Terjemah#02c The Creation of Social Value Can An Online Health Community Reduce Rural-Urban Helath Disparities - En.id

R esearch N OTE
T DIA C REATION OF S osial V Alue: C AN AN HAI nline

H Puskesmas Plus Sejauh ini C OMMUNITY R MEMUTUSKAN R URAL -U RBAN
H Puskesmas Plus Sejauh ini D ISPARITIES? 1
Jie Mein Goh

Beedie School of Business, Universitas Simon Fraser, 8888 University Drive,
Burnaby, BC V5A 1S6 CANADA {} jmgoh@sfu.ca
Guodong (Gordon) Gao dan Ritu Agarwal

Robert H. Smith School of Business, University of Maryland,
College Park, MD 20.742 USA {ggao@rhsmith.umd.edu} {} ragarwal@rhsmith.umd.edu
Pertumbuhan mencolok dari komunitas online dalam beberapa tahun terakhir telah memicu minat yang signifikan dalam memahami dan mengukur manfaat dari
partisipasi. Sementara penelitian telah mulai mendokumentasikan hasil ekonomi yang terkait dengan komunitas online, mengukur nilai sosial yang diciptakan di
kolektif ini sebagian besar telah diabaikan. Penelitian ini mengusulkan bahwa komunitas online kesehatan menciptakan nilai sosial dengan mengatasi
kesenjangan kesehatan pedesaan-perkotaan melalui peningkatan kemampuan kesehatan. Menggunakan data yang unik set dari komunitas penyakit langka,
kami pro salah satu vide dari studi empiris pertama penciptaan nilai sosial. analisis kuantitatif kami menggunakan eksponensial model grafik acak
mengungkapkan pola dukungan sosial yang dipertukarkan antara pengguna dan variasi dalam pola-pola ini berdasarkan lokasi pengguna. Kami menemukan
bahwa, secara keseluruhan, pengguna perkotaan adalah pemasok bersih dukungan sosial, sementara peserta pedesaan penerima bersih, menunjukkan bahwa
masyarakat kesehatan secara online teknologi-dimediasi mampu mengurangi kesenjangan kesehatan pedesaan-perkotaan. Penelitian ini kemajuan pemahaman
yang masih ada dari nilai produksi di kolektif online, dan menghasilkan implikasi kebijakan.
Kata kunci: Kesehatan, komunitas online, nilai sosial, kesenjangan, jaringan sosial
pengantar 1 sifat hasil terkait dengan kolektif ini dan potensi mereka penciptaan nilai
(Armstrong dan Hagel 2000). Sejauh bahwa interaksi antara pengguna yang
Pertumbuhan mencolok di komunitas online di berbagai domain dan daerah berpartisipasi dalam masyarakat memproduksi nilai, penelitian tentang
topik telah diakui secara luas dalam literatur ilmiah dan praktisi (Faraj et al komunitas online telah berteori tentang dan empiris dieksplorasi berbagai
2015;. Ma dan Agarwal 2007; Manchanda et al 2015;. Nevo dan Fur- neaux cara di mana pengguna komunitas online menciptakan nilai ekonomi, seperti
2012; Sun . et al 2012; Wimmer dan Lewis 2010). Dengan kemajuan potensi untuk menurunkan biaya perusahaan, menghasilkan penjualan , dan
teknologi yang memungkinkan wacana kaya dan perubahan mantan dalam inovasi asuh (misalnya, Armstrong dan Hagel 2000; Manchanda et al 2015;.
interaksi individu (Kane dan Fichman 2009), ada, tidak mengejutkan, bunga Trusov et al 2009.). Namun, sementara nilai ekonomi yang tak diragukan lagi
yang signifikan dalam pemahaman penting, sejumlah besar komunitas online tidak disponsori oleh perusahaan
tertentu, juga tidak memiliki bisnis langsung implikasi, menimbulkan
pertanyaan bagaimana lagi manfaat komunitas online mungkin
dikonseptualisasikan.
1 Andrew Burton-Jones adalah editor senior menerima kertas ini. Gerald Kane menjabat sebagai
associate editor.
MIS Quarterly Vol. 40 No 1, pp. 247-263 / Maret 2016 247

Goh et al./Creation dari Nilai Sosial dengan Komunitas Kesehatan online
Dalam studi ini, kami menyelidiki penciptaan nilai dalam konteks komunitas online yang dan secara empiris menguji peran komunitas online dalam mengurangi
fokus pada kesehatan. kesehatan secara online munities com- memfasilitasi berbagi, kesenjangan kesehatan daerah. tion proposi- teoritis ini meluas pemahaman
penyebaran, dan penciptaan informasi kesehatan dengan pasien pada tingkat belum yang masih ada satu cara di mana komunitas online yang nilai memproduksi.
pernah terjadi sebelumnya, dan merupakan salah satu jenis yang paling cepat Secara metodologis, penelitian ini menggunakan metode estimasi yang relatif
berkembang dari inisiatif-inisiatif kolektivisme virtual. Sementara pengetahuan baru. Penelitian sebelumnya pada komunitas online, terutama studi yang
dipertukarkan dalam ini tives kolektivisme memiliki potensi untuk menghasilkan meneliti driver keberlanjutan dan keterlibatan pengguna, telah biasanya
substansial sosial nilai bagi peserta, efek penting dari masyarakat teknologi-dimediasi diabaikan karakteristik jaringan dalam menanggapi identifica- masalah tion yang
telah mendapat perhatian ilmiah yang terbatas. sidering con- bahwa kesehatan individu muncul ketika menggunakan regresi tradisional memakai teknik. Pendekatan ini
merupakan salah satu bidang yang paling menentukan aktivitas bagi mereka, pengaturan dibatasi dalam hal itu, untuk tingkat bahwa esensi dari sebuah komunitas
pro VIDES lingkungan yang kaya di mana untuk mengeksplorasi pertanyaan-pertanyaan adalah dalam interaksi sosial yang terjadi, itu tidak memperhitungkan
yang berkaitan dengan nilai sosial. dependensi tingkat yang lebih tinggi seperti homophily dan timbal balik yang
telah mapan dalam literatur jaringan sosial sebagai pengaruh penting pada
hasil. Para peneliti telah mencatat bahwa keterbatasan ini dapat diatasi dengan
menggunakan teknik analisis seperti expo- model nential random graph
Kami mengajukan pertanyaan: Dapatkah komunitas kesehatan secara online memungkinkan (ERGM) (Ahern dan Harford 2014; Cranmer dan Desmarais 2011; Faraj dan
para peserta untuk menciptakan nilai sosial dengan membantu alle- kesenjangan kesehatan Johnson 2011; Jackson et al 2012;. Lusher et al. 2013; Wimmer dan Lewis
daerah viate antara pengguna pedesaan dan perkotaan? Adanya kesenjangan kesehatan
yang timbul dari tion LOKASI yang didokumentasikan dengan baik, dengan penelitian besar
menunjukkan bahwa penduduk pedesaan mengalami kesulitan kesehatan yang lebih besar
karena kurangnya akses ke pengetahuan kesehatan dan sumber daya (Insti- tute of Medicine 2010). Kami menganalisis pola interaksi jaringan di data kami untuk mengukur
2005; Lengerich et al 2005;. Martin et al. pertukaran dukungan sosial menggunakan ERGM untuk expli- citly meliputi
karakteristik jaringan yang lebih tinggi ketika membangun nilai sosial potensi
2013). masyarakat kesehatan secara online masuk akal menyediakan sebuah penciptaan komunitas online.
forum alternatif yang melampaui kendala geografis, mewakili sumber daya
jaringan sosial yang mendukung untuk memperbaiki kesenjangan kesehatan.
pernyataan ini, bagaimanapun, tetap understudied. Anchoring harapan kami
untuk penciptaan nilai sosial seperti dalam kerangka teori kemampuan
kesehatan (Ruger 2010) yang mengacu pada karya perintis pendekatan Latar belakang konseptual
kemampuan peraih Nobel Amartya Sen untuk pembangunan manusia (Sen
1999), kami sarankan bahwa pertukaran dalam masyarakat dapat berperan di Komunitas Online dan Penciptaan Nilai
memperkuat kemampuan kesehatan pengguna pedesaan.
Dalam beberapa tahun terakhir, penelitian komunitas online telah semakin
mulai menekankan penciptaan nilai dan hasil masyarakat. Satu aliran kerja
berfokus pada potensi pendapatan dari komunitas online bagi perusahaan
Kami menguji pernyataan kami yang terkait dengan pengurangan disparitas (Armstrong dan Hagel 2000; Man-chanda et al 2015.). Misalnya, Manchanda
kesehatan daerah dengan data yang unik diatur dari sebuah komunitas online et al. (2015) mengeksplorasi nilai ekonomi yang diciptakan oleh keterlibatan
difokuskan pada penyakit langka. The “kelangkaan” penyakit membuatnya pelanggan dalam komunitas online perusahaan yang disponsori, dan Huang
menantang untuk mencari dukungan dalam cara-cara tradisional seperti et al. (2014) studi perilaku pelanggan online dalam konteks generasi ide
melalui akses ke sumber daya offline atau pertemuan dengan orang lain yang untuk Dell Komputer. Aliran kedua menghubungkan manfaat dari
mirip yang mengalami penyakit ini. Dengan demikian, komunitas online ini keterlibatan komunitas online untuk perfor- hasil Mance. Nevo dan Furneaux
merupakan pengaturan yang ideal untuk menguji potensi nilai dukungan sosial (2012) menemukan bahwa akses pengetahuan, kepercayaan, hubungan
antara pasien. Dalam data kami kami dapat mengamati semua interaksi yang dan menjembatani terkait dengan kinerja tim,
terjadi di dalam Tengoklah selama periode waktu 44 bulan, lokasi geografis
dari peserta dalam setiap interaksi, bersama-sama dengan sejumlah
karakteristik peserta tambahan. Hasil empiris kita, stabil di beberapa tes
ketahanan, mengindikasikan ada surplus bersih dukungan sosial dari
perkotaan ke pengguna pedesaan,
pekerjaan sebelumnya pada nilai komunitas online sebagian besar telah

termotivasi oleh manfaat yang mereka hasilkan untuk perusahaan, seperti
Penelitian ini membuat beberapa kontribusi kepada literatur yang ada. Untuk yang terbaik dari keterlibatan pelanggan dan penjualan. Namun keuntungan ekonomi
pengetahuan kita, itu adalah yang pertama untuk mengandaikan mencerminkan hanya satu dimensi potensi nilai
248 MIS Quarterly Vol. 40 No 1 / Maret 2016

komunitas online. Karena komunitas online memungkinkan pertukaran tetap menjadi perhatian utama bagi para pemimpin dunia (World Health
pengetahuan dan dukungan (Faraj et al. 2011), mereka menjanjikan untuk Organization 2010). Di Amerika Serikat, hanya 11 persen dari total kolam
menghasilkan nilai sosial bagi peserta pada platform. 2 Dengan meningkatnya minat dokter perawatan primer berlatih di daerah pedesaan. Masalahnya sangat akut
dalam pengertian tanggung jawab sosial, dan ditambah dengan meningkatnya di bidang kal medi- khusus, dengan daerah pedesaan menghadapi
jumlah komunitas online perusahaan yang disponsori, pertanyaan apakah kekurangan kronis dokter khusus (Gamm et al 2010;.. O'Grady et al 2002;
komunitas online menghasilkan nilai sosial kuantitatif signifikan. Menetapkan nilai Schur dan Franco 1999; Ziller 2014). Antara dokter pedesaan, 51 persen dari
sosial dari komunitas online dapat membantu perusahaan-perusahaan yang dokter perawatan primer merujuk pasien mereka ke sebuah kota yang jauh
membuat dan mensponsori komunitas online menghasilkan dampak positif pada atau kota lebih dari 20 mil dari kantor mereka, dan 47 persen dari dokter
masyarakat, memenuhi, sebagian, tanggung jawab sosial perusahaan mereka dan percaya bahwa itu setidaknya agak sulit bagi pasien mereka untuk
menyediakan mekanisme untuk meningkatkan reputasi dan kepercayaan. Namun, mendapatkan layanan khusus secara lokal (Inggris Kesehatan 2011).
meskipun ada bukti anekdot yang substansial untuk mendukung
individu manfaat yang komunitas online memberikan pada cipants parti- Selain kurangnya profesional yang berkualitas, pasien pedesaan lanjut dirugikan
(misalnya, Wasko dan Faraj 2005), kita tidak menemukan studi empiris sehubungan dengan akses ke kelompok dukungan. Penelitian sebelumnya menemukan
berskala besar yang menunjukkan produksi nilai sosial dalam komunitas bahwa akses ke dan cipation parti- dalam kelompok dukungan menghasilkan dampak
online. kesehatan menguntungkan bahkan dalam lingkungan miskin sumber daya (Nobles dan
Frankenburg
2009). jaringan pasien tersebut juga dapat melayani diasuransikan sebagai sumber utama
bimbingan medis. Namun, geografis dikan dis membuat sulit bagi pasien pedesaan untuk
Kesehatan Kekurangan Lokasi
membentuk kelompok dukungan tersebut, terutama dalam kasus penyakit langka. Di
daerah pedesaan, kepadatan penduduk yang rendah menyiratkan bahwa kemungkinan
Fokus kami adalah pada kuantifikasi nilai sosial seperti yang tercermin dalam sejauh
menemukan individu yang menderita penyakit tertentu lebih kecil, sehingga membatasi
mana komunitas kesehatan online adalah mampu mengurangi kesenjangan
kemampuan individu untuk memperoleh dan memberikan informasi secara lokal.
kesehatan antara pengguna pedesaan dan perkotaan. Syarat disparitas kesehatan berkonotasi
situasi di mana hasil medis adil diamati sebagai hasil dari beberapa “sosial
merugikan, ekonomi atau lingkungan” (Koh et al. 2011). Salah satu sumber utama
perbedaan adalah lokasi geografis yang dapat membuat cacat yang signifikan untuk
Terbatasnya akses ke profesional kesehatan dan kelompok dukungan menciptakan
penduduk pedesaan (Rutten et al.
kerugian yang signifikan bagi pasien pedesaan. Untuk con- ceptualize sifat cacat ini, kita
mengadopsi perspektif kemampuan pada kesenjangan (Ruger 2010), yang mengacu pada
2012). Terlepas dari kenyataan bahwa dalam kasus-kasus tertentu tions popula-
(2002) karya perintis Sen pada kesetaraan kesehatan untuk mengusulkan model
pedesaan mungkin diberkahi dengan keunggulan komparatif terhadap rekan-rekan
kemampuan kesehatan (HCM). Argumen utama Sen terkait dengan kesetaraan kesehatan
mereka perkotaan (seperti polusi kurang industri, stres yang lebih rendah, dan gaya
menekankan pentingnya kemampuan manusia untuk berfungsi-apa yang orang efektif sanggup
hidup sehat), seorang ber NUM besar penelitian menunjukkan bahwa masyarakat
untuk melakukan dan menjadi (Sen 2002). HCM dibangun di atas ini ciple-prinsip mendasar
pedesaan mengalami kesulitan yang lebih besar kesehatan, termasuk tingkat obesitas
dari kemampuan untuk menunjukkan bahwa hasil kesehatan secara langsung berhubungan
lebih tinggi, kanker, penyakit jantung, diabetes, dan kematian terkait cedera (Institute of
dengan lembaga-apa kesehatan individu sanggup melakukan. Model HCM mengidentifikasi
Medicine 2005; Martin et al 2013.).
delapan faktor internal (lihat Gambar 1) yang secara kolektif membentuk kemampuan
kesehatan. Kerugian yang timbul dari lokasi itu pasien pedesaan secara eksperimental
hasil ence di celah kemampuan kesehatan, salah satu penyebab fundamental kesenjangan
Sementara banyak faktor telah terlibat dalam keberadaan kesenjangan dalam hasil kesehatan. Untuk mengatasi ities inequal- kemudian, para pembuat kebijakan
kesehatan seperti diskriminasi terbuka, status sosial ekonomi, dan pendidikan harus peduli dengan mengurangi ketidakadilan dalam kemampuan kesehatan antara
(Adler dan Rehkopf 2008), sopir pusat kesenjangan kesehatan antara daerah individu-individu dan kelompok-kelompok bukan hanya mendistribusikan sumber sama di
pedesaan dan perkotaan adalah akses terhadap sumber daya kesehatan dan antara mereka. Sebagai Ruger (2010, p. 42) catatan, “Secara konseptual, kemampuan
informasi (Baldwin et al 2004;. Inggris Kesehatan 2011). Dengan 50 persen dari kesehatan memungkinkan kita untuk memahami kondisi yang memfasilitasi dan hambatan
populasi dunia yang hidup di daerah pedesaan, kesulitan dalam menarik dan yang menghambat kesehatan dan kemampuan untuk membuat pilihan kesehatan.”
mempertahankan profesional medis di daerah-daerah secara konsisten telah
diidentifikasi sebagai tantangan global dan
2 contoh penting yang menggambarkan nilai sosial seperti termasuk munities com- secara online di situs web
kampanye Presiden Obama dan Angkatan Laut AS “Angkatan Laut untuk Moms,” sebuah komunitas diciptakan
untuk ibu-ibu dengan anak-anak di Angkatan Laut untuk memfasilitasi dukungan anggota dan keterlibatan.
Kehadiran kesenjangan kemampuan kesehatan antara pasien pedesaan
didokumentasikan dalam literatur. Misalnya, pasien pedesaan
MIS Quarterly Vol. 40 No 1 / Maret 2016 249

Kekurangan Kemampuan kesehatan * Kesenjangan (Untuk Pasien Pedesaan) Disparitas Kesehatan
Disebabkan Oleh Lokasi • status kesehatan menurun dan fungsi hasil

• Jumlah sumber daya seperti kesehatan • status kesehatan yang lebih miskin
perawatan khusus, informasi, • pengetahuan kesehatan yang lebih rendah • tingkat kematian yang lebih
tinggi
program-program kesehatan • Lebih rendah kesehatan mencari keterampilan, kepercayaan dan
dan kelompok dukungan sosial kemanjuran diri
• nilai-nilai kesehatan yang lebih rendah dan tujuan
• kemampuan rendah diri memerintah
• keterampilan membuat keputusan kesehatan kurang efektif
• motivasi intrinsik yang lebih rendah untuk mencapai hasil
kesehatan yang diinginkan
• harapan kurang positif tentang mencapai hasil

kesehatan
* Lihat Ruger (2010) untuk definisi masing-masing kemampuan kesehatan.
Gambar 1. Kerangka Pedesaan-Perkotaan Kesehatan Disparitas (diadaptasi dari Ruger 2010)
kesenjangan kemampuan kesehatan pengalaman dalam bentuk tepi kesehatan 1997; Wellman et al. 1996) dapat menjadi sumber daya berharga bagi anggota
Knowledge; Ricketts' (2000) studi mengidentifikasi kekurangan tion masyarakat. Memang, ada bukti yang signifikan dari manfaat positif dari interaksi
INFORMATION di bidang penanggulangan, pengobatan dan efek samping, dan tersebut, umumnya disebut sebagai dukungan sosial ( Rumah 2002) dalam
perawatan di rumah kebutuhan yang tak terpenuhi kritis pasien pedesaan. meningkatkan kemampuan pasien untuk mengatasi penyakit, mengurangi kecemasan,
Ketersediaan informasi yang berkurang juga mengarah untuk menurunkan dan meringankan gangguan suasana hati (Rutten et al 2012;. Viswanath 2006).
kesadaran akan masalah kesehatan dan, pada gilirannya, hasil yang lebih
buruk kesehatan (man Berk- et al. 2011). Studi pada melek kesehatan, atau
sejauh mana individu memiliki kapasitas untuk memahami dan memproses dukungan sosial online memiliki potensi untuk meningkatkan kemampuan kesehatan
informasi yang diperlukan untuk membuat keputusan kesehatan informasi, dalam setidaknya dua cara. Pertama, karena pasien pedesaan cenderung kurang
menggarisbawahi fakta bahwa individu pedesaan cenderung memiliki melek beruntung dalam akses ke informasi kesehatan, komunitas online menyediakan platform
kesehatan yang lebih rendah, kemungkinan disebabkan oleh interaksi terbatas bagi mereka untuk bertanya-pertanyaan tions dan belajar dari pasien perkotaan tentang
dengan para profesional kesehatan dan rekan pasien. Secara kolektif, sifat penyakit dan pengobatan pilihan. Kedua, komunitas online menyediakan dukungan
terbatasnya ketersediaan pakar kesehatan, tingkat yang lebih rendah dari emosional yang sama dengan yang tersedia melalui online kelompok dukungan sosial
melek huruf secara umum dan kesehatan melek huruf pada khususnya, (misalnya, Alcoholics Anonymous), yang membantu untuk mempertahankan pandangan
positif dan lebih baik mengelola kondisi penyakit mereka.
Dengan kata lain, kedua ditingkatkan

akses ke informasi dan motivasi tinggi untuk mencapai hasil yang diinginkan
memiliki potensi untuk meningkatkan kemampuan kesehatan pengguna
Meningkatkan Kemampuan Kesehatan Pengguna pedesaan.
Pedesaan
Untuk meringkas, kami telah menyarankan bahwa dukungan sosial dipertukarkan dalam
Mengingat bahwa pengguna pedesaan relatif kurang beruntung untuk pengguna perkotaan, komunitas online kesehatan secara positif asso- diasosiasikan dengan penurunan
bagaimana mungkin interaksi dalam kesehatan secara online alamat nity tual perbedaan seperti kesenjangan kesehatan yang disebabkan oleh lokasi melalui kemampuannya untuk
itu? Kami menyarankan bahwa nities tual secara online mengurangi kemampuan kesehatan mengurangi kemampuan kesehatan kesenjangan anggota masyarakat pedesaan. Untuk
kesenjangan yang dialami oleh pasien pedesaan dengan memungkinkan pertukaran dukungan tingkat bahwa tindakan masyarakat antar memiliki relatif lebih efek positif bagi pasien
sosial pedesaan, kita cukup dapat menyimpulkan bahwa komunitas online menghasilkan nilai sosial
(Gambar 2). Seperti dengan masyarakat lainnya terstruktur sekitar kepentingan dan dengan mengurangi kesenjangan kesehatan pedesaan-perkotaan.
tujuan bersama, manfaat yang signifikan dari pation partici- di kolektif kesehatan
secara online adalah kekayaan pengetahuan dan informasi yang dimiliki oleh
peserta (Franke dan Shah Kami selanjutnya menjawab pertanyaan tentang mengapa kesehatan secara online nities tual
2003). Dalam forum, informasi dan pengetahuan tentang kondisi penyakit, cenderung lebih berkhasiat dalam meningkatkan kemampuan kesehatan pengguna pedesaan
perawatan, pengobatan alternatif, dan saran terkait penyakit lainnya (Bunde dibandingkan dengan terparts negara- perkotaan mereka. Sebagaimana dibahas dalam literatur
et al 2006;. Graydon et al. pada kesenjangan antar daerah

Komunitas Kesehatan secara online

• Memperlancar arus dukungan sosial dari
perkotaan ke pedesaan pasien
attenuates
Kekurangan mengurangi Kesehatan

Kesenjangan Kesehatan Kemampuan (Untuk Pasien Pedesaan)
Disebabkan Oleh Lokasi disparitas
Gambar 2. Model Konseptual Sosial Penciptaan Nilai di Komunitas Kesehatan online
(Lipsky dan Glasser 2011), penduduk perkotaan umumnya memiliki akses yang lebih besar tributions dukungan cenderung lebih tinggi dibandingkan pasien yang tinggal di
ke sumber daya yang dibutuhkan informasi melalui saluran offline. Hal ini terutama berlaku daerah pedesaan. Berdasarkan logika ini, kita berteori adanya inflow lebih besar
untuk penyakit langka, di mana dispersi pasien di daerah pedesaan membuat akses lebih dari dukungan sosial dari pasien perkotaan kepada pasien pedesaan. Bisa
menantang. pasien perkotaan unggul wakaf pengetahuan memungkinkan mereka untuk alternatif dikatakan bahwa pasien perkotaan, yang menerima dukungan yang
melayani sebagai sumber keahlian, sementara pasien pedesaan mungkin tidak memiliki lebih besar dari sumber lain, mungkin kurang aktif dalam komunitas online. Ini
informasi yang diperlukan untuk kontribusi yang bermanfaat untuk wacana secara online. tetap merupakan pertanyaan empiris apakah ada surplus sebesar dukungan
Dengan demikian, kita akan mengharapkan pasien perkotaan untuk memiliki lebih besar sosial dari perkotaan ke pedesaan pasien, yang kita menyelidiki.
secara keseluruhan kemampuan
untuk memberikan dukungan kepada pasien pedesaan.
Namun, kemampuan untuk berkontribusi wacana masyarakat diperlukan, tetapi metode

bukan kondisi yang cukup untuk memungkinkan perubahan mantan dukungan
sosial. peserta masyarakat juga harus termotivasi untuk berkontribusi. Ada tubuh Pendekatan penelitian
yang cukup besar dari tepi Knowledge pada motivasi utama untuk kontribusi
pengguna dan pation partici- dalam komunitas online (misalnya Bateman et al Kami menggunakan data set baru dibangun dari komunitas kesehatan secara
2011;.. Ray et al 2014; Tsai dan Bagozzi 2014). Pasien pilih ke cipating parti- di online didirikan dengan tujuan untuk memudahkan berbagi informasi yang dapat
sebuah komunitas online kesehatan atas keinginannya, terutama didorong oleh membantu meningkatkan kehidupan pasien suf- Fering dari penyakit langka
minat dalam wacana masyarakat (Preece tertentu. Dua fitur unik membuat penyakit ini merupakan penelitian yang ideal
pengaturan untuk mempelajari peran komunitas online dalam mengurangi
2000). Karena mereka terlibat dengan orang lain dalam masyarakat, mereka kesenjangan kesehatan daerah melalui pertukaran dukungan sosial. Pertama,
mengembangkan identitas bersama, umumnya dibangun di sekitar penyakit tertentu penyakit ini disebabkan oleh degenerasi sistem saraf dan tidak berhubungan
yang fokus masyarakat. 3 Sebuah identitas umum dan tujuan bersama belajar tentang dengan status sosial ekonomi pasien. Meskipun penyakit ini belum ada obatnya
penyakit dan mengelola kesulitan memotivasi semua peserta untuk membantu dan diketahui, terapi dan perawatan tertentu dapat membantu pasien memperpanjang
dukungan- pelabuhan satu sama lain (Johnson dan Ambrose 2006; Ren et al. kelangsungan hidup. Dengan demikian, pengetahuan tentang berbagai aspek
manajemen penyakit dan pilihan pengobatan sangat penting bagi pasien. Kedua,
2007). penyakit ini diklasifikasikan sebagai “langka” yang didasarkan pada US Penyakit
Langka Act of 2002 (yaitu,
Oleh karena itu, sementara pasien baik di pedesaan dan perkotaan mungkin memiliki
pengalaman pribadi dengan kondisi medis, kapasitas untuk memberikan dukungan juga
sangat tergantung pada lokasi geografis. Karena pasien perkotaan cenderung memiliki 200.000). Karena prevalensi rendah, individu dengan penyakit langka menghadapi
akses medis dan informasi yang lebih besar dibandingkan dengan pasien pedesaan, con- tantangan dalam menghubungkan dengan orang lain yang memiliki kondisi yang sama
mereka (Edwards 2013), dan terutama jadi di daerah pedesaan di mana kepadatan penduduk
dan, oleh karena itu, insiden penyakit, secara signifikan lebih rendah. Secara kolektif, ini
teristics charac- dari pengaturan studi menciptakan konteks yang relatif murni untuk
3 Untuk menggambarkan, masyarakat kanker payudara seperti Breastcancer.org menarik mereka yang menyelidiki penciptaan nilai sosial.
menderita dengan kondisi medis.

Platform di mana masyarakat focal dibangun memiliki sejumlah fitur, sented dalam sampel. penguasaan pasien di masyarakat berkisar dari satu
termasuk forum diskusi bagi anggota untuk terlibat dengan satu sama lain, sampai enam tahun, dengan median tiga. Secara keseluruhan, kami memiliki
kemampuan untuk merekam kondisi penyakit, gejala, obat-obatan, dan sampel dari pasien yang profil konsisten dengan populasi umum didiagnosis
KASIH memperlakukan mereka di profil mereka, dan pencarian fitur yang dengan penyakit, dan ada variasi yang cukup dalam karakteristik terkait
memungkinkan mereka untuk melihat profil pasien lain. fungsi utama lain penyakit, terhadap waktu sejak diagnosis dan daerah onset spesifik penyakit,
yang tersedia termasuk kemampuan untuk mengirim pesan, mencari topik untuk mendukung bermakna Analisis statistik.
yang relevan dalam forum, berlangganan balasan baru untuk topik
TERTENTU par-, dan topik tag. Karena komunitas online ini adalah khusus
untuk hanya fokus pada satu penyakit (berbeda dengan tujuan masyarakat Selain penyakit pasien-tingkat dan data demografi, kami mengumpulkan
umum “kesehatan”), semua interaksi dalam pusat Platform sekitar penyakit semua pesan yang diposting di forum selama periode penelitian. Forum ini
ini. Pengaturan ini tidak hanya menyediakan data yang kaya dan lengkap di berisi beberapa thread, di mana benang terdiri dari topik memulai atau posting
masing-masing pasien dan tingkat pertukaran jaringan, pertama di forum yang diikuti oleh balasan berikutnya. Kami menggunakan
terminologi
pasca berasal untuk merujuk pada posting pertama, tanggapan untuk posting Quent
subse- atau balasan, dan benang untuk merujuk ke pos berasal dan tanggapan nya.
Setelah menghilangkan pesan yang tidak diposting oleh pasien atau mereka
diposting oleh pasien dengan tidak ada informasi lokasi atau berbasis di luar Amerika
Serikat, data interaksi komunitas kami terdiri dari 4.247 benang, yang mengandung
Sampel dan Data 43.361 posting.
Kami mengumpulkan data rinci pada semua pengguna aktif dari komunitas ini
untuk jangka waktu 44 bulan dari Oktober 2005 sampai Juni 2009. Kami cocok Kami mengembangkan grafik tertimbang diarahkan menggunakan posting forum komunitas, untuk
kota dan negara informasi yang terkandung dalam profil pengguna ke File menandakan dukungan jaringan yang diamati dari komunitas kesehatan secara online di statnet
Sumber Daya Daerah (ARF) basis data yang diperoleh dari Health Amerika (Handcock et al. 2008). Kami menggunakan pembatasan berikut untuk membangun grafik: Setiap
Serikat sumber daya dan Layanan Administrasi untuk mengklasifikasikan lokasi node dalam jaringan merupakan pasien yang partici- Pemberdayaan di forum. Ada directionality
pasien dalam kategori urban atau rural (didasarkan pada kombinasi dari federal terkait dengan penyediaan dukungan sehingga dasi mendukung antara pasien yang posting thread
Information Processing dan Metropolitan / Mikro politan statistik kode Area dan respon dari pasien lain diwakili oleh dasi diad diarahkan (tertimbang), di mana panah menunjuk
ditemukan di ARF). 4 Mengingat minat kami dalam memahami sifat dari interaksi ke arah poster yang berasal dan kepala panah berakhir pada penerima (misalnya, seorang pasien
antara pasien pedesaan dan perkotaan dalam komunitas penyakit di Amerika yang posting awal menghasilkan balasan di thread akan memiliki dasi yang diarahkan ke arahnya).
Serikat, kami menghapus anggota non-pasien (misalnya, pemberi perawatan-), Tidak ada loop yang diperbolehkan dalam grafik, dan grafik adalah biner karena semua ikatan
pasien yang tidak berpartisipasi dalam forum, pasien dengan data yang tidak diratakan sehingga dasi antara A dan B menunjukkan setidaknya satu interaksi terjadi antara dua
node. Merata hubungan adalah pendekatan konservatif untuk grafik konstruksi seperti itu
lengkap , dan pasien dari negara lain. Ini menghasilkan dataset akhir dari 638
menghasilkan bias ke bawah dari perkiraan model. Karena kepentingan kita adalah di lokasi
pasien, di antaranya ada 111 pasien pedesaan dan 527 pasien perkotaan. Data
pengguna yang menerima atau memberikan informasi, menggunakan grafik biner tidak
kami berisi satu set kaya variabel untuk setiap pasien, termasuk demografi,
mempengaruhi interpretasi arus informasi (tanah Ack- dan O'Neil 2011). statistik ringkasan berbagai
penyakit yang berhubungan, masyarakat terkait, dan langkah-langkah lokasi,
tor indica- dari sentralitas untuk jaringan dukungan diberikan pada Tabel 3. Karena kepentingan kita
diringkas dalam Tabel 1 dan 2. Kami membandingkan data kami set dengan
adalah di lokasi pengguna yang menerima atau memberikan informasi, menggunakan grafik biner
statistik nasional pada kondisi penyakit. statistik nasional menunjukkan bahwa
tidak mempengaruhi interpretasi arus informasi (tanah Ack- dan O'Neil 2011). statistik ringkasan
individu yang mengembangkan penyakit biasanya antara usia 40 sampai 70,
berbagai tor indica- dari sentralitas untuk jaringan dukungan diberikan pada Tabel 3. Karena
dengan usia rata-rata 55. Sampel kami telah rata-rata berusia 56. kejadian
kepentingan kita adalah di lokasi pengguna yang menerima atau memberikan informasi,
penyakit di Amerika Serikat adalah 60 persen dan 40 persen untuk pria dan
menggunakan grafik biner tidak mempengaruhi interpretasi arus informasi (tanah Ack- dan O'Neil
wanita masing-masing; sampel kami mengandung 57 persen pria dan 43 persen
2011). statistik ringkasan berbagai tor indica- dari sentralitas untuk jaringan dukungan diberikan pada
wanita. Kami mencatat bahwa jumlah tahun menderita penyakit langka pameran
Tabel 3.
varians yang cukup, dan beberapa daerah onset yang repre-
Analisis statistik: Exponential Model Acak

Grafik
Kami menganalisis pola interaksi jaringan untuk mengukur pertukaran dukungan

sosial menggunakan ERGM. ERGM adalah metode pemodelan pekerjaan net-
4 Untuk mempermudah, wilayah metropolitan didefinisikan sebagai perkotaan dan daerah nonmetropolitan
stokastik untuk menurunkan kemungkinan usaha bersih yang muncul dari semua
didefinisikan sebagai pedesaan. Syarat daerah metropolitan digunakan untuk merujuk ke suatu daerah dengan inti
struktur mungkin bisa memiliki
populasi setidaknya 2,5 juta.

Tabel 1. Ringkasan Statistik
Variabel obs rata-rata Berarti SD Min Max

Kovariat demografi
Umur (tahun) 638 56 55,33 11.04 16 85
Lokasi (1 = perkotaan, 0 = pedesaan) 638 1 0,83 0,38 0 1
Penyakit
Tahun menderita penyakit ini 638 5 6,26 4.99 1 43
Masyarakat
Keanggotaan (tahun) 638 3 3,56 1,09 1 6
Tabel 2. Distribusi Frekuensi
Variabel Frekuensi Persentase

tempat
Pedesaan 111 17.40
perkotaan 527 82.60
Jenis kelamin
Wanita 274 42.95

Pria 364 57,05
daerah onset
Senjata 239 37,46

Yg berhubungan dgn bengkak 160 25.08
kaki 212 33,23
pernafasan 27 4.23
Tabel 3. Ringkasan Statistik untuk Sentralitas Untuk Biner Jaringan
Variabel Deskripsi Obs Median Berarti SD Min Max
Gelar sentralitas Jumlah ikatan masuk dan keluar untuk simpul 638 6.00 22,18 41.98 0 410
Indegree Jumlah ikatan masuk untuk simpul 638 3,00 11.09 22,35 0 229
indegree pedesaan Jumlah ikatan masuk untuk node pedesaan 111 2.00 11,06 26,93 0 229
indegree perkotaan Jumlah ikatan masuk untuk node perkotaan 527 3,00 11.10 21.29 0 170
Outdegree Jumlah ikatan keluar untuk simpul 638 2.00 11.09 22,09 0 181
outdegree Jumlah pedesaan ikatan keluar untuk node pedesaan 111 2.00 10,93 22,41 0 181
outdegree perkotaan Jumlah ikatan keluar untuk node perkotaan 527 2.00 11.13 22,04 0 143
telah dibentuk oleh tugas acak dari ikatan di seluruh node dalam jaringan. Jumlah probabilitas sama dengan satu. 5 Probabilitas grafik y muncul di
Kelas model ditentukan sebagai seluruh distribusi grafik Y | X dan k (θ) adalah
P (Y = y | X) = exp {(θ T g (y, X))} / k (θ)

5 Setiap jaringan dapat dinyatakan sebagai fungsi eksponensial dari jumlah statistik jaringan g (y,
X). Untuk jaringan tertentu, kemungkinan jaringan ini yang dihasilkan adalah fungsi eksponensial
di mana Y adalah himpunan acak hubungan dalam jaringan, y adalah satu set
dari satu set statistik jaringan untuk jaringan tertentu dibagi dengan jumlah dari fungsi
spesifik hubungan, X adalah matriks atribut nodal, g (y, X) adalah vektor dari statistik
eksponensial dari set yang sama statistik jaringan di semua jaringan mungkin dalam distribusi
jaringan, θ adalah vektor koefisien coeffi-, dan k (θ) adalah konstanta normalisasi
grafik .
yang memastikan bahwa

Tabel 4. Keuntungan dari ERGM (Lusher et al. 2013)
Keuntungan Deskripsi
ikatan tergantung di ERGMs jaringan memungkinkan untuk ketergantungan antara hubungan. Sebaliknya, pemodelan jaringan yang paling tradisional
teknik seperti regresi mengasumsikan bahwa hubungan jaringan independen. Asumsi ini tidak realistis seperti yang telah mapan dalam
studi sebelumnya bahwa hubungan sebelumnya dalam jaringan akan mempengaruhi pembentukan ikatan masa depan. Peneliti yang
bekerja pada studi yang terkait dengan jaringan sosial online akan menemukan asumsi santai ini menjadi lebih dekat dengan jaringan
mereka diamati.
Properti mengorganisir diri ERGMs jaringan sosial hubungan model menggunakan pendekatan bottom up yang konsisten dengan properti mengorganisir diri secara
luas diamati dari jaringan sosial. Sebagai contoh, dalam sebuah jaringan pasien online, pasien sering tidak mengenal satu sama lain
sampai mereka mulai untuk mengirim pesan di forum. Ikatan secara bertahap dibangun dari waktu ke waktu.
Beberapa dan simultan teori ERGMs memungkinkan peneliti untuk memasukkan beberapa dinamika jaringan dan proses secara bersamaan. Dengan kata
lain, teknik ini memberikan peneliti kemampuan untuk menggabungkan lebih dari satu teori dalam model yang sama pada
waktu yang sama. Sebagai contoh, penelitian sebelumnya telah menetapkan bahwa dinamika jaringan seperti homophily dan
timbal balik terjadi pada jaringan secara bersamaan. Pendekatan ini memberikan fleksibilitas untuk menyertakan berbagai
parameter dalam jaringan sehingga model mereka sedekat mungkin dengan jaringan yang diamati peneliti.
atribut multilevel Keuntungan utama dari ERGMs dibandingkan dengan teknik regresi tradisional dalam pemodelan jaringan sosial adalah
kemampuan untuk menggabungkan atribut kedua pelaku, dan diad dan jaringan atribut ke dalam model. Sebuah contoh akan
kemampuan ERGM untuk menggabungkan atribut individu (misalnya, pasien gender) sementara mempertimbangkan timbal
balik dalam model yang sama.
diperkirakan dengan menggunakan MCMC. Dari dua perkiraan ini, koefisien Dibandingkan dengan pendekatan tradisional, ERGM menawarkan beberapa
θ dapat matematis berasal. The pretation antar umum makna dan arah keuntungan untuk model jaringan, seperti dirangkum pada Tabel 4. Yang penting,
koefisien dan koefisien dapat ditransformasikan sebagai odds ratio hal itu memungkinkan untuk ketergantungan antara hubungan, dan meniru proses
menggunakan transformasi eksponensial (e θ). Meskipun tidak setara dengan mengorganisir diri dari jaringan sosial. Beberapa dinamika pekerjaan net- seperti
regresi logistik, rumus dapat reexpressed sebagai peluang log bahwa homophily dan timbal balik dapat dimasukkan secara bersamaan juga. analisis
setiap tepi yang diberikan akan ada, tergantung pada keadaan saat ini sisa ERGM memungkinkan kita untuk mencakup pasien dan tindakan tingkat jaringan.
jaringan Setiap node (yaitu, pasien) dalam jaringan memiliki sejumlah karakteristik demografi
dan penyakit terkait tertentu asso- diasosiasikan dengan hal itu, sementara
masyarakat secara keseluruhan menghasilkan berbagai langkah tingkat jaringan
logit (Y ij = 1) = θ T delta [g (y, X)] aku j/ k (θ) yang dimasukkan dalam analisis. ikhtisar yang lebih rinci ERGM yang tersedia di
Harris (2013), Handcock et al. (2008), Lusher et al. (2013), Robins dan Morris
di mana Y aku j adalah pasangan aktor dalam Y dan delta [g (y, X)] aku j adalah perubahan (2007), dan Robins et al. (2007).
g (y, X) ketika nilai Y aku j berubah dari 0 ke 1. ERGM adalah pendekatan multivariat,
yang memungkinkan kita untuk mengisolasi efek dari lokasi sementara mengendalikan
faktor pembaur lainnya.
langkah-langkah
Seperti disebutkan sebelumnya, pendekatan tradisional meneliti dampak dari
lokasi pada pembentukan dasi antara dua node menggunakan metode seperti Tabel 5 menggambarkan set statistik jaringan yang digunakan untuk
regresi logistik membebankan asumsi statistik yang kuat yang melanggar menghasilkan keluarga grafik untuk aplikasi ERGM data kami. Penafsiran
jaringan data yang paling sosial. variabel-variabel ini dibahas di bawah.
Secara khusus, asumsi utama yang mendasari metode seperti
yang diperlukan untuk menghitung kesalahan standar bahwa hubungan adalah
pengamatan independen satu sama lain. Asumsi ini terlalu membatasi karena Tindakan lokasi
sifat dari jaringan data, karena ketergantungan struktural yang lebih tinggi
seperti penutupan triadic telah terbukti mempengaruhi hubungan antara node Variabel bebas utama yang menarik adalah lokasi pasien dan pertukaran
dalam sebuah jaringan (Goodreau et al. 2009). dukungan sosial, tergantung pada lokasi. Kami menggunakan dua
pendekatan untuk menangkap efek

Tabel 5. Variabel Jaringan
jaringan Statistik Jaringan Definisi Statistik dan Variabel Konstruksi

ujung-ujungnya Ukuran kepadatan jaringan. Statistik jaringan menghitung jumlah ikatan, juga disebut sebagai tepi, dalam
jaringan.
AbsDiff (x) Ukuran kecenderungan pembentukan dasi antara node karena perbedaan atribut x.
Statistik jaringan yang sesuai merangkum jarak absolut (perbedaan absolut atau AbsDiff) antara setiap tepi dalam jaringan.
Secara khusus, kami termasuk AbsDiff (tahun menderita penyakit langka) untuk mengendalikan kecenderungan pasien yang
berpengalaman aktif untuk berinteraksi;
AbsDiff (usia) untuk mengendalikan kecenderungan untuk pasien dengan usia yang sama untuk berinteraksi dan
AbsDiff (keanggotaan) untuk mengendalikan dampak anggota yang bergabung pada periode yang berbeda dan sejauh mana
mereka berinteraksi satu sama lain.
NodeMatch (x) Ukuran tingkat kesamaan antara dua node di dasi untuk atribut tertentu x.
Sebuah koefisien positif menunjukkan bahwa pasien dengan atribut yang sama x lebih mungkin untuk membentuk dasi. Dalam model
kami, kami menyertakan NodeMatch (gender) untuk mengendalikan dampak hubungan jender similari- antara diad dan NodeMatch (onset
penyakit) untuk mengendalikan kecenderungan dasi untuk membentuk antara pasien dengan onsets yang sama, yaitu daerah tubuh di
mana pasien pertama kali mengalami gejala-gejala penyakit.
NodeInFactor (x) Ukuran sejauh mana node dengan atribut x memiliki kecenderungan untuk membentuk ikatan yang masuk (yaitu membangun koneksi
yang datang dari node lain). Sebuah koefisien positif dari variabel ini menunjukkan kesempatan yang lebih tinggi dari node dengan atribut x
untuk membentuk ikatan yang masuk dari satu simpul tanpa atribut x, hal-hal lain sama. Dalam model kami, NodeInFactor (pedesaan) ditambahkan
untuk mengukur kecenderungan node pedesaan untuk membentuk ikatan yang masuk dibandingkan dengan node perkotaan. Dalam
estimasi kal empiri-, statistik jaringan yang sesuai dihitung sebagai jumlah kali sebuah node dengan atribut tertentu x muncul dalam
hubungan yang masuk (atau tepi) untuk node penerima dalam pekerjaan net-. Sebagai contoh, untuk jaringan yang terdiri dari satu node
pedesaan dengan tiga ikatan masuk, statistik jaringan yang sesuai NodeInFactor (pedesaan) akan 3. Jika jaringan memiliki tiga node
pedesaan, dua dengan satu dasi yang masuk masing-masing, dan satu dengan tiga ikatan masuk, statistik jaringan yang sesuai dari NodeInFactor
(pedesaan) akan menjadi 5.
NodeOutFactor (x) Ukuran sejauh mana node dengan atribut x memiliki kecenderungan untuk membentuk ikatan keluar dengan node lain dalam jaringan.
Dalam model kami, NodeOutFactor (pedesaan) ditambahkan untuk mengukur kecenderungan node pedesaan untuk membentuk ikatan
keluar.
Timbal balik (Mutual) Ukuran timbal balik dalam jaringan, yang diperkirakan dari statistik jaringan sama dengan jumlah pasangan node saya
dan j untuk yang ujung-ujungnya di kedua arah ada.
Triadic Penutupan (GWESP) Langkah ini menangkap kecenderungan pasien untuk tertarik kepada pasien lain yang sebelumnya telah berinteraksi dengan satu
sama lain. Untuk memperkirakan kecenderungan untuk membentuk segitiga tertutup dalam jaringan, kita membangun penutupan
triadic menggunakan geometris tertimbang edgewise bersama distribusi paruh ner ( GWESP). Suatu bentuk parametrik distribusi count
ini memberikan masing-masing pasangan bersama ekstra dampak menurun pada kemungkinan membentuk dasi (Goodreau et al
2008;. Hunter, Handcock et al 2008.). Metrik ini telah terbukti bekerja dengan baik dalam menghindari Model degener- ACY, yang
muncul ketika menggunakan estimasi berdasarkan Markov Chain Monte Carlo untuk model grafik, dan dapat menghasilkan estimasi
yang tidak konsisten atau grafik yang kosong atau lengkap.
lokasi di dukungan sosial. Pertama, kita memeriksa jika kemungkinan menerima dukungan sosial dibandingkan dengan node perkotaan. 6 Sebaliknya,
membentuk dasi dalam jaringan yang berbeda untuk pengguna perkotaan koefisien positif untuk ukuran kedua,
daripada yang pedesaan. Bedanya, jika ada, akan tercermin dalam dua
variabel berikut dalam model:
6 NodeInFactor (pedesaan) adalah kovariat dalam model. Sementara ERGM tidak mengurangi untuk regresi
NodeInFactor (pedesaan) dan NodeOutFactor (pedesaan). Untuk illus- trate,
logistik, koefisien untuk NodeInFactor (pedesaan) dapat diartikan sebagai peluang log bersyarat dari dasi
koefisien positif bagi NodeInFactor (pedesaan)
yang diterima oleh node pedesaan dibandingkan dengan node perkotaan. Dengan demikian, koefisien positif
menunjukkan bahwa jika sebuah simpul adalah di pedesaan, memiliki peluang marginal
mencerminkan probabilitas yang lebih tinggi untuk dasi muncul sebagai dasi masuk ke node pedesaan,
lebih tinggi dari menerima tanggapan, dibandingkan dengan simpul perkotaan (Ackland dan
sedangkan koefisien negatif menunjukkan probabilitas yang lebih rendah untuk dasi muncul sebagai dasi
O'Neil 2011). Jika koefisien ini masuk ke node pedesaan.
negatif, itu berarti bahwa node pedesaan memiliki kemungkinan yang lebih kecil

NodeOutFactor (pedesaan), menyiratkan bahwa node pedesaan lebih mungkin untuk Dalam Model 2 kita termasuk kovariat untuk penyakit, grafis demografis, dan
memberikan dukungan relatif terhadap node perkotaan. Jika tion asser- kami bahwa masyarakat. Selama dua kovariat terkait dengan penyakit ini, salah satu
pasien perkotaan dapat membantu meringankan defisit dukungan sosial bagi pasien mengukur perbedaan mutlak antara jumlah tahun pasien telah menderita
pedesaan benar, koefisien untuk penyakit ini dan langkah-langkah kedua kesamaan antara dua node sehubungan
NodeInFactor (pedesaan) harus positif, menunjukkan bahwa node pedesaan dengan onset penyakit. Kami juga memperkenalkan istilah tingkat tinggi untuk
lebih mungkin penerima, dan penutupan triadic ( GWESP) dan timbal balik ( Saling) sebagai kontrol. hal ini
NodeOutFactor (pedesaan) harus memiliki koefisien negatif, menunjukkan bahwa node membantu untuk menentukan apakah kecenderungan yang diamati untuk
perkotaan lebih mungkin untuk menjadi penyedia. Pendekatan kedua kami untuk mengukur homophilic pengirim dan penerima ikatan diperkuat oleh mekanisme
efek lokasi adalah untuk menguji pembentukan ikatan diarahkan. ikatan yang diarahkan keseimbangan balasan dan tertutup segitiga, independen dari karakteristik yang
dapat dibagi menjadi empat jenis: Pedesaan • Pedesaan, perkotaan • Pedesaan, pedesaan • perkotaan,
terakhir. Sebuah koefisien positif dan signifikan untuk timbal balik menyiratkan
dan perkotaan • Perkotaan. perkotaan • Pedesaan
bahwa jika pasien A merespon pasien B, ada kecenderungan untuk pasien B
untuk menanggapi kembali ke pasien A. A koefisien positif dan signifikan untuk
berarti bahwa node pedesaan memiliki keunggulan masuk dari node perkotaan, dan sebagainya.
penutupan triadic menyiratkan bahwa jika pasien D dan E merespon pasien A,
Untuk menghindari multikolinearitas sempurna, kita menggunakan
ada kecenderungan untuk D dan E untuk berinteraksi satu sama lain,
perkotaan • perkotaan sebagai kasus dasar dalam model statistik. Koefisien dari
membentuk segitiga antara tiga pasien.
variabel-variabel ini ditafsirkan sebagai kemungkinan membentuk jenis yang
sesuai dasi relatif terhadap perkotaan • perkotaan dasi.
Hasil penelitian menunjukkan bahwa kedua kovariat penyakit yang signifikan.

Variabel Jaringan lain
Koefisien positif AbsDiff (tahun menderita penyakit langka) ( p <0,001)
Untuk menghilangkan varians dalam formasi dasi dan pola pertukaran jaringan menunjukkan bahwa semakin besar perbedaan antara node, semakin tinggi
yang bisa masuk akal dihasilkan oleh karakteristik pasien lain, kami kecenderungan untuk dasi antara mereka.
menyertakan seperangkat kuat kontrol dalam spesifikasi empiris. Pilihan kontrol Koefisien positif untuk variabel
didasarkan pada pekerjaan sebelumnya dalam formasi dasi yang telah NodeMatch (onset penyakit) menunjukkan bahwa pasien dengan pengalaman onset
menemukan tion associa- positif antara homophily 7 ( McPherson et al. 2001; penyakit yang mirip lebih mungkin untuk membentuk dasi. Sebagai contoh, seorang
Preece pasien yang penyakit onset dimulai dengan lengan lebih mungkin untuk berkomunikasi
2000) dan timbal balik (Baker dan Bulkley 2014; Johnson et al. dengan pasien lain dengan daerah onset yang sama. Sekali lagi, ini diharapkan sebagai
2014) pada kecenderungan untuk dasi jaringan untuk membentuk. Untuk account untuk pasien cenderung memiliki kecenderungan untuk mencari pasien dengan karakteristik
jangka waktu pengguna yang berbeda mungkin memiliki kesempatan untuk berinteraksi satu penyakit lar Serupa, karena orang-orang akan menjadi yang paling mampu memberikan
sama lain, kita menambahkan kontrol untuk tenurial masyarakat. tanggapan yang relevan dan berguna.
Kontrol tingkat masyarakat masa jabatan, AbsDiff (keanggotaan),

menangkap perbedaan antara dua node yang terhubung berdasarkan jumlah
temuan
tahun berlalu sejak bergabung masyarakat. Hasil kami menunjukkan bahwa
koefisien perbedaan dalam penguasaan pasien di masyarakat adalah signifikan
Hasil utama
(p <0,001) dan memiliki efek negatif pada kecenderungan pembentukan dasi,
tergantung pada statistik jaringan lainnya. Temuan ini konsisten dengan
Menggunakan ERGM kami dapat menguji apakah jaringan dukungan yang diamati
penelitian yang lebih umum dari kelompok-kelompok sosial dan komunitas online
adalah acak atau jika itu adalah hasil dari pola pertukaran yang diusulkan di sini (yaitu,
di mana kepemilikan sering ditemukan untuk memainkan peran penting dalam
setelah mengendalikan faktor-faktor lain yang dapat mempengaruhi pembentukan
memprediksi perilaku kontribusi individu (Ancona dan Caldwell 1992;. Kraut et al,
dasi, ada surplus bersih ikatan dukungan sosial dari perkotaan untuk pasien
2002). Hasil kami menunjukkan bahwa individu berhubungan dengan orang lain
pedesaan). Tabel 6 menyajikan hasil estimasi dari serangkaian model ERGM. Model 1
adalah model dasar, dengan jangka tepi konstan, setara dengan kepadatan jaringan
yang menjadi aktif di masyarakat serentak: semakin kecil perbedaan masa antara
yang menyediakan probabilitas dasar dari satu node membentuk dasi dengan node dua node, semakin besar kemungkinan bahwa dasi mendukung antara angka
lain dalam jaringan. dua akan membentuk.
7 homophily mengacu pada fenomena di mana kesamaan pada atribut individual seperti usia, Dalam Model 3, dua langkah kritis penciptaan nilai sosial yang terkait
agama, dan pendidikan meningkatkan kemungkinan hubungan atau dasi antara dua individu. untuk lokasi, NodeInFactor (pedesaan) dan
NodeOutFactor (pedesaan), sudah ditambahkan. Dari hasil untuk Model

Tabel 6. Model eksponensial Acak Grafik
kovariat Model 1 Model 2 Model 3 Model 4

ujung-ujungnya - 4,096 - 4,887 -5,254 - 5,229
<1e-04 *** <1e-04 *** <1e-04 *** <1e-04 ***
Penyakit
AbsDiff (tahun menderita penyakit langka) 0,019 0,0172 0,0170
0,0005 *** <1e-04 *** <1e-04 ***
NodeMatch (onset penyakit) 0.098 0,085 0.087

<1e-04 *** <1e-04 *** <1e-04 ***
Demografis
AbsDiff (usia) - 0,0067 -0,006 - 0.004
0,667 <1e-04 *** 0,530
NodeMatch (gender) - 0,090 0,0347 - 0.031
0.660 0,181 0,647
Masyarakat
AbsDiff (keanggotaan) - 0.260 -0,256 - 0,257
<1e-04 *** <1e-04 *** <1e-04 ***
menyeimbangkan mekanisme
timbal balik ( Saling) 2,578 2,309 2,311

<1e-04 *** <1e-04 *** <1e-04 ***
Penutupan triadic ( GWESP) 1.410 1,534 1,534
<1e-04 *** <1e-04 *** <1e-04 ***
efek lokasi
NodeInFactor (pedesaan) 0,0672
<1e-04 ***
NodeOutFactor (pedesaan) -0,0166
<1e-04 ***
Pedesaan • Pedesaan 0.049
0,714
perkotaan • Pedesaan 0.051
<1e-04 ***
Pedesaan • perkotaan - 0.031
<1e-04 ***
AIC 67.711 58.498 53.349 53.343
BIC 67.722 58.585 53.469 53.463
Jumlah pasien 638 638 638 638
* * * Signifikan pada tingkat 1 persen. ** Signifikan pada tingkat 5 persen.
3, kita menemukan bahwa NodeInFactor (pedesaan) adalah positif dan signifikan (0,0672, p bahwa probabilitas node pedesaan dengan dasi keluar adalah 2 persen lebih
<0,001). Ini berarti bahwa probabilitas dari sebuah node dengan dasi yang masuk adalah 7 rendah dari node perkotaan. Secara bersama-sama, hasil ini memberikan
persen lebih tinggi untuk node pedesaan dibandingkan dengan node perkotaan. Dengan kata dukungan untuk klaim bahwa ada surplus bersih dukungan sosial yang
lain, semua hal lain tetap sama, node pedesaan lebih cenderung menerima dukungan dari mengalir dari kota ke pengguna pedesaan. Koefisien untuk variabel struktural
node lain. Kami juga menemukan bahwa koefisien untuk NodeOutFactor (pedesaan) adalah yang lebih tinggi
negatif dan signifikan (-0,0166, p <0,001), yang menyiratkan bahwa pasien pedesaan Timbal balik (Mutual) dan Triadic Penutupan (GWESP) positif dan signifikan
cenderung kurang daripada rekan-rekan mereka perkotaan untuk memberikan dukungan, dan (2,309 dan 1,534, masing-masing, p <
besarnya koefisien menyarankan 0,001). Arah dan signifikansi dari variabel lain adalah sama dengan yang di
Model 2.

Sementara variabel NodeInFactor (pedesaan) dan dan jarak geodesik. Jika model akurat mewakili pertukaran informasi
NodeOutFactor (pedesaan) mengukur seberapa koneksi yang dibuat ke dan dari node diamati, distribusi untuk dua jaringan ini harus serupa.
pedesaan di Model 3, mereka tidak mencerminkan mana dukungan mengalir ke atau
dari sehubungan dengan lokasi simpul. Dalam Model 4, kita menggunakan diarahkan
tindakan jaringan yang memperkirakan kemungkinan aliran dukungan yang terjadi di hasil simulasi 8 untuk ERGMs tergantung diad pro menghasilkan satu kebaikan plot fit
lokasi yang sesuai dengan data asli dengan baik. model tampaknya memiliki sedikit di
perkotaan • Pedesaan, pedesaan • Pedesaan, dan Pedesaan • perkotaan untuk memeriksa pola bawah-diperkirakan mitra tepi-bijaksana bersama untuk nilai-nilai kecil dan
struktural hubungan yang mendukung antara pasien perkotaan dan pedesaan. kategori yang lebih-prediksi untuk nilai-nilai yang lebih besar. Indeks tingkat grafik lainnya diprediksi
dikecualikan adalah perkotaan • alasan-cakap dengan baik.
Perkotaan. Koefisien untuk perkotaan • Pedesaan adalah positif dan signifikan (0,051, p
<0,001). Hal ini menunjukkan bahwa perkotaan •
Pedesaan dasi memiliki probabilitas yang lebih besar dari keberadaan dari kasus
dasar, yang perkotaan • Perkotaan. Dengan kata lain, kemungkinan pasien Tes ketahanan
perkotaan menanggapi pasien pedesaan lebih tinggi dari kemungkinan
menanggapi pasien perkotaan lain, semuanya sama. Selanjutnya, koefisien Kami melakukan serangkaian luas tes ketahanan untuk menghilangkan penjelasan
untuk Pedesaan alternatif untuk temuan, seperti dirangkum dalam Tabel 7. Pertama, dapat
• perkotaan adalah signifikan dan negatif (-0,031, p <0,001), puncak-cating bahwa dikatakan bahwa temuan mungkin didorong oleh pertukaran pesan yang bernilai
pola struktur ini pasien pedesaan memberikan dukungan kepada pasien perkotaan marjinal untuk pasien pedesaan dan kapasitas kesehatan . Untuk mengatasi
terjadi lebih jarang daripada di domly random yang dihasilkan grafik dan ada masalah ini, kita terbatas analisis kami untuk dua jenis posting secara berurut:
kecenderungan menurun untuk pembentukan dasi mendukung. Menariknya, kita tulisan dimulai dengan tanda tanya, dan posting yang ditandai sebagai Hasil
menemukan bahwa konsisten dengan temuan-temuan utama “membantu.”. Kami lanjut dilakukan
Pedesaan • Pedesaan dasi tidak signifikan, menunjukkan bahwa jenis dasi adalah analisis menggunakan subkategori dukungan (informasi, emosional, dan
mungkin untuk membentuk sebagai default perkotaan • perkotaan dasi. Di antara variabel pengalaman) dan menemukan bahwa pasien pedesaan menerima kelebihan
kontrol, konsisten dengan pekerjaan sebelumnya pada jaringan sosial online (Szell dan bersih dalam ketiga jenis dukungan. Hal ini menegaskan bahwa temuan kami tidak
Thurner 2010; Wimmer dan Lewis 2010) Timbal balik (Mutual) dan Penutupan triadic sensitif terhadap jenis tertentu dari dukungan sosial.
( GWESP) tetap positif dan signifikan dalam model ini.
Kedua, untuk menentukan apakah temuan sensitif terhadap dinamika jaringan

Goodness of Fit untuk Model ERGM tertentu dan struktur, seperti di mana beberapa individu berkontribusi bagian yang
tidak proporsional posting, kami melakukan ERGM analisis dengan menghilangkan
Kami memperkirakan goodness of fit untuk model ERGM dalam dua cara. kontributor atas (khusus, 10, 15, dan 20) dari sampel untuk mengatasi
Pertama, kita menghitung Kriteria Akaike Informasi atau AIC (Akaike 1987) mencampuradukkan tersebut. Hasil secara konsisten menunjukkan bahwa pasien
dan Kriteria Informasi Bayes atau BIC (Schwarz 1978) nilai-nilai. perkotaan lebih mungkin untuk berkontribusi pasien pedesaan dalam hal dukungan
Pemeriksaan perbedaan dalam nilai-nilai kriteria informasi untuk Model 1-4 sosial. Berikutnya, kami melakukan tes simulasi dengan memvariasikan jumlah
pada Tabel 6 menunjukkan bahwa Model 3 dan 4 pameran fit lebih baik dari perkotaan node (antara 100 sampai 500), sekaligus menjaga node pasien pedesaan
sisa model. konstan, mengkonfirmasi bahwa temuan kami tidak didorong oleh fakta bahwa ada
lebih banyak pasien perkotaan daripada yang pedesaan. Akhirnya, kami tidak
menemukan perbedaan statistik dalam sarana usia, penyakit, atau kovariat
masyarakat antara pasien perkotaan dan pedesaan. 9
Kedua, kami menggunakan pendekatan yang umum digunakan dimana simulasi
dari model yang diusulkan dibandingkan dengan jaringan yang sebenarnya
(Goodreau et al 2008;. Hunter, Goodreau, dan Handcock 2008) dan diperiksa
sifat-sifat yang tidak secara eksplisit dimodelkan. Untuk statistik jaringan yang
diberikan (seperti indegree), jika model simulasi dekat dengan yang ada pada
jaringan yang nyata, ini berarti tingkat yang lebih besar dari kepercayaan dalam
model. Kami dihasilkan 1.000 simulasi jaringan acak untuk masing-masing model 8 Rincian ini tes tambahan tidak ditampilkan karena keterbatasan ruang tetapi tersedia atas
dan diperiksa di mana statistik jaringan real terjadi relatif terhadap orang-orang dari permintaan.
jaringan simulasi.
9 Untuk mengkonfirmasi jika memang ada kesenjangan dalam akses ke spesialis, kita diekstraksi hanya
Itu
spesialis untuk jenis penyakit langka dan populasi informal mation untuk semua kode pos di Amerika Serikat
simulasi menentukan sejauh mana microprocesses diwakili oleh model
dari ARF. Kami menemukan perbedaan yang signifikan antara spesialis untuk rasio penduduk untuk daerah
mampu mereproduksi fitur kunci dari struktur-khusus, indegree itu,
pedesaan dan perkotaan. Ini mendukung temuan sebelumnya bahwa penduduk perkotaan memiliki akses
outdegree, tepi-bijaksana, mitra angka dua-bijaksana global bersama
yang lebih baik ke dokter daripada penduduk pedesaan (Rosenthal et al. 2005).
jaringan,

Tabel 7. Cek Kekokohan †
Apakah hasil t h e yang sama ketika kita menjelaskan characterist pesan yang berbeda ics?
pesan dengan pesan dengan pesan dengan Pesan dengan

tanda tanya pesan dinilai bermanfaat dukungan informasi bantuan emosional dukungan pengalaman
perkotaan • • • • • •
Pedesaan (+) *** (+) *** (+) ** (+) ** (+) **
Pedesaan • • • • • •
perkotaan (-) *** (-) (+) (-) ** (-) ***
Apakah hasil yang sama w h en kita memperhitungkan networ k characteri stics?
Top 10 Top 15 Top 20 100 200 300 400 500
kontributor kontributor kontributor pengguna pengguna pengguna pengguna pengguna
dihapus dihapus dihapus perkotaan perkotaan perkotaan perkotaan perkotaan
perkotaan • • • • • • • • •
Pedesaan (+) *** (+) *** (+) *** (+) *** (+) ** (+) *** (+) *** (+) ***
Pedesaan • • • • • • • • •
perkotaan (-) *** (-) *** (-) *** (-) *** (-) *** (-) *** (-) *** (-) ***
† Rincian pemeriksaan ketahanan ini tidak ditampilkan karena keterbatasan ruang tetapi tersedia atas permintaan.
• Menemukan bukti signifikan statistik pada tingkat 5%.

• Tidak signifikan pada tingkat 5 persen.
+ / - Menunjukkan tanda koefisien untuk variabel ditunjukkan berturut-turut (yaitu, Perkotaan • Pedesaan atau pedesaan • Perkotaan).
* * * Signifikan pada tingkat 1 persen.
* * Signifikan pada tingkat 5 persen.
Secara keseluruhan, hasil dari analisis ERGM utama, konsisten di cek ketahanan, mewakili pasien yang saling berhubungan pada beberapa dimensi. Menggunakan data
menunjukkan adanya surplus bersih dukungan sosial dari perkotaan ke pasien yang dikumpulkan dari komunitas penyakit langka online populer, kami menemukan
pedesaan. Berdasarkan temuan ini, kami menyimpulkan bahwa partisipasi dalam bukti empiris untuk mendukung pernyataan bahwa pasien perkotaan adalah pemasok
komunitas kesehatan secara online memungkinkan amplifikasi kemampuan bersih dukungan sosial online untuk pasien pedesaan.
kesehatan pasien pedesaan. Untuk tingkat yang peningkatan kemampuan
kesehatan merupakan indikator pengurangan disparitas kesehatan, kita
menemukan bukti untuk pernyataan kami bahwa masyarakat kesehatan secara Penelitian ini membuat dua kontribusi penting untuk literatur. Satu, untuk yang
online menghasilkan nilai sosial. terbaik dari pengetahuan kita, ini adalah studi pertama yang berfokus pada
penciptaan nilai sosial dalam komunitas online. Dua, kami menggunakan ERGM
sebagai metode empiris memungkinkan kita untuk menganalisis jaringan
sementara mengontrol teristics charac- struktural, sehingga mengatasi
keterbatasan utama dari teknik tradisional. Meskipun umumnya diakui bahwa
Diskusi dan kesimpulan
pendekatan kerja net- berguna, mekanisme spesifik dan hubungan antara
berbagai jenis unit dalam jaringan sosial tetap jauh lebih sedikit dipahami
Percepatan pertumbuhan komunitas kesehatan secara online dan partisipasi yang kuat oleh
(Jackson 2010). Ada kebutuhan untuk mempelajari hubungan antara berbagai
pasien telah menciptakan kesempatan bagi jaringan ini untuk secara positif mempengaruhi
jenis unit untuk mengembangkan wawasan lebih dalam jaringan sosial. Dengan
kesehatan masyarakat. Studi sebelumnya telah menunjukkan kebutuhan yang belum
terpenuhi dari pasien sebagai akibat dari lokasi geografis mereka dan mendokumentasikan
melihat peserta sebagai berinteraksi agen yang menimbulkan struktur dan pola
kehadiran kesenjangan kesehatan yang signifikan antara penduduk pedesaan dan

yang berbeda dalam jaringan, -pertanyaan tions baru tentang bentuk-bentuk
perkotaan. Kami berpendapat bahwa penyebab utama dari kesenjangan tersebut adalah khusus dari interaksi dan dence interdepen- dapat dijawab. Pendekatan ini juga
adanya kesenjangan kemampuan kesehatan di antara penduduk pedesaan, dan bahwa dapat digunakan untuk meningkatkan potensi penjelas dari penelitian masa
komunitas online dapat mengurangi kesenjangan tersebut, sehingga menghasilkan nilai depan, terutama yang mengusulkan teori kisaran tengah (McGrath
sosial. Untuk mengisolasi nilai sosial, kita dimodelkan dukungan sosial online pasien
berpartisipasi dalam komunitas kesehatan online di mana node dalam jaringan
2013). Penelitian sebelumnya telah memiliki kemampuan untuk demon-

Strate kuantitatif kehadiran mekanisme generatif dan account untuk endogeneity kesenjangan datang akses medis. Entitas yang bertanggung jawab untuk keputusan alokasi sumber
(Johnson et al 2014.); Penelitian ini menggambarkan bagaimana ERGM dapat daya, seperti pemerintah, lembaga nity tual, dan fasilitas kesehatan masyarakat, harus
digunakan untuk mengatasi masalah ini. memanfaatkan peran kuat yang kolektif secara online bisa bermain. komunitas online dapat
berfungsi sebagai alternatif biaya rendah untuk atau sebagai pelengkap untuk program kesehatan
Kami menunjukkan bagaimana model arus informasi dan menunjang hubungan yang ada. Penelitian ini juga menunjukkan potensi menggunakan data media sosial online untuk
portive antara berbagai jenis sumber dan penerima dalam komunitas kesehatan mengarahkan pengambilan keputusan berbasis bukti. The bebas avail- data secara online dapat
secara online sebagai jaringan menggunakan ERGM, sehingga memberikan merupakan saluran baru untuk mengungkap kebutuhan laten dari pasien yang kurang beruntung.
landasan untuk penelitian masa depan dalam disiplin sistem informasi yang Dalam hal ini, hasil kami menggarisbawahi pentingnya inisiatif kebijakan yang berkaitan dengan
semakin beralih perhatian ke jaringan sosial . Para peneliti dalam sistem memperluas akses Internet dan infrastruktur broadband di daerah pedesaan, seperti pasien yang
informasi dapat menggunakan ERGM untuk mengeksplorasi beberapa teori berada di daerah-daerah bisa mendapatkan keuntungan lebih dengan bertukar informasi dengan
simul- simultan serta mengambil faktor endogen (misalnya, atribut individu) ke dunia luar. Secara global, kesederhanaan relatif dan biaya rendah dari komunitas online menyiratkan
rekening, yang sebelumnya tidak mungkin. Misalnya, dalam memperluas bahwa mereka dapat direplikasi dengan cepat dan menghasilkan dampak positif di negara-negara di
penelitian ini, peneliti dapat memeriksa nilai komunitas kesehatan online untuk mana penduduk daerah terpencil sering dirugikan sehubungan dengan keterbatasan akses ke
kelompok stigma lain dengan mengendalikan untuk kedua atribut tingkat individu pelayanan kesehatan. Akhirnya, penting untuk dicatat bahwa data media sosial dapat menghasilkan
dan jaringan. kami menggunakan metodologi harus menghasilkan bunga lebih secara signifikan lebih wawasan dan nilai praktis bila dikombinasikan dengan data klinis pasien dan
lanjut dan memfasilitasi penerapannya dalam berbagai bidang. tindakan perilaku lainnya. Lanjutan penelitian infrastruktur data yang menyediakan pandangan yang
terintegrasi dari semua aspek kegiatan pasien secara signifikan dapat memfasilitasi eksploitasi kami
nilai yang dihasilkan dari masyarakat pasien online. penting untuk dicatat bahwa data media sosial
dapat menghasilkan secara signifikan lebih wawasan dan nilai praktis bila dikombinasikan dengan
data klinis pasien dan tindakan perilaku lainnya. Lanjutan penelitian infrastruktur data yang
Kami mengakui keterbatasan penelitian yang menyajikan peluang berguna menyediakan pandangan yang terintegrasi dari semua aspek kegiatan pasien secara signifikan
untuk pekerjaan di masa depan. Pertama, data demografi di situs ini dapat memfasilitasi eksploitasi kami nilai yang dihasilkan dari masyarakat pasien online. penting
dilaporkan sendiri dan karena itu mungkin menderita dari bias diri pelaporan. untuk dicatat bahwa data media sosial dapat menghasilkan secara signifikan lebih wawasan dan nilai
Namun, karena partisipasi dalam masyarakat adalah kehendak dan individu praktis bila dikombinasikan dengan data klinis pasien dan tindakan perilaku lainnya. Lanjutan
bergabung karena rasa afiliasi dan identitas bersama dengan penderita penelitian infrastruktur data yang menyediakan pandangan yang terintegrasi dari semua aspek kegiatan pasien secara sign
penyakit sesama, kita memiliki alasan kurang untuk menduga bahwa individu
akan memberikan data palsu. Kedua, sebagai data yang dikumpulkan dari
komunitas tunggal berfokus pada penyakit langka, generalisasi temuan Ucapan Terima Kasih
dengan jenis lain dari komunitas online kesehatan harus dipandang dengan
Penulis pertama mengucapkan terima kasih atas dukungan keuangan dari Fundación
hati-hati. Selain itu, sementara kami telah menyertakan kontrol yang luas
Ramón Areces dan IE Business School.
untuk heterogenitas pasien dalam analisis, mungkin masih ada faktor yang
tidak teramati terkait dengan pasien yang mungkin bias yang temuan kami.
Ketiga, model ERGM kami dimodelkan menggunakan jaringan biner
Referensi
directional. Meskipun representasi biner memberikan temuan yang lebih
konservatif, pekerjaan di masa depan dapat mempertimbangkan untuk
Ackland, R., dan O'Neil, M. 2011. “Identitas Online Kolektif:
menggunakan jaringan tertimbang ketika alat di daerah ini menjadi lebih maju. Kasus Gerakan Lingkungan,” Jaringan sosial
Keempat, penelitian ini berfokus pada satu bentuk khusus dari penciptaan (33: 3)., Hlm 177-190.
nilai sosial: menjembatani kesenjangan pengetahuan kesehatan daerah Adler, NE, dan Rehkopf, DH 2008. “US Disparitas Kesehatan:
dengan memungkinkan aliran pengetahuan dari perkotaan ke pasien Deskripsi, Penyebab, dan Mekanisme,” Ulasan tahunan Kesehatan
pedesaan. Komunitas online memungkinkan bentuk-bentuk lain dari Masyarakat ( 29:. 1), pp 235-252. Ahern, K., dan Harford, J. 2014.
penciptaan nilai sosial juga; misalnya, setiap pasien yang menelusuri benang “Pentingnya Industri
kemungkinan akan mendapatkan keuntungan dari komunitas online, bahkan Link di Merger Gelombang,” Jurnal Keuangan ( 69:. 2), hlm 527-576. Akaike,
H. 1987. “Analisis Faktor dan AIC,” Psychometrika
jika mereka tidak posting pesan. Oleh karena itu, bukti yang kami disajikan
(52: 3)., Hlm 317-332.
dalam makalah ini harus ditafsirkan sebagai perkiraan vatif konservatisme
Ancona, DG, dan Caldwell, DF 1992. “Demografi dan
mencerminkan bagian dari nilai sosial total komunitas online. Akhirnya,
Desain: Prediktor Tim Produk Baru Kinerja,” -Lembaga yang lisasi
Science ( 3: 3), pp 321-341.. Armstrong, A., dan Hagel, J. 2000. “Nilai Real
Online
Masyarakat,”di Pengetahuan dan Komunitas, E. Lesser,
M. Fontaine, dan J. Slusher (eds.), Oxford, UK: Butterworth- Heinemann, pp
85-95..
Baker, KAMI, dan Bulkley, N. 2014. “Membayar itu Teruskan vs
Temuan kami menghasilkan implikasi bagi para pembuat kebijakan dan titioners prac- Menghargai Reputasi: Mekanisme Generalized Reci- procity,” Ilmu
peduli dengan memenuhi kebutuhan pasien dan berlebihan organisasi ( 25: 5)., Pp 1493-1510.

Baldwin, L.-M., MacLehose, RF, Hart, LG, Beaver, SK, Hunter, DR, Handcock, MS, Butts, CT, Goodreau, SM, dan
Setiap, N., dan Chan, L. 2004. “Kualitas Peduli Akut Myocardial Infarction di Morris, M. 2008. “ERGM: Sebuah Paket untuk Fit, Simulasikan dan Diagnosa
Pedesaan dan Perkotaan Rumah Sakit AS,” Jurnal Kesehatan Desa ( 20:. 2), Model Exponential keluarga untuk Networks,” Journal of Software Statistik ( 24:
hlm 99-108. 3), p. nihpa54860. Institute of Medicine dari Akademi Nasional. 2005. Kualitas
Bateman, PJ, Gray, PH, dan Butler, BS 2011. “Dampak
Komitmen masyarakat Partisipasi di munities online Communication,” Sistem Melalui Kolaborasi: Masa Depan Kesehatan Desa, Washing- ton DC:
Penelitian Informasi ( 22: 4)., Hlm 841-854. Berkman, ND, Sheridan, SL, National Academies Press. Jackson, MO 2010. Sosial dan Jaringan
Donahue, KE, Halpern, DJ, dan Ekonomi, Princeton,
Crotty, K. 2011. “Low Kesehatan Literasi dan Kesehatan Hasil: Sebuah Systematic NJ: Princeton University Press.
Review Diperbarui,” Annals of Internal Medicine Jackson, MO, Rodriguez-Barraquer, T., dan Tan, X. 2012.
(155: 2)., Hlm 97-107. “Modal Sosial dan Selimut Sosial: Pola Jaringan Favor Exchange,” American
Bunde, M., Suls, J., Martin, R., dan Barnett, K. 2006. “Hyster- Economic Review ( 102: 5)., Pp 1857-1897.
saudara Online: Dukungan Sosial dan Perbandingan Sosial antara
Histerektomi Pasien di Internet,” Annals of Behavioral Medicine ( 31:. 3), pp Johnson, GJ, dan Ambrose, PJ 2006. “Neo-Suku: The Power
271-278. dan Potensi Komunitas Online di Pelayanan Kesehatan,” munications com-
Cranmer, SJ, dan Desmarais, BA 2011. “Jaringan inferensial dari ACM ( 49:. 1), pp 107-113. Johnson, SL, Faraj, S., dan Kudaravalli, S. 2014.
Analisis dengan Model eksponensial Acak Grafik,” Analisis politik ( 19:. 1), “Munculnya
pp 66-86. Edwards, L. 2013. Dalam Kerajaan Sakit, New York: Walker Hukum kekuasaan di Komunitas Online: Peran Mekanisme Sosial dan
Lampiran Preferential,” MIS Quarterly ( 38:. 3), pp 795-808.
Penerbitan Company, Inc.
Faraj, S., dan Johnson, SL 2011. “Pola Jaringan Pertukaran di Kane, GC, dan Fichman, RG 2009. “The Shoemaker ini
Komunitas Online,” Ilmu organisasi ( 22: 6)., Pp 1464-1480. Anak-anak: Menggunakan wiki untuk Sistem Informasi Pengajaran, Penelitian,
dan Publikasi,” MIS Quarterly ( 33:. 1), pp 1-17. Koh, HK, Graham, G., dan Glied,
Faraj, S., Kudaravalli, S., dan Wasko, M. 2015. “Memimpin kumpulkan SA 2011. “Mengurangi Rasial
laboration Dalam Komunitas Online,” MIS Quarterly ( 39:. 2), hlm 393-412. dan Disparitas Etnis: Rencana Aksi dari Departemen Kesehatan dan Layanan
Manusia,” Urusan Kesehatan ( 30:10), hlm. 1822-1829.
Franke, N., dan Shah, S. 2003. “Bagaimana Komunitas Dukungan Inno-
vatif Aktivitas: Sebuah Eksplorasi Bantuan dan Berbagi Di antara End-User,” Kebijakan
Kraut, R., Kiesler, S., Boneva, B., Cummings, J., Helgeson, V., dan
penelitian ( 32:. 1), pp 157-178. Gamm, L., Castillo, G., dan Pittman, S. 2010. Crawford, A. 2002. “Internet Paradox Revisited,” Jurnal Masalah Sosial ( 58:.
“Akses ke Quality 1), pp 49-74.
Pelayanan Kesehatan di Pedesaan,” Perawatan utama ( 1), pp. 45-75. Lengerich, EJ, Tucker, TC, Powell, RK, Colsher, P., Lehman,
Goodreau, SM, Handcock, MS, Hunter, DR, Butts, CT, dan E., Ward, AJ, Siedlecki, JC, dan Wyatt, SW 2005. “Kejadian Kanker di
Morris, M. 2008. “A Statnet Tutorial,” Journal of Software Statistik ( 24: 9)., Kentucky, Pennsylvania, dan West Virginia: Disparitas di Appalachia,” Jurnal
Pp 1-26. Kesehatan Pedesaan
Goodreau, SM, Kitts, JA, dan Morris, M. 2009. “Burung dari (21: 1)., Hlm 39-47.
Bulu, atau Teman dari Teman? Menggunakan Exponential Acak Grafik Lipsky, MS, dan Glasser, M. 2011. “Rumah Sakit Access Kritis
Model untuk Selidiki Remaja Jaringan Sosial,” dan Tantangan ke Quality Care,” Journal of American Medical
demografi ( 46:. 1), pp 103-125. Association ( 306:. 1), pp 96-97.
Graydon, J., Galloway, S., Palmer-Wickham, S., Harrison, D., der Lusher, D., Koskinen, J., dan Robins, G. (eds.). 2012. eksponensial
Bij, LR, Barat, P., Burlein-Hall, S., dan den Evans-Boy, B. Acak Grafik Model untuk Jaringan Sosial: Teori, Metode, dan Aplikasi, Cambridge,
1997. “Kebutuhan Informasi Perempuan Selama Pengobatan Dini Kanker UK: Cambridge University Press.
Payudara,” Journal of Advanced Nursing ( 26:. 1), pp 59-64. Ma, M., dan Agarwal, R. 2007. “Melalui Kaca Darkly: informal
mation Teknologi Desain, Verifikasi Identitas, dan Knowledge Kontribusi tepi
Handcock, MS, Hunter, DR, Butts, CT, Goodreau, SM, dan dalam Komunitas Online,” Sistem Penelitian Informasi ( 18:. 1), pp 42-67.
Morris, M. 2008. “statnet: Software Tools untuk tion Representa-,
Visualisasi, Analisis dan Simulasi Jaringan Data,” Manchanda, P., Packard, G., dan Pattabhiramaiah, A. 2015. “Sosial
Jurnal Statitical Software ( 24: 1). Harris, JK 2013. Sebuah Pengantar Dolar: Dampak Ekonomi Partisipasi Pelanggan di Disponsori
Exponential Acak Grafik Perusahaan-Komunitas Online,” Pemasaran Science ( 34:. 3), pp 367-387.
pemodelan, Thousand Oaks, CA: Sage Publications. Rumah, JS 2002.
“Memahami Faktor Sosial dan Ketimpangan Martin, AB, Torres, M., Vyavaharkar, M., Chen, Z., Towne, S.,
Kesehatan: 20 th Century Kemajuan dan 21 st Century Prospek,” dan Probst, JC 2013. Pedesaan Border Kesehatan Chartbook,
Jurnal Kesehatan dan Perilaku Sosial ( 43:. 2), hlm 125-142. Huang, Y., Singh, Columbia, SC: Carolina Selatan Rural Health Research Center.
PV, dan Srinivasan, K. 2014. “Crowdsourcing McGrath, K. 2013. Potensi generatif Mekanisme
New Product Ide bawah Konsumen Learning,” Ilmu Manajemen ( 60: 9)., IS Penelitian,”di Prosiding 34 th Konferensi Internasional tentang Sistem
Pp 2138-2159. Informasi, Milan, Italia, 15-18 Desember. McPherson, M., Smith-Lovin, L.,
Hunter, DR, Goodreau, SM, dan Handcock, MS 2008. dan Cook, JM 2001. “Birds of
“Goodness of Fit Model Jaringan Sosial,” Journal of American Feather sebuah: homophily di Jaringan Sosial,” Ulasan tahunan Sosiologi ( 27:.
Association Statistik ( 103: 481), hlm 248-258.. 1), pp 415-444.

Nevo, D., dan Furneaux, B. 2012. “The Power of Komunitas: Trusov, M., Bucklin, RE, dan Pauwels, K. 2009. “Pengaruh
Dari Hasil diamati untuk Kinerja Measurable,”di Word-of-Mouth Versus Pemasaran Tradisional: Temuan dari Situs Jejaring
Prosiding 33 rd Konferensi Internasional tentang Sistem Informasi, Orlando, Internet Sosial,” Journal of Marketing ( 73: 5)., Pp 90-102.
FL.
Bangsawan, J., dan Frankenberg, E. 2009. “Komunitas Ibu Inggris Kesehatan. 2011. “Modernisasi Pedesaan Kesehatan: Cakupan,
Partisipasi dan Kesehatan Anak,” Jurnal Kesehatan dan Perilaku Sosial ( 50:. 1), Kualitas dan Inovasi,”Kertas Kerja 6, Inggris Kesehatan Pusat Reformasi &
pp 16-30. Modernisasi Kesehatan, Minnetonka, MN (http: //
O'Grady, MJ, Mueller, C., dan Wilensky, GR 2002. “Esensial
www.unitedhealthgroup.com/hrm/UNH_WorkingPaper6.pdf). Viswanath, K.
Masalah penelitian di Health Pedesaan: Negara Pedesaan Kesehatan ke arah yang
2006. “Komunikasi Publik dan Perannya dalam
tor Perspektif,” Analisis Kebijakan Brief, Seri W ( 5: 1), pp 1-4.. Porter, CE, dan Donthu,
Mengurangi dan Menghilangkan Disparitas Kesehatan,” Meneliti Penelitian
N. 2008. “Budidaya Trust dan Har-
Rencana Kesehatan Disparitas dari National Institutes of Health: Bisnis
vesting Nilai di Komunitas Virtual,” Ilmu manajemen
Unfinished, GE Thomson, F. Mitchell, dan
(54: 1)., Hlm 113-128. Preece, J. 2000. Komunitas Online: Merancang
MB Williams (eds.), Washington, DC: National Academies Press
Usability dan
(http://www.ncbi.nlm.nih.gov/books/NBK57046/). Wasko, MM, dan Faraj, S.
Mendukung Socialbility ( 1 st ed) New York:. John Wiley & Sons. Ray, S.,
2005. “Mengapa Harus Aku Bagi? Ujian-
Kim, SS, dan Morris, JG 2014. “Peran Sentral
ining Modal Sosial dan Pengetahuan Kontribusi dalam Electronic Networks of
Keterlibatan dalam Komunitas Online,” Sistem Penelitian Informasi ( 25:. 3),
pp 528-546. Practice,” MIS Quarterly ( 29:. 1), pp 35-57. Wellman, B., Salaff, J., Dimitrova, D.,
Ren, Y., Kraut, R., dan Kiesler, S. 2007. “Menerapkan Umum Garton, L., Gulia, M., dan
Identitas dan Teori Bond Desain Komunitas Online,” Haythornthwaite, C. 1996. “Computer Networks sebagai Jaringan Sosial:
Studi organisasi ( 28:. 3), pp 377-408. Collaborative Work, Telework, dan Komunitas Virtual,”
Ricketts, TC 2000. “The Nature Mengubah Perawatan Kesehatan Pedesaan,” Ulasan tahunan Sosiologi ( 22), hlm. 213-238.
Ulasan tahunan Kesehatan Masyarakat ( 21:. 1), pp 639-657. Robins, G., dan Wimmer, A., dan Lewis, K. 2010. “Beyond dan bawah Rasial
Morris, M. 2007. “Kemajuan dalam Exponential Homophily: ERG Model Jaringan Persahabatan terdokumentasi di Facebook,” The
Model Grafik acak,” Jaringan sosial ( 29: 2), 169-172. Robins, G., Pattison, American Journal of Sociology ( 116:. 2), hlm 583-642.
P., Kalish, Y., dan Lusher, D. 2007. “Sebuah
Pengantar Exponential Acak Grafik (p *) Model untuk Jaringan Sosial,” JaringanOrganisasi Kesehatan Dunia. 2010. Peningkatan Akses ke Kesehatan
sosial ( 29:. 2), hlm 173-191. Rosenthal, MB, Zaslavsky, A., dan Pekerja di Remote dan Pedesaan Melalui Peningkatan tion Reten-:
Newhouse, JP 2005.” Rekomendasi Kebijakan Global, Jenewa: Organisasi Kesehatan Dunia.
Distribusi geografis dari Dokter Revisited,” Pelayanan Kesehatan Penelitian ( 40:
6p1), pp 1931-1952.. Ziller EC 2014. “Akses ke Pelayanan Medis di Amerika Pedesaan,” di
Ruger, JP 2010. “Kesehatan Kemampuan: Konseptualisasi dan
Pedesaan Public Health: Praktik Terbaik dan Model Pencegahan,
Operasionalisasi,” American Journal of Public Health ( 100:. 1), pp 41-49.
JC Warren dan KB Smiley (eds.), New York: Springer Publishing
Company, hlm 11-28..
Rutten, LJ, Hesse, BW, Moser, RP, Ortiz Martinez, AP,
Kornfeld, J., Vanderpool, RC, Byrne, M., dan Tortolero Luna,
G. 2012. “Sosial Ekonomi dan Geografis Disparitas Informasi Kesehatan
Mencari dan Internet Gunakan di Puerto Rico,” Journal of Medical Internet Tentang Penulis
Research ( 14: 4).
Schur, CL, dan Franco, SJ 1999. “Akses ke Pelayanan Kesehatan,” di Jie Mein (JM) Goh adalah asisten profesor dari Manajemen informal mation Sistem di
Kesehatan pedesaan di Amerika Serikat, TC Ricketts (ed.), New York:. Oxford Beedie School of Business di Universitas Simon Fraser. Sebelum bergabung dengan
University Press, hlm 25-37
Simon Fraser, ia adalah seorang pengajar di IE Business School, IE University
Schwarz, G. 1978. “Memperkirakan Dimensi Model,” Itu
(Instituto de Empresa) di Madrid, Spanyol. JM diperoleh gelar Ph.D. di Robert H Smith
Annals of Statistics ( 6: 2), hlm 461-464.. Sen, A. 1999. Pembangunan sebagai
School of Business, University of Maryland, College Park, dan M.Sc. nya dan
Freedom, New York: Alfred A.
Knopf.
B.Sc. (First Class Honours) dari School of Computing di National University of
Sen, A. 2002. “Mengapa Kesehatan Equity ?,” Ekonomi Kesehatan ( 11: 8),
Singapore. Penelitian JM saat ini berfokus pada dampak dan asimilasi teknologi
pp. 659-666.
informasi dalam perawatan kesehatan. Karyanya telah diterbitkan dalam jurnal
Sun, Y., Fang, Y., dan Lim, KH 2012. “Memahami berkelanjutan
seperti Sistem Informasi Penelitian, MIS Quarterly, MIT Sloan Management
Partisipasi dalam Komunitas Virtual transaksional,” Sistem Pendukung Keputusan
Review, Jurnal Sistem Informasi Strategis, diantara yang lain.
( 53:. 1), pp 12-22.
Szell, M., dan Thurner, S. 2010. “Mengukur Dinamika Sosial di
Game Online Multiplayer besar-besaran,” Jaringan sosial ( 32: 4)., Hlm 313-329.
Guodong (Gordon) Gao adalah seorang profesor di Keputusan, Operasi, dan
Tsai, H., dan Bagozzi, RP 2014. “Kontribusi Perilaku dalam Informasi Departemen Teknologi di RH Smith School, University of Maryland,
Komunitas Virtual: kognitif, emosional, dan Influ- Sosial ences,” MIS College Park, dan direktur bersama dari Pusat Informasi Kesehatan dan
Quarterly, ( 38:. 1), pp 143-163. Sistem Keputusan

(CHIDS). Gordon menerima gelar sarjana dari Universitas Tsinghua, MBA dari Ritu Agarwal adalah seorang profesor dan Ketua Robert H. Smith Dean
Program Joint Sloan Tsinghua-MIT, dan gelar Ph.D. dari Wharton School of Sistem Informasi di Robert H. Smith School of Business, University of
University of Penn- sylvania. Penelitiannya berfokus pada peran IT dalam Maryland, College Park. Dia juga pendiri dan direktur bersama dari Pusat
mengubah kesehatan dan meningkatkan transparansi kualitas. Penelitiannya telah Informasi Kesehatan dan Sistem Keputusan (CHIDS) di Sekolah Smith. Dia
dipublikasikan atau dipresentasikan pada jurnal terkemuka dan konferensi seperti telah menerbitkan lebih dari 90 makalah dalam jurnal seperti Sistem Informasi
Penelitian, MIS Quarterly, Ilmu Manajemen, Komunikasi dari ACM, Jurnal
Ilmu Manajemen, Sistem Informasi Penelitian, MIS Manajemen Sistem Informasi, Jamia, Urusan Kesehatan, Transaksi IEEE, dan Sistem
Triwulanan, Manufaktur dan Jasa Manajemen Operasi, dan Pendukung Keputusan. Her current research is focused at the intersection of
Produksi dan Manajemen Operasi. Karyanya juga telah diterbitkan atau disajikan information tech- nology and healthcare, with a particular emphasis on mobile
di outlet kesehatan, seperti JAMA Internal Medicine, Journal of Medical Internet technologies, social media, digital information privacy, and evidence-based
Research, Ekonomi Kesehatan Association Konferensi Internasional, serta decision making. She is a Fellow of Association for Information Systems and
American Society of konferensi Kesehatan ekonom. Dia telah memenangkan the INFORMS Information Systems Society.
beberapa pengajaran dan penelitian penghargaan, termasuk penghargaan
CAREER dari National Science Foundation.
MIS Quarterly Vol. 40 No. 1/March 2016 263

Copyright of MIS Quarterly is the property of MIS Quarterly and its content may not be copied or emailed to
multiple sites or posted to a listserv without the copyright holder's express written permission. However, users
may print, download, or email articles for individual use.

Terjemah#02c The Creation of Social Value Can An Online Health Community Reduce Rural-Urban Helath Disparities - En.id

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Terjemah#02c The Creation of Social Value Can An Online Health Community Reduce Rural-Urban Helath Disparities - En.id

Diunggah oleh

Hak Cipta:

Format Tersedia

R esearch N OTE

T DIA C REATION OF S osial V Alue: C AN AN HAI nline

Jie Mein Goh

Burnaby, BC V5A 1S6 CANADA {} jmgoh@sfu.ca

Guodong (Gordon) Gao dan Ritu Agarwal

College Park, MD 20.742 USA {ggao@rhsmith.umd.edu} {} ragarwal@rhsmith.umd.edu

MIS Quarterly Vol. 40 No 1, pp. 247-263 / Maret 2016 247

pekerjaan sebelumnya pada nilai komunitas online sebagian besar telah

248 MIS Quarterly Vol. 40 No 1 / Maret 2016

MIS Quarterly Vol. 40 No 1 / Maret 2016 249

Kekurangan Kemampuan kesehatan * Kesenjangan (Untuk Pasien Pedesaan) Disparitas Kesehatan

Disebabkan Oleh Lokasi • status kesehatan menurun dan fungsi hasil

dan kelompok dukungan sosial kemanjuran diri

• nilai-nilai kesehatan yang lebih rendah dan tujuan

• kemampuan rendah diri memerintah

• keterampilan membuat keputusan kesehatan kurang efektif

• motivasi intrinsik yang lebih rendah untuk mencapai hasil

kesehatan yang diinginkan

• harapan kurang positif tentang mencapai hasil

* Lihat Ruger (2010) untuk definisi masing-masing kemampuan kesehatan.

Gambar 1. Kerangka Pedesaan-Perkotaan Kesehatan Disparitas (diadaptasi dari Ruger 2010)

Dengan kata lain, kedua ditingkatkan

et al 2006;. Graydon et al. pada kesenjangan antar daerah

250 MIS Quarterly Vol. 40 No 1 / Maret 2016

Komunitas Kesehatan secara online

Kekurangan mengurangi Kesehatan

Gambar 2. Model Konseptual Sosial Penciptaan Nilai di Komunitas Kesehatan online

untuk memberikan dukungan kepada pasien pedesaan.

Namun, kemampuan untuk berkontribusi wacana masyarakat diperlukan, tetapi metode

menderita dengan kondisi medis.

MIS Quarterly Vol. 40 No 1 / Maret 2016 251

Analisis statistik: Exponential Model Acak

Kami menganalisis pola interaksi jaringan untuk mengukur pertukaran dukungan

252 MIS Quarterly Vol. 40 No 1 / Maret 2016

Tabel 1. Ringkasan Statistik

Variabel obs rata-rata Berarti SD Min Max

Tabel 2. Distribusi Frekuensi

Variabel Frekuensi Persentase

Wanita 274 42.95

Senjata 239 37,46

Tabel 3. Ringkasan Statistik untuk Sentralitas Untuk Biner Jaringan

Variabel Deskripsi Obs Median Berarti SD Min Max

P (Y = y | X) = exp {(θ T g (y, X))} / k (θ)

MIS Quarterly Vol. 40 No 1 / Maret 2016 253

Tabel 4. Keuntungan dari ERGM (Lusher et al. 2013)

254 MIS Quarterly Vol. 40 No 1 / Maret 2016

Tabel 5. Variabel Jaringan

jaringan Statistik Jaringan Definisi Statistik dan Variabel Konstruksi

MIS Quarterly Vol. 40 No 1 / Maret 2016 255

Hasil penelitian menunjukkan bahwa kedua kovariat penyakit yang signifikan.

Kontrol tingkat masyarakat masa jabatan, AbsDiff (keanggotaan),

lain dalam jaringan. dua akan membentuk.

256 MIS Quarterly Vol. 40 No 1 / Maret 2016

Tabel 6. Model eksponensial Acak Grafik

kovariat Model 1 Model 2 Model 3 Model 4

NodeMatch (onset penyakit) 0.098 0,085 0.087

timbal balik ( Saling) 2,578 2,309 2,311

BIC 67.722 58.585 53.469 53.463

Jumlah pasien 638 638 638 638

* * * Signifikan pada tingkat 1 persen. ** Signifikan pada tingkat 5 persen.

MIS Quarterly Vol. 40 No 1 / Maret 2016 257

( GWESP) tetap positif dan signifikan dalam model ini.

Kedua, untuk menentukan apakah temuan sensitif terhadap dinamika jaringan