通过分析公众自杀量表得分与其微博发帖内容，发现有自杀倾向公众的特征（包括社交活跃度低、夜间更加活跃等）^[31]。通过分析2003 — 2012年与孤独症相关的新闻报道，发现多数报道将孤独症归因于家庭问题^[32]。通过分析近30年关于儿童肥胖的新闻，发现新闻报道多偏重个人因素^[33]。通过分析所有与某疾病相关的文献，总结其影响因素、基因和蛋白质，构建基因-疾病网络、蛋白质-疾病网络、疾病-疾病网络等，不仅能减少时间成本，还能更好的了解疾病的发生和发展，为疾病治疗与预防提供指导信息^{[34 – 35]}。如通过搜集与阿尔兹海默症有关的基因异常表达数据和相关表达数据，构建该病的基因调控网络^[36]。

包括评估公众的精神卫生或心理健康，探索公众心理现状、需求及其影响因素。目前，研究主要集中在情绪等心理健康方面。如通过分析195万微博用户的帖子，发现中午和晚上8点是正向情绪高峰^[37]，而Fan等^[38]学者发现，在微博中用户表达生气的情绪比表达开心的情绪更具影响力。

包括分析政策文件、新闻报道或社交媒体上的公众意见，进行舆情分析、提供政策修改意见、优化卫生资源及改善卫生管理。目前的研究方向有：医药卫生事业改革、卫生相关政策、卫生服务资源及服务质量、健康服务业监管、医院制度及管理等。如通过分析1978 — 2015年75项医疗卫生政策文本，建议创造针对新医改的政策工具^[39]。通过分析1949 — 2013年医师多点执业的相关文献，建议完善多点执业政策本身及配套政策^[40]。通过分析“双向转诊”文献，发现国内外研究的重点和热点^[41]。通过空间分析和文本分析，识别医师的地域分布，有助于解决卫生服务资源分布不均衡问题^[42]。通过分析急诊科的电子病历，预测近期医院的入院率，进而有利于医院资源的合理配置^[43]。通过评估131家医院Facebook上的患者评论，发现患者评论能预测医院的卫生服务调查评估结果^[44]。通过分析北京、上海、深圳等地健康服务业相关政策内容，发现健康服务业监管体系和管理方式有待改善^[45]。通过分析2002 — 2015年329起关于医闹事件的新闻，发现40 %医闹实施者曾求助于专门处理医疗纠纷的科室，但最终走向暴力维权，提示，医院管理和制度方面仍需改善^[46]。通过微博舆情分析，可获取与医院相关的负面舆情，进而对医疗服务投诉进行精准处理和实时管理^[47]。通过分析“好医生”平台2006 — 2014年医生与患者对话信息，有助于医院进行管理决策和医生进行精准治疗^[48]。

包括了解公众对某个特定领域的认知情况，评价当前健康信息的科学性，进而制定精准干预措施。目前文本分析在健康教育领域应用较广，包括疾病管理、预防、健康知识科学性评估。如通过分析网上艾滋病直播的记录文件、“艾滋病吧”帖子、文献和定性访谈资料，发现公众对艾滋病的认知逐年提高，但总体认知水平仍较低；HIV检测、诊断和症状等仍是主要问题^{[49 – 51]}。通过对比分析不同年龄段的HIV阳性患者的定性资料，发现年轻者更担忧疾病被暴露和家庭问题，而年老者则更希望获得社会支持^[52]。通过分析产妇的电话咨询内容，发现产妇关心的首要问题是新生儿喂养^[53]。通过分析与疾病控制中心相关的2012年网络报道，发现控烟、营养和健康生活方式的报道是重点^[54]。

分析保健产品和网上关于维生素D促进钙吸收信息的科学性时发现保健产品功效宣称和网上健康教育信息存在不科学的误导^[55]。通过分析福建省17种报纸中健康信息，发现平均每篇健康相关的广告存在2.4个误导信息^[56]。通过文献分析，发现我国存在食品药品安全交流信息不对称和消费者辨伪能力不足的问题^[57]。通过分析澳大利亚25个与婴幼儿食品相关的网站广告，发现至少72 %广告包含营养含量宣称，但这一现象严重违背了联合国政策^[58]。通过分析户外非酒精性饮料的77个广告，发现13 %的广告以儿童作为销售目标，应降低或禁止此类广告^[59]。通过分析美国64个怀孕相关网站，发现存在大量的误导信息^[60]。通过分析12家电子香烟制造商的官网，发现89 %宣传电子烟有益健康，且倡导妇女和青少年使用电子烟，应加强食品药品市场监管^[61]。通过分析2009 — 2014年442个与疲劳驾驶相关的视频，发现约40 %针对缓解疲劳的对策是无效的^[62]。

表 1

表 1 文本分析在公共卫生领域中具体应用 领域 应用方向 时间、地点 数据源 结果 疾病监测与预测 艾滋病 2014美国[5] Twitter HIV相关高危词的出现频率与当地艾滋病的发病率存在正相关，可实现HIV监测。 登革热 2017印度[6] 新闻报道 下雨天气与登革热报告例数呈正相关。 抑郁症 2017韩国[7] 社交媒体 总结443个抑郁特征可作为青少年的抑郁监测信号。 创伤后应激障碍 2017荷兰[8] 患者自我陈述 通过分析患者的自我叙述，预测其患有创伤后应激障碍的概率。 自杀行为 2017中国[9] 微博 发现高危自杀人群的微博言语特征可实现网络监测自杀行为。 公众意见、态度和 大麻 2017美国[10 – 11] Twitter论坛 相对于酒精，公众更喜欢大麻；近期的大麻相关产品毒性更强。 需求 阿片类物质 2017美国[12] Twitter 了解公众对阿片类物质的态度。 双相情感障碍 2017澳大利亚[13] APP 双相情感障碍患者需求仍未得到完全满足。 抑郁、焦虑患者需求 2017澳大利亚[14] 网络社区 患者主要担忧抗抑郁药截断作用，并有分享经历的需求等。 压力 2017美国[15] Twitter 了解公众对压力的表达以及减压措施。 高血压管理 2016中国[16] 百度知道 公众最大关注点是日常疾病管理。 疫苗接种 2017意大利[17]和 日本[18] YouTube、谷歌、雅虎 多数疫苗相关视频对促进疫苗使用起到正向作用，但反对疫苗接种的视频获得更多点赞和转发；了解公众反对接种人乳头瘤病毒疫苗的意见。 性认知和需求评估 2017中国[19] Facebook 总结青少年目前对性的认识、需求和担忧。 埃博拉病毒和寨卡病毒 2017利比里亚[20]；2016中国、雅典[21] Twitter 了解感染埃博拉病毒患者面对的社会处境。了解公众对寨卡病毒疫情的反应和态度。 吸烟、饮酒 2017美国[22]； 2017英国[23] Twitter 多数公众对新控烟或新饮酒相关政策持负面态度。 HIV自检 2017坦桑尼亚[24] 访谈记录 发现推广HIV自检行为的难点。 健康相关干预效果 评价 吸烟管理 2016中国[25] 2017中国[26] 微博、APP 37.18 %公众认为吸烟有害健康。戒烟app并不符合临床指南要求。 饮酒管理 2017美国[27] APP 饮酒管理app可帮助用户控制饮酒量。 运动管理 2017美国[28] RunKeeper and Twitter 用户能从运动app平台获得社会支持来促进运动。 洗手 2015中国[29] 微博 评估洗手运动的推广效果。 健康食品购买 2017英国[30] 数据库 营养app可促使人们购买健康食品。 健康相关行为特征 自杀 2015中国[31] 微博 有自杀倾向的公众有社交活跃度低、夜间更加活跃等特征。 和影响因素 孤独症 2015中国[32] 新闻报道 多数报道将孤独症归因于家庭问题。 儿童肥胖 2010中国[33] 电视台新闻 儿童肥胖新闻报道多偏重个人因素。 疾病网络 2013、2016中国[34 – 35] 数据库 总结某些病的影响因素、基因和蛋白质，构建基因 – 疾病网络、蛋白质 – 疾病网络、疾病 – 疾病网络等。 基因-疾病网络 2017中国[36] 数据库 搜集与阿尔兹海默症有关的基因异常表达数据和相关表达数据，构建该病的基因调控网络。 精神卫生或心理 情绪 2016中国[37] 微博 中午和晚上8点是综合情绪高峰。 健康 负向情绪 2014中国[38] 微博 用户表达生气的情绪比表达开心的情绪更具影响力。 卫生政策与管理 医药卫生事业改革 2016中国[39] 医疗卫生政策文本 建议创造针对新医改的政策工具。 2014中国[40] 医师多点执业相关文献 建议完善多点执业政策本身及配套政策。 2010中国[41] 维普、知网 发现国内外研究“双向转诊”的重点和热点。 卫生服务资源 2016美国[42] 医学协会 识别医师的地域分布，有助于解决卫生服务资源分布不均衡问题。 2017巴西[43] 病历 电子病历能预测近期医院的入院率，进而优化资源配置。 2017美国[44] Facebook 患者评论能预测医院的卫生服务调查评估结果。 卫生相关政策 2016中国[45] 知网、万方、维普 健康服务业监管体系和管理方式有待改善。 卫生服务资源 2017中国[46] 百度新闻 40 %医闹实施者曾求助于专门处理医疗纠纷的科室，但由于各种原因，最终走向暴力维权，说明医院管理和制度方面仍需改善。 2013中国[47] 微博 获取与医院相关负面舆情，进而对医疗服务投诉进行精准处理和实时管理。 2016中国[48] “好医生”平台 医患对话信息有助于医院管理决策和精准治疗。 健康教育 艾滋病管理 2003、2005、2012、2017中国[49 – 52] 网站、帖子、文献记录 公众对艾滋病的认知逐年提高，但总体认知水平仍较低；HIV检测、诊断和症状等仍是主要问题；HIV阳性年轻患者更担忧疾病被暴露和家庭问题，而年老者则更希望获得社会支持。 产后管理 2006中国[53] 电话咨询内容 产妇关心的首要问题是新生儿喂养。 慢性病防控 2014中国[54] 网络报道 疾病控制中心相关的2012年网络报道中控烟、营养和健康生活方式是重点。 食品药物广告评估 2012、2015、 2017中国[55 – 57]； 2017澳大利亚[58]； 2014加纳[59] 文献、报纸、网站 保健产品功效宣称和网上健康教育信息存在不科学的误导；福建省17种报纸中平均每篇健康相关的广告存在2.4个误导信息；我国存在食品药品安全交流信息不对称和消费者辨伪能力不足问题；澳大利亚25个与婴幼儿食品相关网站广告中至少72 %广告包含有营养含量宣称，严重违背联合国政策；13 %的户外非酒精性饮料广告以儿童为销售目标，应降低或禁止该类广告。 健康信息评估 2017格鲁吉亚[60] 网站 美国64个怀孕相关网站中存在大量的误导信息。 电子香烟 2016中国[61] 阿里巴巴 12家电子香烟制造商中89 %宣传电子烟有益健康，倡导妇女和青少年使用电子烟，应加强食品药品市场监管。 疲劳驾驶视频 2017澳大利亚[62] YouTube 2009 — 2014年442个与疲劳驾驶相关的视频中约40 %针对缓解疲劳的对策是无效的。

表 1 文本分析在公共卫生领域中具体应用

目前，从文本分析应用的广度和深度来看，国外研究进展快于国内。国内目前使用的数据源以文献、新闻报道和新浪微博为主。而国外的数据源以Twitter、Facebook、应用软件、视频和广告为主。国内应用的领域以健康教育和卫生政策为主，国外已延伸到疾病监测、行为健康、药物滥用和心理健康等方面。当前，可使用的文本分析工具有编程软件Python和R语言，非编程软件有KH Coder、Wordstat、RefViz和ROST内容挖掘系统（ROST Content Mining，ROSTCM）等。对于公共卫生学者而言，应用文本分析的难点在于方法或工具的使用。由于汉语语言的复杂性和多样性，当前多数文本分析工具也以英文为主，阻碍了文本分析在公共卫生领域的应用。但随着信息技术的发展，越来越多的文本分析工具将应运而生，文本分析在公共卫生领域的应用也将越来越广泛。