本文研究了利用推特进行营养数据收集与分析的可行性，通过关联 210K 用户推特中提及的饮食体验与其兴趣、社交网络等因素，以推断全美国人的饮食习惯；进一步根据提及的食物名称和人口统计学变量预测县级肥胖症和糖尿病数据，结果较之前的研究表现更佳；最后，还根据提到社会和经济因素的数据，研究了肥胖症的社会因素。

Dec, 2014

通过评估 170 个国家的饮食习惯，本研究使用机器学习技术将这些国家按照脂肪、能量和蛋白质在 23 种不同类型食物中的分布以及摄入量进行分组，以找出这些习惯与 COVID-19 的死亡率之间的相关性，结果显示肥胖和高脂肪摄入与死亡率较高的国家有关，而死亡率较低的国家则伴有更高水平的谷物消费和较低的总体平均热量摄入。

Feb, 2024

通过对广泛分布的网络浏览器插件所收集的日志进行分析，发现美国不同地区在饮食上有明显的差异，再通过对配方查询数据的营养时间序列与同期医院入院数据的对齐对钠的情况进行分析，以了解网络日志中捕捉到的行为数据如何被利用来识别饮食与急性健康问题之间的潜在关系。

Apr, 2013

研究社交媒体上食品语言的预测能力，通过三百万个相关推特文章的语料库，演示可以直接从数据中预测许多潜在的人口特征，包括超重率、糖尿病率、政治倾向和作者的家庭地理位置，所有任务的基于语言的模型都显著优于多数基线。最后，我们设计和实现了一个在线系统，用以实时查询和可视化数据集。

Sep, 2014

营养不良和脱水与老年痴呆患者的认知和功能性衰退增加以及住院率提高密切相关。本研究通过分析因特网技术在 73 个老年痴呆患者家庭收集的居家监测数据，发现 COVID-19 大流行显著改变了老年痴呆患者的饮食习惯，并提出了一种基于马尔科夫建模的远程监测数据分析方法，为在自然环境中改进老年痴呆患者监测和从被动照料转为主动照料提供了奠基。

Jul, 2023

这篇论文通过分析 Instagram 上 214,753 家餐厅的照片，旨在评估快餐和连锁餐厅与肥胖症之间的关系，揭示社交媒体上饮食健康的社交强化和认可的本质，发现快餐除了在社交交互和个人感知中扮演一定角色外，还与社交认可等因素反向，体现饮食景观的复杂生态系统。

Mar, 2015

该研究提供了一个多语种的新冠病毒 Instagram 数据集，旨在帮助研究社区更好地了解 Instagram 这一主要社交媒体中这一现象背后的动态，并帮助研究这一疫情相关的错误信息的传播。

Apr, 2020

本论文研究了 COVID-19 大流行期间社交媒体消息对公众意见和情感的影响，其中着重关注了公众人物（例如运动员、政治家、新闻人员）分享的内涵以及公众舆论的方向

Feb, 2023

通过大规模数据采集和分析，本文发现新冠疫情期间社交媒体的信息泛滥现象（infodemic）给医疗建议和经济造成了负面影响，因此应采取危机管理和社交网络管理策略，确保信息可靠和可信。

May, 2020

本论文使用多语言句子嵌入的神经网络对欧洲 COVID-19 疫情爆发期间收集的 Twitter 消息进行情感分析，并将结果按来源国分离，通过与国家事件的相关性进行时间性发展的相关性分析，研究疫情对人们情绪的影响。

Aug, 2020