Instagram与X平台死产议题对比研究：基于多模态内容分析与情感计算的社交媒体话语解析

本研究针对死产(Stillbirth)这一全球性健康议题，在社交媒体平台Instagram和X(原Twitter)开展了大规模内容分析。研究人员通过主题建模、情感分析、图像分类和错误信息筛查等多重方法，系统解析了27,395条相关帖文的传播特征。研究发现：Instagram以情感表达和纪念内容为主，X平台则更多涉及公共卫生讨论且错误信息率达27.8%。该研究为制定平台特异性的健康传播策略提供了重要依据，对改善丧亲家庭支持体系和打击健康错误信息具有实践意义。

　　

死产（Stillbirth）作为妊娠20周后的胎儿死亡，是全球范围内的重要公共卫生问题。据统计，美国每160例分娩中就有1例死产，全球比例更是高达1/70。这种悲剧性事件不仅给父母带来深重的心理创伤——包括抑郁、焦虑和创伤后应激障碍（PTSD），还常因社会污名化和公众认知不足而使悲痛加剧。尽管死产的影响深远，但社交媒体上相关讨论的系统性分析此前尚属空白。

为此，研究人员Abigail Paradise Vit、Daniel Fraidin和Yaniv S Ovadia在《JMIR Infodemiology》上发表了一项开创性研究，首次对Instagram和X（原Twitter）平台上的死产相关内容进行了大规模跨平台分析。该研究不仅揭示了平台间的内容差异，还发现了错误信息的传播规律，为健康传播策略提供了重要依据。

研究团队采用了多重技术方法开展分析：通过RapidAPI收集了27,395条社交媒体帖子（Instagram的#stillbirth和#stillbirthawareness标签帖子来自2023-2024年，X的#stillbirth标签帖子来自2020-2024年）；使用潜在狄利克雷分配(LDA)、非负矩阵分解(NMF)和BERTopic三种算法进行主题建模；基于RoBERTa和DistilRoBERTa模型进行情感和情绪分析；利用NetworkX构建标签共现网络并计算PageRank中心性；对Instagram图像进行人工分类（样本量n=366，基于总体量7,415计算）；采用WHO指南和科学证据筛查X平台上的错误信息。

主题建模结果显示，NMF算法在各数据集上获得了最高 coherence 分数（0.624-0.846）。X平台的主要话题包括"意识与纪念"（5,655条）、"支持"（2,946条）、"风险预防与研究"（2,390条）和"励志故事"（677条）。Instagram上#stillbirth标签下主要为"纪念逝去的婴儿"（3,989条）、"支持"（2,734条）和"自然疗法与愈合"（225条）；#stillbirthawareness标签下则包括"纪念婴儿"（4,315条）、"意识与纪念"（1,590条）及"支持与预防"（2,407条）。

标签共现网络分析揭示了平台差异：Instagram更侧重情感表达和心理健康标签（如#anxiety、#depression），而X平台则更多涉及公共卫生相关标签（如#COVID19、#autism）。健康类标签在X平台的出现频率明显更高。

错误信息分析发现，在536条涉及疫苗接种或COVID-19的死产相关推文中，27.8%（149条）包含医学错误信息。这些推文毫无根据地声称COVID-19疫苗与死产存在因果关系，传播阴谋论和虚假信息。

情感与情绪分析表明，积极情感多于消极情感，但主导情绪为恐惧和悲伤。Instagram上悲伤和喜悦更常见，而X平台恐惧情绪更显著。年度趋势显示，恐惧情绪在2020-2021年COVID-19大流行初期达到峰值，积极情感则在2024年显著上升。

图像分析发现，Instagram上"文本图像"最常见（71.9%-75.7%），其次是纪念类视觉内容（如墓地、死产婴儿照片）。编码者间一致性很高（Cohen's κ=0.837和0.821），样本间分类分布高度相关（r=0.999）。

研究结论指出，Instagram和X平台在死产讨论中扮演不同角色：前者侧重于情感表达和视觉纪念，体现了"继续联结理论"（Continuing Bonds Theory）的数字化实践；后者则更多涉及公共卫生讨论和信息传播，但也是错误信息的温床。X平台的实时特性在危机期间（如COVID-19大流行）会放大基于恐惧的叙事，而Instagram的视觉和纪念内容为 legitimize（合法化）父母悲痛提供了独特机会。

该研究的重要意义在于为平台特异性的健康传播策略提供了实证基础：在X平台需要加强错误信息纠正和实时监测，而在Instagram则可利用其视觉特性开展意识宣传活动，直接让丧亲父母参与其中。研究强调基于证据的沟通对打击错误信息至关重要，特别是针对那些可能因错误信息而避免接种疫苗或陷入不必要的自责的脆弱群体。未来研究应探索更有针对性的方法来应对错误信息并协助受影响人群，同时考虑纳入用户人口统计学数据和更长时间序列的数据以增强研究的广度和深度。