当前位置：
X-MOL 学术
›
J. Am. Med. Inform. Assoc.
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Self-reported COVID-19 symptoms on Twitter: an analysis and a research resource.
Journal of the American Medical Informatics Association ( IF 6.4 ) Pub Date : 2020-07-04 , DOI: 10.1093/jamia/ocaa116 Abeed Sarker 1 , Sahithi Lakamana 1 , Whitney Hogg-Bremer 1 , Angel Xie 1 , Mohammed Ali Al-Garadi 1 , Yuan-Chi Yang 1
Journal of the American Medical Informatics Association ( IF 6.4 ) Pub Date : 2020-07-04 , DOI: 10.1093/jamia/ocaa116 Abeed Sarker 1 , Sahithi Lakamana 1 , Whitney Hogg-Bremer 1 , Angel Xie 1 , Mohammed Ali Al-Garadi 1 , Yuan-Chi Yang 1
Affiliation
To mine Twitter and quantitatively analyze COVID-19 symptoms self-reported by users, compare symptom distributions across studies, and create a symptom lexicon for future research.
中文翻译：
Twitter 上自我报告的 COVID-19 症状：分析和研究资源。
挖掘 Twitter 并定量分析用户自我报告的 COVID-19 症状，比较研究中的症状分布，并为未来的研究创建症状词典。
更新日期：2020-09-10
中文翻译：
Twitter 上自我报告的 COVID-19 症状：分析和研究资源。
挖掘 Twitter 并定量分析用户自我报告的 COVID-19 症状，比较研究中的症状分布，并为未来的研究创建症状词典。
京公网安备 11010802027423号