运用机器辅助主题分析（MATA）加速自由文本数据的主题分析：以COVID-19大流行期间影响健康行为与幸福感的因素为例的研究

本综述推荐一项创新性研究，该研究采用机器辅助主题分析（Machine-Assisted Topic Analysis, MATA）方法，结合结构主题建模（Structural Topic Modeling, STM）技术，高效分析了英国大型前瞻性队列中收集的2177份自由文本回复。研究不仅验证了MATA在保持研究人员对主题生成和解释的控制权的同时显著节约资源（仅用20小时完成主题分析），还深入揭示了COVID-19大流行期间影响健康行为、情绪及幸福感的六大主题，包括健康行为、身体健康、情绪状态及其相互作用，以及外部控制因素和个人成长反思。该方法为处理大规模定性数据集提供了新范式，对公共卫生危机中的快速响应和政策制定具有重要参考价值。

　　

引言与背景

定性研究在心理学和健康研究中具有重要地位，能够深入探究定量方法无法解答的“如何”和“为什么”类问题。然而，传统的定性分析方法通常需要大量时间和资源，尤其是在处理大规模数据集时。随着医疗健康数据的快速增长，包括来自医疗记录、服务调查和患者自述等来源的定性数据，如何高效分析这些“大定性”（Big Qual）数据成为一个迫切需求。近年来，人工智能（AI）技术在文本分析中的应用逐渐增多，例如主题建模、监督文本分类和大语言模型（LLMs），这些方法虽然提高了分析效率，但在一致性、偏见控制和深度解释方面仍存在局限。机器辅助主题分析（Machine-Assisted Topic Analysis, MATA）作为一种混合方法，结合了结构主题建模（Structural Topic Modeling, STM）的计算能力和研究人员的专业洞察，旨在在保持分析质量的同时提升效率。

研究方法

研究设计基于英国一项前瞻性队列研究，该队列在2020年4月招募了762名18岁以上的参与者，并通过在线调查在COVID-19大流行开始后的3、6、12和24个月收集了自由文本数据。参与者被问及影响其健康行为、情绪和幸福感的因素，共收集到2177份有效回复。数据分析采用MATA方法，使用R语言中的quanteda和STM包进行文本预处理，包括去除标点符号、停用词和词干提取。通过STM模型，识别出15个潜在主题，并由两名研究人员独立标记和解释这些主题，最终通过团队讨论将其归纳为六大主题。模型还纳入了参与者的人口学特征和时间点作为协变量，以探索主题 prevalence 随时间的变化。

主要发现

主题生成与解释：研究人员从15个机器生成的主题中归纳出六大主题：健康行为（包括 salutogenesis、日常习惯和身体活动）、身体健康（涵盖身体症状和慢性疾病）、情绪状态（如压力、失落感、政治挫折感以及希望与乐观）、因素间的相互作用、控制与约束（包括行为限制、风险与限制、个人自主权以及变化与不确定性）以及对幸福和个人成长的反思。每个主题都通过代表性引文进行了详细阐释，突出了影响参与者健康行为和幸福感的多样化因素。

主题 prevalence 随时间变化：分析显示，不同主题的 prevalence 随时间呈现动态变化。例如，salutogenesis（健康生成）在3和12个月时最为突出，对应严格封锁期后的积极行为调整；身体健康相关主题（如慢性疾病和身体症状）的 prevalence 随时间显著上升，在24个月时成为最突出的议题；压力主题在早期较为突出，随后逐渐下降；而政治挫折感主题在6个月时达到高峰，与当时疫情管理和政策争议相关。因素间的相互作用主题 prevalence 持续增加，反映出参与者对多因素交织影响的日益关注。

讨论与意义

MATA方法在本研究中的应用展示了其在处理大规模定性数据时的高效性，研究人员仅用20小时就完成了主题的识别和归纳，远少于传统手动分析所需的时间。这一方法不仅加快了分析进程，还通过研究人员的主导解释保持了分析的深度和语境理解，避免了完全依赖AI可能带来的偏见和一致性问题。研究结果与已有的定性COVID-19研究相呼应，强调了健康行为、身体和心理健康之间的复杂相互作用，以及外部因素如控制感和个人反思在调节这些关系中的重要性。

研究的优势包括其纵向设计、系统化的分析方法和与前期研究结果的一致性，而局限性则在于部分主题可能存在重叠，以及机器学习方法可能无法捕捉到少数群体的独特视角。未来的研究应进一步探索MATA在其他类型定性数据（如深度访谈）中的应用，并开发评估框架以确保AI辅助分析的质量和公平性。

结论

本研究通过MATA方法高效分析了COVID-19大流行期间影响健康行为和幸福感的关键因素，验证了这一混合方法在大型定性数据集分析中的实用性和有效性。研究成果不仅为公共卫生政策提供了实证依据，还推动了AI在定性研究中的方法论发展，强调在追求效率的同时，必须保持研究的深度和伦理严谨性。