ソーシャルメディア、検索クエリ、および人口統計データを利用した米国の肥満有病率の評価

Use of Social Media, Search Queries, and Demographic Data to Assess Obesity Prevalence in the United States.

• Nina Cesare
• Pallavi Dwivedi
• Quynh Nguyen
• Elaine O Nsoesie

抄録

肥満は数百万人に影響を与える世界的な流行病である。肥満率を抑制するための介入の実施には、タイムリーなサーベイランスが必要である。本研究では、ソーシャルメディア、検索クエリ、人口統計学、および構築された環境変数を使用して、性別ごとの肥満有病率を推定した。我々は、2015年4月から2016年3月までの間に、TwitterのストリーミングAPIから、食べ物と運動に関する3,817,125と1,382,284のそれぞれ地理的に割り当てられたツイートを収集した。また、同期間のGoogle Search Trendsから、運動と食事に関する検索を取得した。次に、機械学習法を用いてTwitterユーザーの性別を推測し、混合効果状態レベルの線形回帰モデルを適用して肥満有病率を推定した。身体活動と食品に関する議論に違いが見られ、男性は40州と48州でそれぞれ強度の高い身体活動とカロリーの低い食品を報告していました。さらに、運動と食品のツイートの割合が最も高い郡では、男性の肥満有病率と女性の肥満有病率が低かった。最後に、我々のモデルは別々に肥満有病率の全体的な男性と女性の空間的傾向を捉えた。実際の肥満有病率と推定肥満有病率の平均相関は、男性と女性でそれぞれ0.789（95％CI、0.785、0.786）と0.830（95％CI、0.830、0.831）であった。ソーシャルメディアは、健康情報を求める行動、感情、規範の変化に関するコミュニティレベルのデータをタイムリーに提供することができる。ソーシャルメディアのデータは、人口統計、建築環境変数、他のデジタルソース（モバイルアプリケーションやウェアラブルなど）からの食事や身体活動指標などの他のデータタイプと組み合わせて、異なる地理的スケールでの健康行動をモニターしたり、従来のサーベイランスシステムからの遅延推定値を補完したりすることも可能である。

Obesity is a global epidemic affecting millions. Implementation of interventions to curb obesity rates requires timely surveillance. In this study, we estimated sex-specific obesity prevalence using social media, search queries, demographics and built environment variables. We collected 3,817,125 and 1,382,284 geolocated tweets on food and exercise respectively, from Twitter's streaming API from April 2015 to March 2016. We also obtained searches related to physical activity and diet from Google Search Trends for the same time period. Next, we inferred the gender of Twitter users using machine learning methods and applied mixed-effects state-level linear regression models to estimate obesity prevalence. We observed differences in discussions of physical activity and foods, with males reporting higher intensity physical activities and lower caloric foods across 40 and 48 states, respectively. Additionally, counties with the highest percentage of exercise and food tweets had lower male and female obesity prevalence. Lastly, our models separately captured overall male and female spatial trends in obesity prevalence. The average correlation between actual and estimated obesity prevalence was 0.789 (95% CI, 0.785, 0.786) and 0.830 (95% CI, 0.830, 0.831) for males and females, respectively. Social media can provide timely community-level data on health information seeking and changes in behaviors, sentiments and norms. Social media data can also be combined with other data types such as, demographics, built environment variables, diet and physical activity indicators from other digital sources (e.g., mobile applications and wearables) to monitor health behaviors at different geographic scales, and to supplement delayed estimates from traditional surveillance systems.