Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Monitoraggio della fiducia nei vaccini e dell'esitazione basato sui social media

28 giugno 2022 aggiornato da: Zhiyuan Hou, Fudan University

Uno studio sull'apprendimento automatico basato sui social media per monitorare la fiducia e l'esitazione dei vaccini e avvisare tempestivamente dei rischi emergenti correlati ai vaccini in tempo reale

La storia e le prove scientifiche dimostrano che è fondamentale mantenere la fiducia e la fiducia del pubblico nella vaccinazione. Qualsiasi crisi di fiducia ha il potenziale per causare interruzioni significative e un impatto negativo sulla vaccinazione. L'esitazione vaccinale è un problema complesso e specifico del contesto che varia a seconda del tempo, del luogo e dei vaccini. È stata citata dall'Organizzazione mondiale della sanità (OMS) come una delle dieci principali minacce alla salute globale nel 2019. La pandemia di malattia da coronavirus (COVID-19) può cambiare la fiducia del pubblico nei vaccini. Pertanto, è necessario istituire un sistema di sorveglianza per monitorare la fiducia e l'esitazione del vaccino in tempo reale.

Ad oggi, un numero crescente di pubblicazioni ha utilizzato piattaforme di social media come Twitter e weico per la ricerca sulla salute pubblica. Grandi quantità di dati in tempo reale pubblicati su piattaforme di social media possono essere utilizzati per identificare rapidamente gli atteggiamenti del pubblico sui vaccini, come un modo per supportare la comunicazione sanitaria e la promozione della salute, la messaggistica. Tuttavia, i dati testuali sui social media sono difficili da analizzare. I recenti progressi nell'apprendimento automatico consentono di analizzare automaticamente i dati testuali sui social media in tempo reale.

In questo studio, i ricercatori stabiliranno una piattaforma di sorveglianza e analisi dei social media sui vaccini, svilupperanno una serie di modelli di apprendimento automatico per monitorare la fiducia nei vaccini e rilevare precocemente i rischi emergenti correlati ai vaccini e valutare la comunicazione pubblica sui vaccini. I ricercatori valuteranno la distribuzione temporale e spaziale della fiducia e dell'esitazione del vaccino a livello globale utilizzando i dati di Twitter e in Cina utilizzando i dati weico, rispettivamente per tutti i vaccini e per il vaccino contro il virus del papilloma umano (HPV). Il nostro studio guiderà la progettazione di efficaci strategie di comunicazione sanitaria per migliorare la fiducia nei vaccini.

Panoramica dello studio

Stato

Ritirato

Condizioni

Descrizione dettagliata

  1. Raccogliere e aggiornare i dati sui social media relativi ai vaccini Gli investigatori raccoglieranno automaticamente tutti i post sui social media relativi ai vaccini in tempo reale. Il database di coorte dei social media sarà istituito e aggiornato rispettivamente per tutti i vaccini e per il vaccino contro il virus del papilloma umano (HPV).
  2. Monitorare la fiducia e l'esitazione del vaccino in tempo reale: modelli di apprendimento automatico profondo (supervisionato) Il modello di apprendimento profondo, una tecnica di apprendimento automatico supervisionato, verrà utilizzato per analizzare i dati di testo sui social media in tempo reale secondo il quadro predefinito di fiducia e esitazione del vaccino. Gli investigatori prima annoteranno manualmente un sottoinsieme di post sui social media (20.000 post) riguardanti i vaccini. I post iniziali annotati manualmente vengono quindi utilizzati per addestrare e valutare i modelli di deep learning. I modelli di deep learning con le migliori prestazioni vengono selezionati e applicati per classificare tutti i post relativi ai vaccini in base al quadro di fiducia ed esitazione del vaccino.
  3. Monitorare le preoccupazioni emergenti e le oscillazioni del sentimento in tempo reale per avvertire tempestivamente i rischi o le crisi legati ai vaccini: modelli di apprendimento automatico (senza supervisione) e analisi linguistica Ci sono alcuni argomenti al di fuori del quadro predefinito di fiducia ed esitazione del vaccino utilizzato nei modelli di apprendimento profondo e nuovi gli argomenti emergono in qualsiasi momento. La crisi dei vaccini influenzerebbe i sentimenti pubblici. Il monitoraggio degli argomenti emergenti e delle oscillazioni del sentiment fornirà un allarme tempestivo sui rischi o le crisi legati ai vaccini. Usa Topic Modeling, una tecnica di apprendimento automatico senza supervisione che può classificare automaticamente il testo in argomenti rappresentativi nei social media, per monitorare argomenti emergenti e preoccupazioni riguardanti i vaccini.
  4. Valutare l'impegno pubblico sui social media per informare efficaci strategie di comunicazione sanitaria: analisi dell'impegno sui social media Oltre ai dati sui post sui social media, sono disponibili anche i dati sull'impegno dei post da analizzare, inclusi Mi piace, commenti e condivisioni di post. Gli investigatori condurranno un'analisi del coinvolgimento dei social media per indagare sulla comunicazione pubblica sui vaccini online. Questo guiderà la progettazione di efficaci strategie di comunicazione sanitaria.
  5. Stabilire una piattaforma di sorveglianza e analisi dei social media per la fiducia e la crisi dei vaccini Attraverso i passaggi precedenti, gli investigatori stabiliranno una piattaforma di sorveglianza e analisi dei social media per la fiducia e la crisi dei vaccini. Le tendenze delle serie temporali, la variazione geografica e i fattori associati degli indicatori prodotti sopra saranno presentati per monitorare la fiducia nei vaccini in tempo reale, avvertire tempestivamente rischi o crisi emergenti e informare efficaci strategie di comunicazione sanitaria.
  6. Esperienza di ricerca passata Gli investigatori hanno condotto una serie di studi pertinenti per analizzare i dati dei social media utilizzando tecniche di apprendimento automatico durante l'epidemia di COVID-19, coprendo la fiducia del vaccino COVID-19 e la risposta del pubblico a COVID-19. Queste esperienze rendono fattibile lo studio attuale.

Tipo di studio

Osservativo

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

  • ADULTO
  • ANZIANO_ADULTO
  • BAMBINO

Accetta volontari sani

Sì

Sessi ammissibili allo studio

Tutto

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

I post relativi ai vaccini sui social media sono l'oggetto della nostra ricerca per valutare la fiducia e l'esitazione del pubblico nei confronti del vaccino. Ogni record di post comprende il nome dell'account, i profili, i contenuti, l'ora del post, il numero di follower e i dati di coinvolgimento.

Descrizione

Criterio di inclusione:

  • Tweet e post weico relativi ai vaccini
  • Pubblicato nel 2015-2022
  • Tweet inglesi
  • Tweet/post da account personali.

Criteri di esclusione:

  • Tweet/post da notizie, account dell'organizzazione o utenti autenticati
  • Tweet non inglesi.

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

Coorti e interventi

Gruppo / Coorte
Database globale di post relativi ai vaccini
Tweet in inglese da Twitter e post da weico dal 2015 al 2022 per tutti i vaccini. Gli investigatori hanno incluso solo post di account individuali ed esclusi quelli di notizie, account aziendali o utenti verificati.
Database globale di post relativi al vaccino HPV
Tweet in inglese da Twitter e post da weico dal 2015 al 2022 per il vaccino contro l'HPV. Gli investigatori hanno incluso solo post di account individuali ed esclusi quelli di notizie, account aziendali o utenti verificati.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Cambiamenti nella prevalenza della fiducia e dell'esitazione del vaccino
Lasso di tempo: Variazione dalla prevalenza al basale della fiducia nei vaccini e dell'esitazione nei confronti del vaccino a 1 anno.
La fiducia nei vaccini si riferisce ai tweet del pubblico che esprimono fiducia nella sicurezza e nell'efficacia del vaccino, nel riconoscimento della necessità della vaccinazione e nell'accettazione del vaccino. L'esitazione sui vaccini significa che i tweet esprimono disinformazione e voci relative al vaccino, preoccupazione per la sicurezza e l'efficacia del vaccino e rifiuto del vaccino. Gli investigatori calcoleranno il rapporto tra queste due categorie in tutti i tweet relativi al vaccino come prevalenza della fiducia nei vaccini e dell'esitazione nei confronti del vaccino.
Variazione dalla prevalenza al basale della fiducia nei vaccini e dell'esitazione nei confronti del vaccino a 1 anno.

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Cambiamenti nella prevalenza di argomenti generati dalla macchina
Lasso di tempo: Variazione rispetto alla prevalenza di base di argomenti generati automaticamente a 1 anno.
Gli argomenti generati dalla macchina si riferiscono ad argomenti relativi ai vaccini generati automaticamente attraverso metodi di apprendimento automatico, come cospirazione politica, esenzione dai vaccini, eventi avversi ai vaccini e altri. Gli investigatori calcoleranno il rapporto tra i tweet coinvolti in ciascun argomento generato dalla macchina in tutti i tweet relativi al vaccino come prevalenza di argomenti generati dalla macchina.
Variazione rispetto alla prevalenza di base di argomenti generati automaticamente a 1 anno.
Cambiamenti nell'impegno pubblico sui social media
Lasso di tempo: Variazione dall'impegno pubblico di base sui social media a 1 anno.
L'impegno pubblico sui social media è un indice di valutazione completo per misurare la trasmissione, la risposta e il mi piace. Gli investigatori registreranno la linea di base e i valori corrispondenti dopo un anno.
Variazione dall'impegno pubblico di base sui social media a 1 anno.

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Fudan University

Collaboratori

Merck Sharp & Dohme LLC

Pubblicazioni e link utili

La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.

Pubblicazioni generali

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (EFFETTIVO)

1 marzo 2022

Completamento primario (EFFETTIVO)

1 giugno 2022

Completamento dello studio (EFFETTIVO)

24 giugno 2022

Date di iscrizione allo studio

Primo inviato

21 marzo 2022

Primo inviato che soddisfa i criteri di controllo qualità

28 giugno 2022

Primo Inserito (EFFETTIVO)

5 luglio 2022

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (EFFETTIVO)

5 luglio 2022

Ultimo aggiornamento inviato che soddisfa i criteri QC

28 giugno 2022

Ultimo verificato

1 giugno 2022

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Altri numeri di identificazione dello studio

  • ECT2112016948

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Descrizione del piano IPD

Secondo i termini dell'accordo, i dati individuali non possono essere condivisi.

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Sottoscrivi