Teenu Xavier，学生，辛辛那提大学
日益,护理专业人员使用 Twitter 来分享想法、信息和意见。 许多护士还利用这个平台来表达对工作场所条件对其心理健康影响的担忧。 虽然这些推文是很好的研究数据源，通常作为既定研究方法的辅助手段，但缺乏对护士推文的研究，因为很难在 Twitter API 上过滤它们。 此海报演示了如何使用 JMP 从大型数据集中过滤来自护士的推文。
3 月 3 日至 12 月进行了一项横断面数据挖掘研究。 2020 年 3 月。 使用公共网站上提供的推文 ID 下载了近 355,000,000 条与 COVID-19 相关的推文。 使用 JMP Pro 16 中的文本资源管理器，通过在资料描述字段中搜索与护理相关的关键字来处理和过滤数据。
在 Text Explorer 过滤了与护理职业相关的关键术语和短语后，从 5,476 个自我识别的护士的唯一 Twitter 用户 ID 中提取了 13,868 条推文。 一旦收集到推文，它们就成为一个巨大的数据源（由数千名用户组成），有助于进行可靠的分析，以探索护士对与促进健康和降低风险相关的各种主题的意见和担忧。
