Pielęgniarstwo i Zdrowie Publiczne

Piel. Zdr. Publ.
Index Copernicus (ICV) – 69,56
Ogólny współczynnik odrzuceń – 24,41%
ISSN 2082-9876 (print)
ISSN 2451-1870 (online)
Periodyczność – kwartalnik

Pobierz oryginał (PL) Pobierz tłumaczenie (EN)

Pielęgniarstwo i Zdrowie Publiczne Nursing and Public Health

2020, tom 10, nr 2, kwiecień-czerwiec, str. 89–106

doi: 10.17219/pzp/120054

Typ publikacji: praca oryginalna

Język publikacji: polski

Pobierz cytowania:

  • BIBTEX (JabRef, Mendeley)
  • RIS (Papers, Reference Manager, RefWorks, Zotero)

Creative Commons BY-NC-ND 3.0 Open Access

Percepcja „koronawirusa” w polskim Internecie do czasu potwierdzenia pierwszego przypadku zakażenia SARS-CoV-2 w Polsce

Perception of “coronavirus” on the Polish Internet until arrival of SARS-CoV-2 in Poland

Andrzej Jarynowski1,A,B,C,D,E,F, Monika Wójta-Kempa2,C,E,F, Vitaly Belik3,A,C,E,F

1 Instytut Badań Interdyscyplinarnych, Wrocław, Polska

2 Zakład Medycznych Nauk Społecznych, Katedra Zdrowia Publicznego, Uniwersytet Medyczny we Wrocławiu, Wrocław, Polska

3 Grupa Modelowania Systemowego, Instytut Epidemiologii Weterynaryjnej i Biometrii, Wolny Uniwersytet Berliński, Berlin, Niemcy

Streszczenie

Wprowadzenie. Wirus SARS-CoV-2, wywołujący chorobę COVID-2019, mimo że odkryty dopiero pod koniec 2019 r. w okolicy Wuhan (prowincja Hubei w Chinach), już w styczniu 2020 r. stał się globalnym zagrożeniem dla zdrowia publicznego. Dopiero 4.03.2020 r. potwierdzono pierwszy przypadek wirusa w Polsce. Percepcja pandemicznego ryzyka w społeczeństwie polskim wydaje się wyolbrzymiona, więc istnieje niebezpieczeństwo rozwoju niekorzystnych zjawisk, takich jak panika.
Cel pracy. W związku rozprzestrzenianiem się zakażeń wirusem SARS-CoV-2 pojawiła się potrzeba analizy percepcji problemu w Polsce z uwzględnieniem natężenia zainteresowania wydarzeniami związanymi z „koronawirusem” w czasie. Powyższa analiza ma charakter wstępny, sygnalizacyjny – fakty szybko się dezaktualizują, a nastroje społeczne – zmieniają.
Materiał i metody. Zbadano percepcję wydarzeń związanych z „koronawirusem” w polskim społeczeństwie za pomocą analizy ilościowej śladu cyfrowego w Internecie (Twitter, Google, YouTube, Wikipedia i media elektroniczne reprezentowane przez Event Registry) pozostawionego od pojawienia się pierwszych informacji w styczniu 2020 r. do 3.03.2020 r., czyli daty pierwszego potwierdzonego przypadku zachorowania na COVID-2019. Wykorzystano proste techniki data miningowe, przetwarzania języka naturalnego czy analizy danych społecznościowych. Ze względu na różnorodność targetu każda badana platforma internetowa została poddana analizie reprezentatywności użytkowników oraz typu komunikacji.
Wyniki. Zainteresowanie wirusem ma charakter falowy i jest podzielone na informacyjne fazy – „chińską” i „włoską” – na wszystkich platformach. Zaobserwowano zwyżkę zainteresowania dotyczącego m.in. wprowadzonej w Polsce specustawy w tzw. fazie komentatorskiej. Analiza semantyczna wykazała, że najczęściej wyszukiwane zagadnienia koncentrują się wokół obszarów zagrożenia, strachu oraz prewencji. Sieć społecznościowa Twittera w największym stopniu odzwierciedla polską scenę polityczną i podziały światopoglądowe. Wyróżniono 2 kategorie internautów: aktywną i pasywną. Charakteryzują się one różnymi potrzebami informacyjnymi i schematami komunikacyjnymi. Zaprezentowano aktorów i influencerów, którzy mogą stać się głównymi agentami wpływu.
Wnioski. Media tradycyjne i społecznościowe nie tylko odzwierciedlają rzeczywistość, ale także ją tworzą. Monitorowanie zachowań użytkowników sieci społecznościowych może być wykorzystywane jako predyktor decyzji dotyczących zarządzania ryzykiem związanym z epidemiami chorób zakaźnych.

Abstract

Background. Although the SARS-CoV-2 virus, which causes the COVID-19 disease, was discovered only in late 2019 in vicinity of the city of Wuhan (Hubei province, China), in January 2020 it already became a global threat to public health. The first case of the SARS-CoV-2 in Poland was confirmed as late as on March 4, 2020. The perception of pandemic risk in Polish society seems to overestimate the actual risk; therefore, there is a danger of development of adverse phenomena, such as panic.
Objectives. Along with the proliferation of SARS-CoV-2 infection, a need for an analysis of the perception of these problems in Poland arose. Such analysis should consider the variation of intensity of interest in events related to “coronavirus” over time. The presented analysis is of a preliminary and signaling nature, due to facts losing their timeliness and changing social moods.
Material and Methods. To study the perception of the COVID-19 virus in Polish society, we used quantitative analysis of the digital footprints on the Internet (Twitter, Google, YouTube, Wikipedia, and electronic media represented by Event Registry) from January 2020 (the first information about the virus) till March 3, 2020 (announcement of the first confirmed case of COVID-19 in Poland). Data mining, natural language processing and social network analysis techniques were used. Because of the diversity of target groups, representativeness and type of communication of each platform studied were analyzed.
Results. Interest in the virus is wave-like and can be divided into 2 phases – “Chinese” and “Italian” – on all platforms. A rise in interest could be observed concerning the special Legal Act to combat COVID-2019 during a so-called commentary phase. Semantic analysis has shown that the topics most searched for are concentrated in threat, fear and prevention areas. The Twitter network reflects the Polish society and its worldview and political divisions most precisely. Two categories of internet users were distinguished: active and passive users, characterized by information needs and communication schemes different for each category. Key actors and influencers who can become leading agents of influence were identified.
Conclusion. Traditional and social media not only reflect reality, but also create it. Monitoring of behavior of social media users can be utilized as a predictor of decisions concerning management of risk related to epidemics of infectious diseases.

Słowa kluczowe

Internet, socjologia medycyny, monitorowanie epidemiologiczne, SARS-CoV-2, media komunikacyjne

Key words

Internet, medical sociology, epidemiological monitoring, SARS-CoV-2, communications media

Piśmiennictwo (81)

  1. Onet.pl. Sondaż IBRiS dla Onetu – Andrzej Duda na prowadzeniu, potrzebna II tura. https://wiadomosci.onet.pl/tylko-w-onecie/wybory-prezydenckie-2020-sondaz-andrzej-duda-prowadzi-potrzebna-ii-tura/cmk8ssw. Opublikowano 3.03.2020. Dostęp 12.03.2020.
  2. Worldometer. COVID-19 Coronavirus Outbreak. https://www.worldometers.info/coronavirus/. Zaktualizowano 12.03.2020. Dostęp 12.03.2020.
  3. Jarynowski A, Buda A, Nyczka P. Obliczeniowe nauki społeczne w praktyce. Głogów, Polska: Wydawnictwo Niezależne; 2014.
  4. World Health Organization. WHO Director – General’s opening remarks at the media briefing on COVID-19 – 11 March 2020. www.who.int/dg/speeches/detail/who-director-general-s-opening-remarks-at-the-media-briefing-on-covid-19---11-march-2020. Opublikowano 11.03.2020. Dostęp 12.03.2020.
  5. Stankiewicz P. O czym mówimy, kiedy mówimy o ryzyku? Społeczna percepcja ryzyka przy kontrowersyjnych inwestycjach energetycz-nych. Energetyka – Społeczeństwo – Polityka. 2016;4(2):61–82. http://energetyka-collegium.pl/wp-content/uploads/2016/12/O-czym-mowimy-kiedy-mowimy-o-ryzyku.pdf. Dostęp 31.03.2020.
  6. Joshi A, Sparks R, McHugh J, Karimi S, Paris C, MacIntyre CR. Harnessing tweets for early detection of an acute disease event. Epidemiology. 2020;31(1):90–97. doi:10.1097/EDE.0000000000001133
  7. Strupiechowska M. Media jako katalizator społecznych lęków – przypadek paniki moralnej. Media i Społeczeństwo. 2018;8:139–150.http://www.mediaispoleczenstwo.ath.bielsko.pl/art/08/10-Strupiechowska.pdf. Dostęp 31.03.2020.
  8. Fava L, Morton J. Causal modeling of panic disorder theories. Clin Psychol Rev. 2009;29(7):623–637. doi:10.1016/j.cpr.2009.08.002
  9. Jarynowski A, Paradowski MB, Buda A. Modelling communities and populations: An introduction to computational social science. Stud Metodol. 2019;39:117–139. doi: 10.14746/sm.2019.39.5
  10. Kresy24.pl. „Ukraina to Europa epoki Średniowiecza” – Zełenski o czwartkowych zamieszkach w Nowych Sanżarach. 2020. https://kresy24.pl/ukraina-to-europa-epoki-sredniowiecza-zelenski-o-wczorajszych-zamieszkach-w-nowych-sanzarach. Opublikowano 22.02.2020. Dostęp 12.03.2020.
  11. Raubo J. Koronawirus „atakuje” włoskie więzienia – zamieszki w 27 jednostkach. InfoSecurity24. https://infosecurity24.pl/koronawirus-i-zamieszki-atakuja-wloskie-wiezienia. Opublikowano 10.03.2020. Dostęp 12.03.2020.
  12. Fossett M. Including preference and social distance dynamics in multi-factor theories of segregation. J Math Sociol. 2006;30(3–4):289–298. doi:10.1080/00222500500544151
  13. World Health Organization. Social stigma associated with COVID-19.https://www.who.int/docs/default-source/coronaviruse/covid19-stigma-guide.pdf. Zaktualizowano 24.02.2020. Dostęp 28.03.2020.
  14. Ren SY, Gao RD, Chen YL. Fear can be more harmful than the severe acute respiratory syndrome coronavirus 2 in controlling the corona virus disease 2019 epidemic. World J Clin Cases. 2020;8(4):652–657. doi:10.12998/wjcc.v8.i4.652
  15. Ma R, Deng Z, Wu M. Effect of Health Information Dissemination on Users’ Following and Clicking a Like During Novel Coronavirus Outbreak in China: Data and Content Analysis Table of Contents [opublikowano jako preprint 22.02.2020]. JMIR Preprints. 2020;18368. doi:10.2196/preprints.18368
  16. Zhang J, Wu W, Zhao X, Zhang W. Recommended psychological crisis intervention response to the 2019 novel coronavirus pneumonia outbreak in China: A model of West China Hospital. Precis Clin Med. 2020;3(1):3–8. doi:10.1093/pcmedi/pbaa006
  17. Wang W, Wang Y, Zhang X, Li Y, Jia X, Dang S. WeChat, a Chinese social media, may early detect the SARS-CoV-2 outbreak in 2019 [opublikowano jako preprint 26.02.2020]. medRxiv. 2020. doi:10.1101/2020.02.24.20026682
  18. Gałuszka M. Medykalizacja w kulturze strachu – przykład medialnej ekspozycji grypy A/H1N1. Przegląd Socjologiczny. 2017;66(1):53–81. doi:10.26485/PS/2017/66.1/3
  19. Oh SH, Lee SY, Han C. The effects of social media use on preventive behaviors during infectious disease outbreaks: The mediating role of self-relevant emotions and public risk perception [opublikowano jako ahead of print 16.02.2020]. Health Commun. 2020. doi:10.1080/10410236.2020.1724639
  20. Jarynowski A, Buda A. Exploring arsenic danger awareness in the Polish Copper Basin: Simulation of engagement in online networking. E-methodology. 2018;5(5):58–71. doi:10.15503/emet.v5i5.439
  21. Christakis NA, Fowler JH. The spread of obesity in a large social network over 32 years. N Engl J Med. 2007;357(4):370–379. doi:10.1056/NEJMsa066082
  22. Pierri F, Artoni A, Ceri S. HoaxItaly: A collection of Italian disinformation and fact-checking stories shared on Twitter in 2019 [opublikowano jako preprint 29.01.2020]. arXiv Prepr arXiv200110926. 2020. doi:10.7910/DVN/PGVDHX
  23. Jarynowski A, Jankowski J, Zbieg A. Natural vs artificial viral spread within the online community. E-methodology. 2015;2:71–78. doi:10.15503/emet2015.71.78
  24. Grzebieluch J, Kulińska J. Website as a communication tool in managing the image of Wroclaw hospitals. Piel Zdr Publ. 2018;8(1):55–60. doi:10.17219/pzp/86631
  25. Fryc A, Krassowska M, Szymik D, Hamoud M, Patela K. The role of the Internet in the physician–patient relations analyzed in selected age groups. Piel Zdr Publ. 2018;8(4):285–296. doi:10.17219/pzp/86410
  26. Jarynowski A, Belik V. Choroby przenoszone drogą płciową w dobie Internetu i e-zdrowia – kalkulatory ryzyka. W: Wysocka--Pleczyk M, Maciuszek J, red. Człowiek zalogowany. Cyfrowa miłość – jak Internet zmienia bliskie związki? T. 5. Kraków, Polska: Biblioteka Jagiellońska; 2018:110–111. https://ruj.uj.edu.pl/xmlui/handle/item/67499. Dostęp 31.03.2020.
  27. Kasprzyk R. INFOOPS (część 2/3): dezinformacja jako taka, a jak nie taka to jaka. Fundacja Bezpieczna Cyberprzestrzeń. https://www.cybsecurity.org/pl/infoops-czesc-2-3-dezinformacja-jako-taka-a-jak-nie-taka-to-jaka/. Opublikowano 23.08.2019. Dostęp 31.03.2020.
  28. Giuffrida A. Italian minister tries to calm coronavirus panic and attacks profiteers. The Guardian. 2020. https://www.theguardian.com/world/2020/feb/27/italian-minister-tries-to-calm-coronavirus-panic-and-attacks-profiteers. Opublikowano 27.02.2020. Dostęp 12.03.2020.
  29. Skonieczna J, Koczkodaj P, Cieślak I, Kielan A, Olejniczak D. Korzystanie ze zdrowotnych aplikacji mobilnych. W: Maciąg M, Maciąg K, red. Zadania i wyzwania medycyny – diagnostyka i leczenie. Lublin, Polska: Wydawnictwo Naukowe TYGIEL; 2018:83–90. http://www.bc.wydawnictwo-tygiel.pl/public/assets/252/Zadania%20i%20wyzwania%20medycyny%20%E2%80%93%20diagnostyka%20i%20leczenie.pdf. Dostęp 31.03.2020.
  30. Eysenbach G. Infodemiology and infoveillance: Framework for an emerging set of public health informatics methods to analyze search, communication and publication behavior on the Internet. J Med Internet Res. 2009;11(1):e11. doi:10.2196/jmir.1157
  31. Wójcik S, Duplaga M, Grysztar M, Pałka P. Web browser as a tool for predicting the incidence of influenza. Piel Zdr Publ. 2018;8(2):83–88. doi:10.17219/pzp/84984
  32. Kim EK. Charlie Sheen reveals he’s HIV positive in TODAY Show exclusive. Today. 2015. https://www.today.com/health/charlie-sheen-reveals-hes-hiv-positive-today-show-exclusive-t56391. Dostęp 4.03.2020.
  33. Lusawa A, Pinkas J, Zgliczyński W, Mazurek M, Wierzba W. Nieprawdziwe informacje w zakresie szczepień ochronnych jako wyzwanie dla zdrowia publicznego. Zdr Publ Zarz. 2019;17(1):40–45. doi:10.4467/20842627OZ.19.006.11302
  34. Azzimonti M, Fernandes M. Social Media Networks, Fake News, and Polarization. NBER Working Paper Series. 2018. https://www.nber.org/papers/w24462.pdf. Dostęp 31.03.2020.
  35. Taranowicz I. Zdrowie i sposoby radzenia sobie z jego zagrożeniami – analiza socjologiczna. Wrocław, Polska: Oficyna Wydawnicza Arboretum; 2010.
  36. Latour B. On recalling ANT. Sociol Rev. 1999;47(supl 1):15–25. doi: 10.1111/j.1467-954X.1999.tb03480.x
  37. Diani M. The Cement of Civil Society: Studying Networks in Localities. Cambridge, Wielka Brytania: Cambridge University Press; 2015. doi:10.1017/CBO9781316163733
  38. Polskie Badania Internetu. Polski Internet w styczniu 2020. http://pbi.org.pl/badanie-gemius-pbi/polski-internet-w-styczniu-2020/. Opublikowano 11.02.2020. Dostęp 12.03.2020.
  39. Polskie Badania Internetu. Polski Internet w styczniu 2019. http://pbi.org.pl/badanie-gemius-pbi/polski-internet-w-styczniu-2019/. Opublikowano 13.02.2019. Dostęp 12.03.2020.
  40. Bochenek M, Lange R, red. Nastolatki 3.0 – Raport z ogólno-polskiego badania uczniów. Warszawa, Polska: NASK; 2019. https://akademia.nask.pl/badania/RAPORT_NASTOLATKI_3_ONLINE_.pdf. Dostęp 6.04.2020.
  41. Johnson J. Distribution of active and passive social media users in Germany 2016, by platform. Statista. 2020. https://www.statista.com/statistics/792357/social-media-active-passive-users-germany/. Opublikowano 14.02.2020. Dostęp 12.03.2020.
  42. Google. Google Trends. 2020. https://trends.google.com. Dostęp 4.03.2020.
  43. Grabianowski K. Marketing wirusowy koronawirusa – jak wpłynął na wyszukiwarkę? Widzialni.pl. https://www.widzialni.pl/blog/marketing-wirusowy-koronawirusa/. Opublikowano 31.01.2020. Dostęp 12.03.2020.
  44. Lai S, Bogoch I, Ruktanonchai N, et al. Assessing spread risk of Wuhan novel coronavirus within and beyond China, January–April 2020: A travel network-based modelling study [opublikowano jako preprint 9.03.2020]. medRxiv. 2020. doi:10.1101/2020.02.04.20020479
  45. Jarynowski A. Kiedy 2019-nCoV trafi do Polski? Instytut Badań Interdyscyplinarnych. http://interdisciplinary-research.eu/kiedy-2019n-cov-trafi-do-polski. Opublikowano 29.01.2020. Dostęp 4.03.2020.
  46. Medonet. Narodowy test zdrowia Polaków. https://www.medonet.pl/narodowy-test-zdrowia-polakow,kategoria.html. Dostęp 12.03.2020.
  47. Ceneo. Koronawirus atakuje sklepy. Boom na maski i… nie tylko. https://subiektywnieofinansach.pl/koronawirus-atakuje-a-w-sklepach-boom-na-maski-i-nie-tylko-w-trakcie-kompletowania-zamowienia-cena-skoczyla-czterokrotnie/. Opublikowano 1.03.2020. Dostęp 12.03.2020.
  48. Grzęda-Łozicka K. Zabraknie leków w aptekach? Na razie mamy zapasy – gorzej może być pod koniec roku. WP abc Zdrowie. https://portal.abczdrowie.pl/na-razie-mamy-zapasy-lekow-gorzej-moze-byc-pod-koniec-roku-przestoj-w-chinskich-fabrykach-moze-sprawic-ze-w-polskich-aptekach-zabraknie-lekow. Opublikowano luty 2020. Dostęp 12.03.2020.
  49. Maziarz M, Piasecki M, Rudnicka E, Szpakowicz S, Kedzia P. plwordnet 3.0: A comprehensive lexical-semantic resource. W: Calzolari N, Matsumoto Y, Prasad R, red. Proceedings of COLING 2016: The 26th International Conference on Computational Linguistics: Technical Papers, Osaka, Japan, December 11–17 2016. Osaka, Japonia; 2016:2259–2268. https://www.aclweb.org/anthology/C16-1213.pdf. Dostęp 31.03.2020.
  50. Answear the Public. https://answerthepublic.com. Dostęp 4.03.2020.
  51. Majchrzyk Ł. Liczba użytkowników Facebooka, Instagrama i Messengera w Polsce (11/2018). Mobirank.pl. https://mobirank.pl/2018/12/04/liczba-uzytkownikow-facebooka-instagrama-i-messengera-w-polsce-11-2018/. Dostęp 12.03.2020.
  52. Żyłka K. Facebook Trends styczeń 2020 – burzliwych 31 dni nowego roku. Sotrender. https://www.sotrender.com/blog/pl/2020/02/facebook-trends-styczen-2020-burzliwych-31-dni-nowego-roku/. Dostęp 12.03.2020.
  53. Żyłka K. Facebook Trends luty 2020 – Facebook w cieniu koronawirusa. Sotrender. https://www.sotrender.com/blog/pl/2020/03/facebook-trends-luty-2020-facebook-w-cieniu-koronawirusa/. Dostęp 28.03.2020.
  54. Miotk A. Wikipedia i jej użytkownicy. Polskie Badania Internetu; 2017. http://pbi.org.pl/wp-content/uploads/2017/09/2017-09-26-Wikipedia_analiza.pdf. Dostęp 12.03.2020.
  55. Wikipedia. SARS-CoV-2. https://pl.wikipedia.org/wiki/SARS-CoV-2. Dostęp 4.03.2020.
  56. Wikipedia. Szerzenie się zakażeń wirusem SARS-CoV-2. https://pl.wikipedia.org/wiki/Szerzenie_się_zakazen_wirusem_SARS-CoV-2. Dostęp 4.03.2020.
  57. Event Registry. https://www.eventregistry.org. Dostęp 2.03.2020.
  58. Wieczorek M. Twitter w Polsce – podsumowanie 2018 roku. Sotrender. https://www.sotrender.com/blog/pl/2019/02/twitter-w-polsce-podsumowanie-2018-roku-infografika/. Dostęp 12.03.2020.
  59. Mierzyńska A. Próba wpłynięcia na wyniki wyborów? Dwie siatki „patriotycznych” trolli wspierały Konfederację. OKO.press. https://oko.press/proba-wplyniecia-na-wyniki-wyborow-dwie-siatki-patriotycznych-troli-wspieraly-konfederacje/. Opublikowano 24.05.2019. Dostęp 12.03.2020.
  60. Jarynowski A, Platek D, Krzowski Ł, Gerylovich A, Belik V. African swine fever: Potential biological warfare threat. ResearchGate. 2019. doi:10.13140/RG.2.2.32360.62725
  61. Sejm Rzeczpospolitej Polskiej. Rządowy projekt ustawy o szczególnych rozwiązaniach związanych z zapobieganiem, przeciw-działaniem i zwalczaniem COVID-19 – druk nr 265. https://www.sejm.gov.pl/Sejm9.nsf/PrzebiegProc.xsp?id=016EAA75EDD551EBC125851E0077C1C2. Dostęp 12.03.2020.
  62. Sejm Rzeczpospolitej Polskiej. Głosowanie nad projektem nr 266. https://www.sejm.gov.pl/Sejm9.nsf/agent.xsp?symbol=glosowania&NrKadencji=9&NrPosiedzenia=7&NrGlosowania=7/. Dostęp 12.03.2020.
  63. YouTube. Wyniki wyszukiwania hasła „koronawirus”. https://www.youtube.com/results?search_query=koronawirus. Dostęp 4.03.2020.
  64. Trzos A, Krzowski Ł, Długosz K. Specyfika działań ratownictwa medycznego w obliczu zagrożenia biologicznego. Na Ratunek. 2017;4:19. https://naratunek.elamed.pl/artykul/specyfika-dzialan-ratownictwa-medycznego-w-obliczu-zagrozenia-biologicznego/37747. Dostęp 31.03.2020.
  65. Miotk A. Instagram i jego polscy użytkownicy. Polskie Badanie Internetu; 2018. http://pbi.org.pl/wp-content/uploads/2018/07/2018-07-Instagram.pdf. Dostęp 12.03.2020.
  66. Pyżalski J, Bochenek M, Borkowska A, Witkowska M, Wrońska A. Pyżalski J, red. Pozytywny internet i jego młodzi twórcy – dobre i złe wiadomości z badań jakościowych. Warszawa, Polska: NASK Państwowy Instytut Badawczy; 2019. https://akademia.nask.pl/badania/RAPORT_a4_29_5_19_inter.pdf. Dostęp 31.03.2020.
  67. Giełda Papierów Wartościowych. https://www.gpw.pl. Dostęp 4.03.2020.
  68. Naczelna Izba Lekarska. Oświadczenie Głównego Inspektora Sanitarnego i Prezesa Naczelnej Rady Lekarskiej w związku z publikacją na fanpage „Ukryte terapie – Jerzy Zięba” treści zagrażających zdrowiu i życiu ludzi. 2020. https://nil.org.pl/aktualnosci/4391-nrl-i-gis-ukryte-terapie-zagrazaja-zdrowiu-i-zyciu. Opublikowano 14.02.2020. Dostęp 28.03.2020.
  69. Stróżak P. Wpływ skryptu i sugestii na powstawanie fałszywych rozpoznań. Przegląd Psychologiczny. 2010;53(4):463–478. https://www.kul.pl/files/714/nowy_folder/4.53.2010_art.4.pdf. Dostęp 31.03.2020.
  70. Wolska-Zogata I, Wójta-Kempa, M. Między rynkiem a odpowiedzialnością społeczną mediów – analiza wybranych magazynów o zdrowiu. Zeszyty Prasoznawcze. 2015;2(222):347–364. http://www.ejournals.eu/Zeszyty-Prasoznawcze/2015/2-(222)/art/6044/. Dostęp 31.03.2020.
  71. Wolska-Zogata I. Social media i nowy marketing w społeczeństwie konsumpcyjnym. Forum Socjologiczne. 2018;9(9):153–164. doi:10.19195/2083-7763.9.12
  72. Bostock B. Chinese social media has been censoring coronavirus content since the day the government acknowledged the outbreak. Business Insider. https://www.businessinsider.de/international/coronavirus-china-wechat-yy-censorship-citizen-lab-2020-3/?r=US&IR=T. Opublikowano 4.03.2020. Dostęp 12.03.2020.
  73. Facebook for Developers. Documentation. https://developers.facebook.com/docs. Dostęp 12.03.2020.
  74. Liu C, Lu X. Analyzing hidden populations online: Topic, emotion, and social network of HIV-related users in the largest Chinese online community. BMC Med Inform Decis Mak. 2018;18(1):2. doi:10.1186/s12911-017-0579-1
  75. Lu X, Qin S, Holme P, et al. Beyond the coverage of information spreading: Analytical and empirical evidence of re-exposure in large-scale online social networks [opublikowano jako preprint 26.07.2019]. arXiv Prepr arXiv190712389. 2019. https://arxiv.org/abs/1907.12389. Dostęp 31.03.2020.
  76. Paul MJ, Dredze M. You are what you tweet: Analyzing twitter for public health. W: Fifth International AAAI Conference on Weblogs and Social Media. 2011. https://www.aaai.org/ocs/index.php/ICWSM/ICWSM11/paper/viewFile/2880/3264. Dostęp 13.03.2020.
  77. Salathe M, Bengtsson L, Bodnar TJ, et al. Digital epidemiology. PLoS Comput Biol. 2012;8(7):e1002616. doi:10.1371/journal.pcbi.1002616
  78. Nuti SV, Wayda B, Ranasinghe I, et al. The use of Google Trends in health care research: A systematic review. PLoS One. 2014;9(10):e109583. doi:10.1371/journal.pone.0109583
  79. Samaras L, García-Barriocanal E, Sicilia MA. Syndromic surveillance using web data: A systematic review. W: Lytras M, Sarirete A, red. Innovation in Health Informatics: A Smart Healthcare Primer. Else-vier, Academic Press; 2020. doi:10.1016/B978-0-12-819043-2.00002-2
  80. Kamiński M, Łoniewski I, Marlicz W. “Dr. Google, I am in pain” – Global internet searches associated with pain: A retrospective analysis of Google Trends data. Int J Environ Res Public Health. 2020;17(3):954. doi:10.3390/ijerph17030954.
  81. Strzelecki A. The second worldwide wave of interest in coronavirus since the COVID-19 outbreaks in South Korea, Italy and Iran: A Google Trends study [opublikowano jako preprint 24.03.2020]. arXiv:2003.10998v1. 2020. https://arxiv.org/abs/2003.10998. Dostęp 31.03.2020.
© Uniwersytet Medyczny im. Piastów Śląskich we Wrocławiu