■陈娟 郭雨丽
　　【本文提要】新传播技术不仅改变了媒介生态，也重塑了公共卫生防控体系。本文从社交媒体在疫情预测、公共沟通和传播干预等方面入手，分析了社交媒体如何介入公共卫生事件的防控。首先，基于事件与症状，社交媒体可以对公共卫生事件及疾病的发病率、规模进行预测；其次，通过推进公共参与，社交媒体可以弥合公共卫生资源获取上的不平等，促进疫情中的公共沟通；第三，社交媒体还能有效地参与健康传播干预，实现公众从认知到行为的改变。最后，文章探讨了社交媒体参与疫情防控中的数据与隐私问题及理性对话如何得以实现。
　　【关键词】社交媒体 公共卫生事件 防控
　　【中图分类号】G206
　　全球化快速推进带来了大规模人口流动，伴之以经济一体化、工业化、城市化、环境退化等因素，使得当今世界面临更为复杂的公共卫生危机，重大传染性疾病便是其中之一。近年来，国内外传染病疫情频发：2003年SARS、2009年甲型H1N1流感、2014-2015年西非埃博拉疫情、2015-2016年寨卡病毒疫情、2018-2019埃博拉疫情，以及2019年末2020年初在我国及全球爆发的新型冠状病毒肺炎疫情。
　　传染病防治是一个恒久的话题，“防与治”手段也随着社会、技术的发展而不断突破。新技术的发展带来对传染病监测、跟踪、报告和响应的新方法（Frenk & Gómez-Dantés， 2002），网络技术的进步正日益塑造着公共卫生的未来（Gittelman et al.， 2014）。一方面，社交媒体成为用户获取公共卫生信息最直接、便利的途径（Mcnab， 2009）；另一方面，社交媒体也已成为公众即时发布健康状况、疾病问题和疾病治疗信息最重要的渠道（Maeve， Nicole， Cliff， Amanda & Mary， 2015），这些由用户生成的健康信息，为公共卫生事件的监测及防治提供了突破口（Ping， Hsinchun & Daniel， 2010）。
　　与来自疾控中心、医疗机构的直报数据不同，用户生成的健康大数据包括传感器数据、社交媒体帖子、搜索引擎、新闻订阅等具体信息，来自不同的应用平台。相对于传统医疗机构所主导的数据生产，基于社交媒体的用户健康大数据更突出了将广泛个体健康数据集成化的总体价值。那么，社交媒体如何参与公共卫生事件的管理？本文聚焦于这个问题，对相关研究进行综述。
　　
一、监测：公共卫生事件何时会发生？
　　公共卫生监测指长期、系统、持续地收集公共卫生实践所需的健康数据及卫生相关问题，通过科学的分析和解释后得到重要的公共卫生信息，并及时反馈给相关组织或机构（Miquel， 2008）。公共卫生监测可作为识别疾病趋势和公共卫生问题的前哨，为接下来可能会发生的公共卫生事件提供预警，以实现防控中所强调的“早发现、早报告、早处理”（Rimal & Lapinski， 2009）。此外，监测到的数据还可以为评估控制疾病在人群中传播的干预措施提供基准，使卫生专家能更有效地制订干预措施与策略（Elliot， Bone， Morbey， Hughes， Harcourt & Smith， 2014）。
　　基于网络的公共卫生预测迅速展示了其独特优势，首先是更具有即时性和成本效益（Kass-Hout & Alhinnawi， 2013），其次是社交媒体允许本地化和个性化信息，能延展相关信息收集的外延，具有更精细的时间和空间分辨率（Chunara， Bouton， Ayers & Brownstein， 2013），可以大大提高现有流行病学信息的粒度和及时性，提供更为准确的传染病模型和预测前景（Bansal， Chowell， Simonsen， Vespignani & Viboud， 2016）。除了直接参与预测，还可以通过将病症属性与社交媒体数据进行集成，实现智能识别疑似感染者（Mitchell & Ross， 2016），以此来辅助政府和卫生机构进行医疗决策。
　　（一）基于事件与症状的社交媒体监测。传统疾病的监测分为两类：基于指标的监测和基于事件的监测（Velasco， Agheneza， Denecke， Kirchner & Eckmanns， 2014），主要依赖于医院或实验室向政府和卫生部门上报病例信息。这种方式存在以下弊端：一是即时性不强，二是在面对新疾病或流行病时，会因缺乏先前相关的病例统计数据而导致延报，这也是本次新冠肺炎在“直报系统”上惨遭滑铁卢的原因之一。社交媒体监测则主要是通过对社交媒体网站进行系统、持续地搜索，以获得最新消息（Avery & Johnson， 2017），这些信息可能与对人类健康造成威胁的事件或风险有关。实践表明，大量最初的疫情报告往往来自社交媒体的非正式渠道。如2013年被南京市江宁区鼓楼医院员工上传至微博的1例H7N9感染病例的医疗记录，引起相关部门对疾病的监控，及时地阻止了疾病的大规模扩散（Marcel， Freifeld， Mekaru， Tomasulo & Brownstein， 2013）。社交媒体为公众提供了随时随地分享自己健康状况和疾病症状的平台，获取这些用户生成数据可以使监测流行病学家发现潜在的公共卫生威胁，例如Broniatowski等研究者（2013）通过用户在Twitter上发布的流感症状帖子，以85%的准确率预测了流感患病率；Young等人（2014）也通过收集Twitter上的数据发现，与HIV相关的Twitter和HIV病例之间存在显著的正相关。社交媒体监测公共卫生事件的时效性强，能化被动监测为主动。如2010年海地爆发霍乱时期，Twitter、新媒体报道和数字监测工具等非正式来源比传统来源提前两周获取到霍乱相关信息（Chunara， Andrews & Brownstein， 2012）。再如，2012年Charles等研究者（2015）通过分析德国肠出血性大肠杆菌（EHEC）的相关推文，提前一天监测到该疾病的爆发。
　　（二）发病率与感染规模预测。社交媒体信息集聚化带来的不仅是数据集成，基于时间与空间的社交媒体数据还提供了个体间的时空关系网络（Padmanabhan et al.， 2013）。Chunara等人（2013）提出，较传统监测平台，数字监测平台所提供的疾病监测信息在时间和空间上的分辨率都高得多，可以对疾病进行快速、集中的监测。因此，在疾病爆发的早期，通过数学建模及大数据应用预测扩散范围可控制区域流动，并集中资源治理，可以大规模减少危害和人员伤亡。此外，我们还能根据疾病确诊者的活动轨迹，更快更准地识别出高风险接触者，并对其进行追踪和医学观察，以此降低疾病爆发的风险和受感染人数。2014年埃博拉病毒爆发期间，O’Donovan和Bersin（2015）利用mHealth策略，基于人群移动信号大数据分析进行救济协助、需求评估和疾病监测，在一定程度上控制了埃博拉疫情。除此之外，流行病学家正在积极探索应用社交媒体数据对发病率进行即时估计及预测的方式。如Mitchell和Ross（2016）根据公开数据提出能解释历史规律的流感传播数据驱动模型，用以辅助政府和卫生机构进行医疗决策。在美国，与流感有关的Twitter数据被发现与季节性流感相关，被卫生部门用来对发病率进行估算（Broniatowski， Paul & Dredze， 2013）。
　　虽然如上所述，社交媒体已经成为疫情等公共卫生事件检测的重要手段，但仍然只是起到辅助作用，目前在全世界范围内，尚未出现利用社交媒体来进行公共卫生事件监测的官方项目或机构，但已有一些系统将其作为补充性信息来源（表1　表1见本期第62页）。
　　
二、公共参与：弥合公共卫生资源获取上的不平等
　　《国际卫生条例》将风险沟通确定为指导公共卫生应对传染病的核心能力之一，合理、恰当的风险沟通在突发公共卫生事件的预防和处置中起到重要的作用。为什么风险沟通如此重要？原因在于疫情控制需要公众的一致行动。如日本和新加坡政府的“疾病爆发应对系统”（Dorscon）规定，“疫情较轻或疫情较重但不易传播”时，“病人应呆在家里，注意个人卫生，获取健康建议”；而当“疫情严重爆发但难以扩散至全国，且疫情是可控”的时候，要增加“基本的管控措施”；当“疫情严重爆发且扩散至全国”时，则要“严格隔离，避免人群聚集”。
　　在当今这个交通高度发达，个体流动性、自主性空前的社会，疫情防控必须首先关注“个体预防”，让每一个个体都参与疫情防控，将传染性疾病的“防”置于“治”之前，“公众认知”提升至“社会管理”之前。这意味着我们必须承认不同人群之间存在公共卫生资源获取上的不平等。引发不平等的原因很多，包括受教育水平、健康意识、感知严重性、文化背景等。如墨西哥裔美国人对自然紧急情况的反应经常有延迟，除了他们需要花时间与他们的大家庭沟通（Becker & Steven， 2011）之外，最主要的还是这些群体在紧急情况下无法获得足够的信息资源以采取行动，这里涉及文化和语言障碍、个人对风险的感知较低、对当局的不信任、缺乏准备和保护性行动，及经常性地依赖非正式的消息来源等（Andrulis， Siddiqui & Gantner， 2007）。很显然，这些差异会带来疾病防控的诸多问题，如美国的少数族裔及无法获得相应信息服务的群体通常会比普通公众遭受更多的灾难和更严重的后果（Savoia，Lin & Viswanath， 2013）。因此，传播有助于弥合认知及行为上的差异，降低疾病传播的
　　风险。
　　鉴于“社交媒体可以让传统上没有话语权的人发言，以非常民主的方式参与公共辩论，并促进信息和观点的交流”（Avery & Johnson，2017），欧美公共行政部门越来越多地采用Facebook、Twitter或YouTube等社交媒体与公众互动，社交网络现已成为疫情沟通的主渠道。不仅如此，在社交媒体上，任何一个公众都可能成为传播中心，并通过公众参与（Public engagement）弥合公共卫生交流中的不平等，在政府和公众之间建立一种超越信息交换的关系，支持公众互动并参与践行，从而促成更明智的政府决策（Frewer， 2000）。社交媒体上的公众参与可以在两个层面展开，公众沟通（Public communication）和公众践行（Public participation），前者带动认知，后者提升行为，两者互相促进。
　　（一）公众沟通。公共沟通旨在提供从行政部门到公民的单向信息流，社交媒体的即时沟通功能确保了其有效填补突发公共卫生事件发生后的信息缺失，能快速传达官方的紧急预警通知（Murthy， Krishna， Jones， Wolkin，Avchen & Vagi， 2019）。公共卫生事件发生伊始，卫生部门应通过包括社交媒体在内的所有媒体向公众传播信息，扩大警报与告知的覆盖范围。Savoia等人（2013）研究了131篇重大公共卫生事件中的公众沟通论文，发现公卫事件中最常见的应急准备沟通包括信息接触（63％）、对信息源的信任（40％）、信息寻求行为（29％）、信息处理（13％）和信息利用（31％），而最常用的结果沟通（outcome communication）则是预防行为（即免疫接种做法）（65％）、风险感知（54％）、对特定威胁的知识和认识（48％），以及情绪反应（即恐惧）（29％）。以上所有沟通点均可通过社交媒体完成。作为低成本的信息交流平台，任何一位公众都可以通过社交媒体获取知识和分享信息，以此来促进对公共卫生事件的认知，促进不同群体间的沟通与对话。由于社交媒体的使用拉近了政府部门和公众之间的距离，强化了两者之间的对话而非由政府主导的单向信息传播（Falco & Kleinhans，2018），因此，相关部门应该注意收集公众在社交媒体上的发言，与公众进行友好、开放的交流。通过关注公众焦点，跟踪公众评论，不仅可以有针对性地及时解决各类问题及猜疑，还有助于全面收集疫情信息，实现更好的应急决策。
　　（二）公众践行。公众践行指把一群想要发表意见的人聚集在同一时空，包括会议、评论会、听证会和宣讲会，出席这些活动的人直接表达意见，并与官员、关键决策者等进行互动（Hunt， Walker & Depoe， 2019：149）。因此，公共践行囊括了相关官员、专业人士，以及充斥着各种感知的公众、媒体等，社交媒体的协作性促进了这些群体间的信息多向流动。如今，越来越多的公众要求在社区发展、公共交通、环境规划、公共卫生等多元利益决策过程中发出声音，申张权益。作为有力增强公众参与度的平台，社交媒体最大限度地推动了公共卫生事件中的公众践行。社交媒体的广泛应用降低了人际交换信息、组建群体与协作行动的成本和难度（李燕，2018），从而拓展了公众践行的行为边界。在此背景下，众包模式（crowdsourcing）因其开源性、组织结构动态性、实时性、自主性等特点（陈婧，陈鹤阳，2016），契合了社交媒体场景下的公共践行运行。众包模式指基于互惠互赢的目的，将复杂性或模块化的任务有针对性地分配给自愿参与的不特定大众群体（Estelles & Gonzalez， 2012）。一方面，政府可以通过众包模式有效动员社会力量，利用集体智慧来促进公共卫生事件的应急管理，例如发布志愿招募信息参加到突发公共卫生事件的应急管理中；另一方面，公众通过社交媒体自发聚集，可以加快信息流通，建立起有效的自组织，同心协力解决公共卫生危机（Choi & Lin， 2009）。在海地大地震的灾后救援中，当地民众通过“Ushahidi-Haiti”这一众包平台发送关于受困人员、医疗及物资需求的消息，这些信息会被远程核实和处理，提高了危机管理的效率（LIU，2014）。本次新冠肺炎疫情中新浪微博建立起“肺炎患者求助”超话，公众通过自行发布或转发信息，帮助大量病患得到相关部门的关注及时入院治疗。
　　
三、传播干预：从认知到行为
　　人类的认知在屡次灾难性事件传播中被刷新，一方面会推进我们去学习、接受新的知识，加大受众风险感知的渠道；另一方面也会带来更多的无所适从，混淆公众正常感知和理性判断的结果，从引发公共信任危机和集体恐慌。心理学家Steven Stosny认为这是一种“新闻应激障碍（Headline Stress Disorder）”，世界卫生组织全球传染病防范主任Sylvie Briand博士则称之为“信息疫情（infodemic）”，指鱼龙混杂的信息导致人们难以发现值得信任的信息来源和可以依赖的指导，甚至可能对人们的健康产生危害（易艳刚，2020）。诺如病毒爆发期间的研究表明，谣言的泛滥会造成人们的恐慌，使得疾病的爆发更加迅猛（Brainard，Hunter & Hall， 2020）。此外，身处“流量至上”时代，一些自媒体账号还会有意歪曲或夸大事实，以耸人听闻的谣言来获得受众的关注和点击。在本次新冠肺炎爆发之初，世界卫生组织认为社交媒体加剧了公众的担忧（Karen & Tanya， 2020）。
　　在无法与各类信息隔离的当下，信息疫情不仅会阻碍公众获得可靠、权威的信息，还会影响到公众采取合理的防护行为。在这样的背景下，传播干预尤为重要。加强传染病健康素养是传播干预的重要方式之一。2013年我国传染病健康素养调查显示，近四分之一的中国居民不具备基本的传染病健康素养，成为传染病暴发和流行的隐患。向公众传达传染病健康信息，使其理解并做出有益于健康的决定，是重大公共卫生事件中必须要完成的传播干预（Rimal & Lapinski， 2009）。
　　All right运动是新西兰在2010-2011年地震后的一项总体精神健康促进运动，结合定性和定量的评估显示，该运动在受灾人群中取得了广泛的影响（76％），影响力通过媒体运动、社交媒体及与其他组织的伙伴关系实现，成功因素包括：灾难发生前相关机构之间的牢固关系，研究本地人习惯的信息接收方式并将其用于传播干预中，而不仅仅是发布政府信息（Calder et al.， 2016）。事实上，以社交媒体为核心的综合性健康传播能有效提高居民的健康素养，应对突发重大公共卫生事件（Castro-Sánchez et al.， 2016），而以线性方式呈现的信息也有助于公众顺利理解并付诸行动（David，Spence & Brandon， 2014）。
　　（一）提升风险认知。健康传播干预措施应切实可行、内容丰富，与该群体的文化背景相匹配（Airhihenbuwa， Ford & Iwelunmor，2014），确保这一点的最佳方法则是以熟人为基础的社交媒体传播。自出现以来，社交媒体就充分展示了自身连接与延展的强度，并通过虚拟平台上的交流，激活了各种关系。在疫情中，各种关系的激活是传播干预的基础。社交媒体作为围绕着个人的社会关系网络，关系强度是衡量个体之间互动与紧密关系的指标。强联系是社会支持的主要来源，而弱联系则更善于提供可能影响行为的新信息和新联系（Laranjo， 2016：95）。另外，在风险沟通中，信任是影响认知及后续健康信息处理的一个关键因素，如果没有信任的加持，那么公众可能就会忽略重要的健康信息或违背健康行为的指导建议（Reynolds， 2009）。首先，社交媒体的联系来源于现实生活的切实关系，其具有提供社会、同伴、情感支持的潜力（O’Dea & Campbell， 2010）。在风险信息的传播中，这种基于人际熟悉度的沟通信任度更高，从而能在激发健康行为时更积极有效（Kreps & Neuhauser， 2010）；其次，社交媒体不受空间和时间的限制，所以能远远超过传统媒体所接触的受众范围（Moorhead et al.， 2013），即便社交媒体上不活跃的用户也能通过其他用户与社交媒体上的信息进行连接。因受众接触的广泛性，社交媒体平台已成为提高健康素养和全面改善健康传播不可或缺的工具（Fayoyin，2016）；最后，通过社交媒体与公众保持密切联系、及时回应公众质疑，有助于建立公众对政府或卫生当局的信任（Panagiotopoulos， Barnett， Bigdeli， & Sams， 2016）。Vijaykumar等人（2017）发现，当寨卡病毒在新加坡传播时，因当局及时在Facebook上发布更多的更新，拉近了政府与公众之间的距离，满足了公众的信息需求与情感需求。总之，社交媒体以熟人为基础的强连接有助于个人对风险信息的正确感知，另一方面，社交媒体还能有效激活弱联系，成为健康素养提升不可或缺的工具，建立公众对政府的信任。
　　（二）行为示范。鉴于社交媒体在激活社会关系、扩大受众范围方面的独特优势，所以也常被用于健康促进和行为改变的干预（Freeman， Potente， Rock & McIver，2015）。首先，社交媒体可以根据个体特征有针对性地分配信息，使个人逐渐形成对疾病的认知。Kamara的（2016）研究表明，移动互联网的发展，尤其是社交媒体，在填补社会行为变化沟通的差距中显示出独特的优越性。突发公共卫生事件发生之后，具有专业知识背景的卫生保健工作者会成为家庭或社区的意见领袖，而社交媒体的加入则扩大了他们的影响范围，建立起一种互惠的社交媒体关系，不仅推动对话的发生，还能激发行为的改变，起到了行动上的示范效应（Heldman， Schindelar & Weaver， 2013）。2011年日本海啸和地震发生后的1个小时内，东京每分钟就会产生1200条Twitter信息，这些消息帮助家庭或个人传递现场的第一手信息，并使得与其相关的个人及时做好准备和防护（Skarda，2011）。在埃博拉病毒疫情的防治中，与利比里亚的高死亡率相比，邻国尼日利亚只有8人死亡，许多学者将此归因于社交媒体的使用在行为上的示范意义（Fayoyin，2016）。
　　毫无疑问，社交媒体的传播便利也使得各种谣言和虚假信息以前所未有的速度传播，加大了受众风险感知的渠道，带来混淆公众正常感知和理性判断的结果，从而会引发公共信任危机和集体恐慌。此次新冠肺炎疫情中，“双黄连抢购”、“人工病毒”等均属此列。不过同时，“双刃剑”效应也在逐渐显现，基于区块链的去中心化特征和版权追踪、隐私保护等功能，社交媒体的信息可以得到有效验证，成为传播干预的有利途径。因此，世卫组织已在全世界范围内加大了与社交媒体的合作，通过Twitter、Facebook、抖音发布各种信息，遏止谣言的传播和“信息疫情”的扩散：当公众尝试搜索疫情相关信息时，出现的置顶信息均为官方权威信息，且地图还会显示最新的疫情警示信息，以此确保信息来源的可靠性（中国科技传播志愿者，2020）。
　　
四、结语：新问题、新挑战
　　社交媒体给公共卫生管理既提供了新的机会，又提出了挑战。一方面，社交媒体可以监测公共卫生相关信息，包括疾病爆发、趋势及各类突发事件，还可以提供公众沟通的平台，提供各类精准服务；但另一方面，社交媒体参与的疫情防控，也发现了一系列问题。在未来的公共卫生事件中，我们当然要积极应对由传播技术的迭代而带来的防控变革，但更要发现已有的问题所在，确保下一次危机爆发时的从容面对。
　　（一）数据庞杂，识别困难。对于社交媒体数据使用者来说，他们主要面临以下几个问题：首先是信息质量良莠不齐，给有效信息的提取带来很大挑战。社交媒体的数据使用不仅需要文本挖掘、数据清洗等技术操作，同时还需要有经验的医学及公共卫生专家、社会科学学者花费大量时间精力去阅读并挖掘出与公共卫生事件及其影响相关的信息。其次，在用户发布相关信息时，他们通常会使用私人化或创造性的表述方式，不仅有可能出现认知错误，也有可能出现情绪化的表达甚至刻意遗漏、隐瞒某些信息的行为。当然，大数据技术可以对零散而杂乱的信息进行整合，当用户的健康行为及意愿描述汇入系统化的分析数据库后，我们可以将其置于特定的时空进行分析，获得其背后的逻辑，从而形成判断。第三，社交媒体平台本身的性质会对数据的挖掘和分析带来一定的局限性，如社交平台研究中普遍存在的“易近性偏差”（accessibility bias）——虽然Twitter的影响力和用户的活跃度远不及Facebook和图片墙，但由于Twitter平台上的数据更加容易收集，因此相关的成果要远远超过对其他平台的研究（Lewis；转引自史安斌和王沛楠，2019）。第四，用户的隐私意识也会影响到数据的提取，比如用户在使用社交媒体时通常会根据自我需求进行隐私设置，用户在平台上的“匿名”、“半匿名”状态，都会限制某些个体数据的利用。此外，由于对互联网监控的警觉以及对信息被检索的恐惧，也可能会导致一部分用户不愿意分享流行病学信息，尤其在要求实名登记的社交媒体平台（Fu，Chan & Chau， 2013）。
　　（二）隐私侵犯，数据滥用。社交媒体数据是个人属性信息的组合，可直接追溯到个人，威胁到个人隐私。因此，在收集并使用公共卫生信息与保护公民隐私之间保持平衡，一直是公共卫生机构在伦理乃至法律层面的重要挑战，争议包括社交媒体用户的隐私得不到有效保护，发布的信息匿名性和保密性会受到损害等（Hunter et al.， 2018）。本次新冠肺炎疫情中，大量公众参与了社交网络中的信息获取与分享，呈现了个体量化自我的结果。然而，伴随着个体信息的持续更新和累积，以及互联网带来的个人信息整合功能，可能预示着巨大的危险（刘星，王晓敏，2015）——信息集聚化带来的不仅是数据集成，更涉及背后隐藏的个体间社会关系网络。另外，移动端社交媒体的定位功能会在人们使用时记录下地理位置及活动轨迹路线，极易暴露个人位置，而定位数据中的停留、时间段，以及特定出现的地点背面潜藏着的是个人的兴趣爱好、生活习惯等私人化敏感信息。以上数据若被泄露或窃取，就可能造成数据的滥用。
　　（三）理性对话如何形成。学界和业界应当重新想象和界定“后真相”时代新闻媒体的功能，由单纯依靠权威账号的信息发布，转向引导和促成媒体与公众之间的理性对话（Boczkowski；转引自史安斌和王沛楠，2019）。本次疫情中，虽然各级政府部门都已意识到社交媒体在疫情防控中的作用，民间对社交媒体的利用度也较高，但疫情防控中的最大主体——政府对社交媒体的使用仍然集中在传统的信息发布上，忽略了这一新兴媒体之于公众与专家、公众与政府之间理性对话的意义。这其实意味着各级政府在疫情中的“管理”意识超过了“对话”意识，没有真正转变疫情治理的思路。疫情防治中，必须统一指挥、统一调配的同时，也要清楚看到各个地区、不同群体之间的差异性，并通过社交媒体这一平台展开充分讨论，而不是堵塞这一渠道。我们要充分意识到在疫情的各个阶段，出现不同意见都是正常的情况，并接受信息的不确定性，期待在理性对话中形成共识。除了理念缺失，在社交媒体上形成理性对话的障碍还包括卫生部门的官员缺乏学习社交媒体沟通技术的意愿，理念和技术操作上的缺失是当前理性对话尚未健全的主要原因。
　　
　　总之，由于社交媒体无可比拟的传播优势，使其在突发公共卫生事件的防控上可扮演重要的角色，并逐渐改变着原有的公卫体系。日常阶段，我们要建立以事件为核心的社交媒体预警系统，作为当前CDC“直报系统”的有效补充；疫情爆发后，要建立以社交媒体为主要平台的信息流通机制，在预防行为、风险感知、对特定威胁的知识和认识及情绪反应上推进公众沟通，展开“定制化”精确传播；同时，我们还可以通过社交媒体展开健康传播干预，实现从认知到行为的改变，发动全民抗“疫”。当然，我们也要时刻警惕社交媒体“抗疫”中的数据泄露、数据泛滥等问题，推进公众与专家、公众与政府之间的理性对话，形成社交媒体与公共卫生事件的真正融合，达到创新疫情防控体系之效。■
　　
陈婧，陈鹤阳（2016）。基于众包的应急管理信息主体协同机制研究。《情报理论与实践》，（5），69-73。
李燕（2018）。公共管理中的众包机制:研究现状与未来展望。《探索》，（5），147-161。
刘星，王晓敏（2015）。医疗大数据建设中的伦理问题。《伦理学研究》，（6），119-122。
史安斌，王沛楠（2019）。2019全球新闻传播新趋势——基于五大热点话题的全球访谈。《新闻记者》，（2），37-45。
易艳刚（2020）。《社交媒体时代的“信息疫情”》。检索于http://m.people.cn/n4/2020/0221/c3351-13708014.html
中国科技传播志愿者（2020）。《新冠肺炎成“信息疫情”，如何阻止天下人的悠悠之口？》。检索于https://www.sohu.com/a/373680119_120110573
AirhihenbuwaC. O.Ford, C. L.& IwelunmorJ. I. . (2014). Why culture matters in health interventions: lessons from hiv/aids stigma and ncds. Health Education & Behavior, 41(1)78-84.
AndrulisD. P.Siddiqui, N. J.& GantnerJ. L. . (2007). Preparing racially and ethnically diverse communities for public health emergencies. Health Affairs26(5)1269-1279.
Avery, & JohnsonE. . (2017). Public information officers’ social media monitoring during the zika virus crisis, a global health threat surrounded by public uncertainty. Public Relations Review, 43(3): 468-476.
BansalS.ChowellG.Simonsen, L.Vespignani, A.& Viboud, Cécile. (2016). Big data for infectious disease surveillance and modeling. Journal of Infectious Diseases, 214(suppl 4)S375-S379.
Becker& Steven, M. . (2011). Risk communication and radiological/nuclear terrorism: a strategic view. Health Physics101(5)551-558.
BrainardJ.Hunter, P. R.& Hall, I. R. (2020). An agent-based model about the effects of fake news on a norovirus outbreak. Revue d’Epidémiologie et de Santé Publique.
BroniatowskiD. A.Paul, M. J.& Dredze, M. (2013). National and local influenza surveillance through twitter: an analysis of the 2012-2013 influenza epidemic. PLOS ONE8(12)e83672.
CalderK.D’AethLucy, Turner, S.FoxC.& Begg, A. . (2016). Evaluation of a well-being campaign following a natural disaster in christchurch, new zealand. International Journal of Mental Health Promotion18(4)222-233.
Castro-Sánchez, EnriqueChangP. W. S.Vila-CandelR.Escobedo, A. A.& Holmes, A. H. . (2016). Health literacy and infectious diseases: why does it matter?. International Journal of Infectious Diseases, S120197121500301X.
Charles-Smith, L.Reynolds, T.CameronM.Conway, M.LauE.& OlsenJ.et al. (2015). Using social media for actionable disease surveillance and outbreak management: a systematic literature review. Plos One10(10)e0139701.
ChoiY.& LinY. H. . (2009). Consumer responses to mattel product recalls posted on online bulletin boards: exploring two types of emotion. Journal of Public Relations Research, 21(2)198-207.
Chunara, R.AndrewsJ. R.& Brownstein, J. S. (2012). Social and news media enable estimation of epidemiological patterns early in the 2010 Haitian cholera outbreak. The American journal of tropical medicine and hygiene86(1)39-45.
Chunara, R.Bouton, L.AyersJ. W.& Brownstein, J. S. (2013). Assessing the online social environment for surveillance of obesity prevalence. PloS one8(4)e61373.
David, W.Spence, P. R.& BrandonV. D. H. . (2014). Social media as information source: recency of updates and credibility of information. Journal of Computer-Mediated Communication(2)2.
ElliotA. J.Bone, A.Morbey, R.Hughes, H. E.Harcourt, S.& SmithS.et al. (2014). Using real-time syndromic surveillance to assess the health impact of the 2013 heatwave in England. Environmental Research, 13531-36.
Estelles-ArolasE.& Gonzalez-Ladron-De-Guevara, F. . (2012). Towards an integrated crowdsourcing definition. Journal of Information ence, 38(2)189-200.
Falco, E.& KleinhansR. (2018). Beyond information‐sharing. A typology of government challenges and requirements for two‐way social media communication with citizens. Electronic Journal of e-Government16(1)18–31.
Fayoyin A (2016). Engaging social media for health communication in Africa: approaches, results and lessons. Journal of Mass Communication & Journalism 6:315.
Freeman, B.PotenteS.Rock, V.& McIver, J. (2015). Social media campaigns that make a difference: what can public health learn from the corporate sector and other social change marketers? Public health research & practice, 25(2).
Frenk, J.& Octavio Gómez-Dantés. (2002). Globalisation and the challenges to health systems. Bmj325(7355)95-97.
FrewerR. L. J. . (2000). Public participation methods: a framework for evaluation. ScienceTechnology, & Human Values, 25(1)3-29.
FuK.Chan, C.& Chau, M. . (2013). Assessing censorship on microblogs in china: discriminatory keyword analysis and the real-name registration policy. IEEE Internet Computing17(3)42-50.
Gittelman, S.LangeV.CA, G. C.OkoroC. A.Lieb, E.DhingraS. S.& TrimarchiE. (2014). A new source of data for public health surveillance: Facebook likes. Journal of medical Internet research, 17(4)e98.
Heldman, A. B.Schindelar, J.& Weaver, J. B. . (2013). Social media engagement and public health communication: implications for public health organizations being truly “social”. Public Health Reviews35(1)13.
HuntKathleen P.Walker, Gregg B.DepoeStephen P.(2019). Breaking boundaries : innovative practices in environmental communication and public participation. New York: State University of New York Press.
HunterR. F.GoughA.O’KaneNiamhMckeownG.FitzpatrickA.& Walker, T.et al. (2018). Ethical issues in social media research for public health. American Journal of Public Health, 108(3)343-348.
KamaraM. . (2016). Changing Cultures: Changing Lives—Mobilising Social Media During a Health Crisis. CommunicatingNetworking, Interacting. (pp.31-38). Springer International Publishing.
Karen Hao & Tanya Basu (2020). The coronavirus is the first true social-media “infodemic”.Retrieved from https://www.technologyreview.com/s/615184/the-coronavirus-is-the-first-true-social-media-infodemic/
Kass-HoutT. A.& AlhinnawiH. (2013). Social media in public health. British medical bulletin, 108(1)5-24.
Kreps, G. L.& NeuhauserL. (2010). New directions in eHealth communication: Opportunities and Challenges. Patient Education and Counseling, 78(3)329-336. doi: 10.1016/j.pec.2010.01.013
L. Laranjo. (2016). Participatory Health Through Social Media. (pp.83-111). Pittsburgh :Academic Press.
LIU S B.. (2014). Crisis Crowdsourcing Framework: Designing Strategic Configurations of Crowd-sourcing for the Emergency Management Domain. Computer Supported Cooperative Work, 23 (4-6)389-443
Maeve Duggan, Nicole B. EllisonCliff LampeAmanda Lenhart and Mary Madden (2015). Social Media Update 2014. Retrieved from https://www.pewresearch.org/internet/2015/01/09/social-media-update-2014/
Marcel SalathéFreifeld, C. C.Mekaru, S. R.Tomasulo, A. F.& Brownstein, J. S. . (2013). Influenza a (h7n9) and the importance of digital epidemiology. New England Journal of Medicine, 369(5)401-404.
Mcnab, C. . (2009). What social media offers to health professionals and citizens. Bulletin of the World Health Organisation, 87(8)566.
Miquel Porta. (2008). A dictionary of epidemiology. Yale Journal of Biology & Medicine, 82(4)433.
MitchellL.& Ross, J. V. (2016). A data-driven model for influenza transmission incorporating media effects. Royal Society open science3(10)160481.
MoorheadS. A.HazlettD. E.Harrison, L.CarrollJ. K.& Hoving, C. . (2013). A new dimension of health care: systematic review of the uses, benefits, and limitations of social media for health communication. Journal of Medical Internet Research, 15(4)e85.
Murthy BP, Krishna NJones TWolkin AAvchen RN, Vagi SJ. (2019). Public Health Emergency Risk Communication and Social Media Reactions to an Errant Warning of a Ballistic Missile Threat — Hawaii, January 2018. MMWR Morb Mortal Wkly Rep68174-176.
O’Donovan, J.& Bersin, A. . (2015). Controlling ebola through mhealth strategies. The Lancet Global Health, 3(1)22.
O’Dea, B.& Campbell, A. (2010). Healthy connections: online social networks and their potential for peer support. Studies in health technology and informatics168133-140.
Padmanabhan, A.Wang, S.CaoG.HwangM.& GaoY. . (2013). FluMapper: An Interactive cyberGIS environment for massive location-based social media data analysis. Paper presented at Conference on Extreme Science and Engineering Discovery Environment: Gateway to Discovery.
Panagiotopoulos, P.BarnettJ.BigdeliA. Z.& Sams, S. (2016). Social media in emergency management: Twitter as a tool for communicating risks to the public. Technological Forecasting and Social Change, 11186-96.
Ping YanHsinchun Chen, & Daniel Zeng. (2010). Syndromic surveillance systems. Annual Review of Information Science & Technology, 42(1)425-495.
ReynoldsB. J. (2009). Building trust through social media. CDC’s experience during the H1N1 influenza response. Marketing Health Services, 30(2)18-21.
Rimal, R. N.& Lapinski, M. K. . (2009). Why health communication is important in public health. Bulletin of the World Health Organisation, 87(4)247-247a.
SalathéM. (2016). Digital Pharmacovigilance and Disease Surveillance: Combining Traditional and Big-Data Systems for Better Public Health. Journal of Infectious Diseases, 214(4)399-403.
Santosh Vijaykumar, Rianne Wally Meurzec& Karthikayen Jayasundar, Claudia Pagliari, Yohan Fernandopulle　(2017). What’s buzzing on your feed? health authorities’ use of facebook to combat zika in singapore. Journal of the American Medical Informatics Association Jamia. 24(6)1155-1159.
SavoiaE.LinL.& ViswanathK. . (2013). Communications in public health emergency preparedness: a systematic review of the literature. Biosecurity and bioterrorism: biodefense strategy, practice, and science11(3)170-184.
SkardaE. (2011). Facebook to the rescue: How social media is changing disaster response. Retrieved from http://content.time.com/time/printout/08816207619500.html
Velasco, E.Agheneza, T.DeneckeK.Kirchner, G.& Eckmanns, T. . (2014). Social media and internet-based data in global systems for public health surveillance: a systematic review. Milbank Quarterly92(1)7-33.
Young, S. D.Rivers, C.& LewisB. . (2014). Methods of using real-time social media technologies for detection and remote monitoring of HIV outcomes. Preventive Medicine, 63112-115.
　　
陈娟系华南理工大学新闻与传播学院、公共管理学院教授、博导；郭雨丽系华南理工大学新闻与传播学院2018级硕士研究生。本文为2017广州市哲学社会学科发展“十三五”规划共建项目（项目编号：2017GZGJ66）的阶段成果，也是2016广东省软科学领域研究“大数据环境下的食品安全风险监测方法研究与应用项目”（项目编号：2016A070705020）的阶段成果。