Análise exploratória de dados do Twitter
compreendendo as conexões da informação de saúde durante o surto da febre amarela em 2017
DOI:
https://doi.org/10.36311/1940-1640.2020.v14n3.10179Palavras-chave:
Redes Sociais, Mineração de Dados, Febre Amarela, Análise Exploratória de GrafosResumo
Este artigo apresenta uma análise exploratória de como as informações de saúde foram compartilhadas e discutidas no Twitter em termos de tópicos de conscientização e posicionamentos durante surto da Febre Amarela de 2017 no Brasil. Para isso, foi utilizada a abordagem de mineração de dados com análise exploratória de grafos. Como principais resultados, foram identificados os picos de mensagens comparados aos picos de casos notificados em algumas regiões do país, uma análise das hashtags vinculadas ao principal assunto e diferentes tópicos oriundos da análise exploratória de grafos como campanha de vacinação, sentimentos, prevenção, rumores, outras doenças vinculadas ao mesmo transmissor entre outros. Este estudo demonstrou que as redes sociais, como o Twitter, oferecem oportunidades únicas para a vigilância participativa, podendo auxiliar no monitoramento de alguns aspectos da saúde pública e oferecer dados adicionais aos gestores de saúde de como as pessoas interagem durante um surto.
Downloads
Referências
Araújo, Gabriela Denise., et al. “Sentiment Analysis of Twitter’s Health Messages in Brazilian Portuguese”. J. Health Inform, vol. 10, no. 1, p. 17-24, 2018.
Appel, Ana Paula. Métodos para o pré-processamento e mineração de grandes volumes de dados multidimensionais e redes complexas. 2010. Universidade de São Paulo, Instituto de Ciências Matemáticas e de Computação, Tese de doutorado.
Bardin, Laurence. Análise de conteúdo. São Paulo: Edições 70, 2016.
Beykikhoshk, A., et al. “Using Twitter to Learn about the Autism Community”. Soc. Netw. Anal. Min., vol. 5, no. 22, 2015. https://doi.org/10.1007/s13278-015-0261-5
Boldrini, Angela. “Surto de febre amarela no Brasil é o maior de série histórica, desde 1980”. Folha de S. Paulo, São Paulo, 26 jan. 2017.
Brasil, Ministério da Saúde, Secretaria de Vigilância em Saúde. Informe especial febre amarela no Brasil nº 01/2017, Saúde, 2017a, portalarquivos.saude.gov.br/images/pdf/2017/marco/18/Informe-especial-COES-FA.pdf
Brasil, Ministério da Saúde, Secretaria de Vigilância em Saúde, Centro de Operações de Emergências em Saúde Pública sobre Febre Amarela. Informe nº43/2017b, 2017b, portalarquivos.saude.gov.br/images/pdf/2017/junho/02/COES-FEBRE-AMARELA---INFORME-43---Atualiza----o-em-31maio2017.pdf
Brasil, Ministério da Saúde, Secretaria de Vigilância em Saúde, Departamento de Vigilância de Doenças Transmissíveis. Febre amarela silvestre no Brasil, 2017c, www.saude.gov.br/images/pdf/2017/junho/22/1.%20b%20-%20FA_CIT_22.06.2017.pdf
Dorow, Beate. A Graph Model for Words and their Meanings, 2006. Universität Stuttgart, PhD Dissertation.
Grover, Purva, et al. “Technology enabled Health” – Insights from twitter analytics with a socio-technical perspective. International Journal of Information Management, vol. 43, p. 85–97, 2018.
Guimarães, Raphael Mendonça, et al. “Os desafios para a formulação, implantação e implementação da Política Nacional de Vigilância em Saúde”. Ciênc. saúde coletiva, Rio de Janeiro, vol. 22, no. 5, p. 1407-1416, 2017.
Hoffman, L. Beth., et al. “It’s not all about autism: The emerging landscape of anti-vaccination sentiment on Facebook”. Vaccine, vol. 37, p. 2216-2223, 2019.
Klein, Gisiela Hasse, Guidi Neto, Pedro and Tezza, Rafael. “Big Data e mídias sociais: monitoramento das redes como ferramenta de gestão”. Saúde soc., vol.26, no.1, p.208-217, Mar 2017, ISSN 0104-1290. http://dx.doi.org/10.1590/s0104-12902017164943.
Lakatos, Eva Maria. Fundamentos de metodologia científica. 8th ed. São Paulo: Grupo Gen - Atlas, 2017.
Miller, Wendy R., et al. “Word Adjacency Graph Modeling: Separating Signal From Noise in Big Data.” Western Journal of Nursing Research, vol. 39, no. 1, pp. 166–185, Jan. 2017, https://doi.org/10.1177/0193945916670363
Sanders-Jackson, A., et al. “Applying linguistic methods to understanding smoking-related conversations on Twitter”. Tobacco Control, vol. 24, p. 136-138, 2015.
Stefanidis, A. et al. “Zika in Twitter: Temporal Variations of Locations, Actors, and Concepts”. JMIR Public Health Surveill, vol. 3, no. 2, 2017.
Tangherlini, R. T. et al. “Mommy Blogs” and the Vaccination Exemption Narrative: Results From A Machine-Learning Approach for Story Aggregation on Parenting Social Media Sites. JMIR Public Health Surveill, vol. 2, no. 2, p. 166, 2016.
Downloads
Publicado
Edição
Seção
Licença
Ao submeter um artigo os autores mantêm os direitos autorais do mesmo, cedendo ao Brazilian Journal of Information Science plenos direitos para publicação do referido texto.
O (s) autor (es) concorda(m) que o artigo, se aceito editorialmente para publicação, deve ser licenciado sob a licença Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) (http://creativecommons.org/licenses/by-sa /4.0) Os leitores / usuários são livres para: - Compartilhar - copiar e redistribuir o material em qualquer meio ou formato - Adaptar - remixar, transformar e desenvolver o material para qualquer finalidade, mesmo comercialmente. O licenciante não pode revogar essas liberdades desde que você siga os termos da licença. Sob os seguintes termos: - Atribuição - Você deve dar o crédito apropriado, fornecer um link para a licença e indicar se foram feitas alterações. Você pode fazê-lo de qualquer maneira razoável, mas não de maneira que sugira que o licenciante endossa você ou seu uso. - ShareAlike - Se você remixar, transformar ou desenvolver o material, deverá distribuir suas contribuições sob a mesma licença que o original. Sem restrições adicionais - Você não pode aplicar termos legais ou medidas tecnológicas que restrinjam legalmente outras pessoas a fazer o que a licença permitir. Avisos: - Você não precisa cumprir a licença para elementos do material em domínio público ou nos casos em que seu uso é permitido por uma exceção ou limitação aplicável. - Não há garantias. A licença pode não fornecer todas as permissões necessárias para o uso pretendido. Por exemplo, outros direitos, como publicidade, privacidade ou direitos morais, podem limitar a maneira como você usa o material.
Creative Commons Attribution-ShareAlike 4.0 International License
