Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Monitorowanie zaufania do szczepionek i wahań w oparciu o media społecznościowe

28 czerwca 2022 zaktualizowane przez: Zhiyuan Hou, Fudan University

Badanie uczenia maszynowego oparte na mediach społecznościowych w celu monitorowania zaufania do szczepionek i wahań oraz wczesnego ostrzegania o pojawiających się zagrożeniach związanych ze szczepionkami w czasie rzeczywistym

Historia i dowody naukowe pokazują, że utrzymanie zaufania publicznego do szczepień ma kluczowe znaczenie. Każdy kryzys zaufania może spowodować znaczne zakłócenia i szkodliwy wpływ na szczepienia. Wahania co do szczepień to złożony i specyficzny dla kontekstu problem, który różni się w zależności od czasu, miejsca i szczepionek. Został wymieniony przez Światową Organizację Zdrowia (WHO) jako jedno z dziesięciu największych zagrożeń dla zdrowia na świecie w 2019 roku. Pandemia choroby koronawirusowej (COVID-19) może zmienić zaufanie społeczne do szczepionek. Dlatego konieczne jest ustanowienie systemu nadzoru w celu monitorowania zaufania do szczepionek i wahań w czasie rzeczywistym.

Do tej pory coraz więcej publikacji wykorzystywało platformy mediów społecznościowych, takie jak Twitter i weico, do badań nad zdrowiem publicznym. Duże ilości danych w czasie rzeczywistym publikowanych na platformach mediów społecznościowych można wykorzystać do szybkiego określenia stosunku społeczeństwa do szczepionek, jako sposobu wspierania komunikacji zdrowotnej i promocji zdrowia, przesyłania wiadomości. Jednak dane tekstowe w mediach społecznościowych są trudne do analizy. Niedawny postęp w uczeniu maszynowym umożliwia automatyczną analizę danych tekstowych w mediach społecznościowych w czasie rzeczywistym.

W ramach tego badania badacze utworzą platformę nadzoru i analizy w mediach społecznościowych dotyczącą szczepionek, opracują serię modeli uczenia maszynowego w celu monitorowania zaufania do szczepionek i wczesnego wykrywania pojawiających się zagrożeń związanych ze szczepionkami oraz ocenią komunikację publiczną dotyczącą szczepionek. Badacze ocenią czasowy i przestrzenny rozkład zaufania do szczepionek i wahań na całym świecie za pomocą danych z Twittera oraz w Chinach za pomocą danych z Weico, odpowiednio dla wszystkich szczepionek i szczepionki przeciw wirusowi brodawczaka ludzkiego (HPV). Nasze badanie pokieruje projektowaniem skutecznych strategii komunikacji zdrowotnej w celu zwiększenia zaufania do szczepionek.

Przegląd badań

Status

Wycofane

Warunki

Szczegółowy opis

  1. Zbieraj i aktualizuj dane w mediach społecznościowych dotyczące szczepionek Śledczy będą automatycznie zbierać wszystkie posty w mediach społecznościowych dotyczące szczepionek w czasie rzeczywistym. Baza danych kohort w mediach społecznościowych zostanie utworzona i zaktualizowana odpowiednio dla wszystkich szczepionek i szczepionki przeciw wirusowi brodawczaka ludzkiego (HPV).
  2. Monitoruj pewność i wahania szczepionki w czasie rzeczywistym: głębokie (nadzorowane) modele uczenia maszynowego Model głębokiego uczenia, nadzorowana technika uczenia maszynowego, zostanie wykorzystany do analizowania danych tekstowych w mediach społecznościowych w czasie rzeczywistym zgodnie z predefiniowanymi ramami pewności i wahania szczepionki. Badacze najpierw ręcznie dodadzą adnotacje do podzbioru postów w mediach społecznościowych (20 000 postów) dotyczących szczepionek. Początkowe posty z ręcznymi adnotacjami są następnie wykorzystywane do trenowania i oceny modeli głębokiego uczenia się. Modele głębokiego uczenia się o najlepszych wynikach są wybierane i stosowane do klasyfikowania wszystkich postów związanych ze szczepionkami zgodnie z ramami pewności i wahania szczepionki.
  3. Monitoruj pojawiające się obawy i wahania nastrojów w czasie rzeczywistym, aby wcześnie ostrzegać o zagrożeniach lub kryzysach związanych ze szczepionkami: tematyczne (nienadzorowane) modele uczenia maszynowego i analiza lingwistyczna Niektóre tematy wykraczają poza predefiniowane ramy pewności i wahania dotyczące szczepionek stosowane w modelach głębokiego uczenia się oraz nowe tematy pojawiają się w każdej chwili. Kryzys szczepionkowy wpłynąłby na nastroje społeczne. Monitorowanie pojawiających się tematów i wahań nastrojów zapewni wczesne ostrzeganie o zagrożeniach lub kryzysach związanych ze szczepionkami. Użyj modelowania tematów, nienadzorowanej techniki uczenia maszynowego, która może automatycznie klasyfikować tekst do reprezentatywnych tematów w mediach społecznościowych, aby monitorować pojawiające się tematy i obawy dotyczące szczepionek.
  4. Oceń zaangażowanie opinii publicznej w mediach społecznościowych, aby uzyskać informacje na temat skutecznych strategii komunikacji zdrowotnej: analiza zaangażowania w mediach społecznościowych Oprócz danych dotyczących postów w mediach społecznościowych dostępne są również dane dotyczące zaangażowania postów, w tym polubienia, komentarze i udostępnienia postów. Śledczy przeprowadzą analizę zaangażowania mediów społecznościowych, aby zbadać komunikację publiczną dotyczącą szczepionek w Internecie. Pomoże to w opracowaniu skutecznych strategii komunikacji zdrowotnej.
  5. Ustanowienie platformy nadzoru i analizy mediów społecznościowych pod kątem zaufania do szczepionek i kryzysów Wykonując powyższe kroki, śledczy stworzą platformę nadzoru i analizy mediów społecznościowych pod kątem zaufania do szczepionek i kryzysów. Trendy w szeregach czasowych, zróżnicowanie geograficzne i powiązane czynniki powyższych wskaźników zostaną przedstawione w celu monitorowania zaufania do szczepionek w czasie rzeczywistym, wczesnego ostrzegania o pojawiających się zagrożeniach lub kryzysach oraz informowania o skutecznych strategiach komunikacji zdrowotnej.
  6. Wcześniejsze doświadczenia badawcze Badacze przeprowadzili serię odpowiednich badań w celu przeanalizowania danych z mediów społecznościowych przy użyciu technik uczenia maszynowego podczas epidemii COVID-19, obejmujących zaufanie do szczepionki COVID-19 i reakcję opinii publicznej na COVID-19. Te doświadczenia sprawiają, że obecne badanie jest wykonalne.

Typ studiów

Obserwacyjny

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • DOROSŁY
  • STARSZY_DOROŚLI
  • DZIECKO

Akceptuje zdrowych ochotników

Tak

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Posty związane ze szczepionkami w mediach społecznościowych są przedmiotem naszych badań mających na celu ocenę zaufania i wahań opinii publicznej w zakresie szczepionek. Każdy rekord postu zawiera nazwę konta, profile, zawartość, czas postu, liczbę obserwujących i dane dotyczące zaangażowania.

Opis

Kryteria przyjęcia:

  • Tweety i posty weico związane ze szczepionkami
  • Opublikowane w latach 2015-2022
  • angielskie tweety
  • Tweety/posty z kont osobistych.

Kryteria wyłączenia:

  • Tweety/posty z wiadomości, kont organizacji lub uwierzytelnionych użytkowników
  • Tweety w języku innym niż angielski.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Globalna baza danych postów związanych ze szczepionkami
Tweety w języku angielskim z Twittera i posty z weico od 2015 do 2022 dla wszystkich szczepionek. Badacze uwzględnili tylko posty z indywidualnych kont i wykluczyli te z wiadomości, kont organizacji lub zweryfikowanych użytkowników.
Globalna baza danych postów związanych ze szczepionką HPV
Tweety w języku angielskim z Twittera i posty z weico od 2015 do 2022 dotyczące szczepionki HPV. Badacze uwzględnili tylko posty z indywidualnych kont i wykluczyli te z wiadomości, kont organizacji lub zweryfikowanych użytkowników.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Zmiany w rozpowszechnieniu zaufania do szczepionek i wahań
Ramy czasowe: Zmiana od wartości początkowej rozpowszechnienia zaufania do szczepionki i wahania się przed szczepieniem po 1 roku.
Zaufanie do szczepionek odnosi się do publicznych tweetów wyrażających zaufanie do bezpieczeństwa i skuteczności szczepionek, uznania konieczności szczepień i akceptacji szczepionek. Wahania dotyczące szczepionek oznaczają, że tweety wyrażają dezinformację i plotki związane ze szczepionkami, martwią się o bezpieczeństwo i skuteczność szczepionki oraz odrzucają szczepionkę. Badacze obliczą stosunek tych dwóch kategorii we wszystkich tweetach związanych ze szczepionkami jako rozpowszechnienie zaufania do szczepionki i wahania przed szczepionką.
Zmiana od wartości początkowej rozpowszechnienia zaufania do szczepionki i wahania się przed szczepieniem po 1 roku.

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Zmiany w rozpowszechnieniu tematów generowanych maszynowo
Ramy czasowe: Zmiana w porównaniu z wartością wyjściową częstości występowania tematów generowanych maszynowo po 1 roku.
Tematy generowane maszynowo odnoszą się do tematów związanych ze szczepionkami generowanych automatycznie za pomocą metod uczenia maszynowego, takich jak spisek polityczny, zwolnienie ze szczepionki, zdarzenia niepożądane szczepionki i inne. Badacze obliczą stosunek tweetów związanych z każdym tematem generowanym maszynowo we wszystkich tweetach związanych ze szczepionkami jako częstość występowania tematów generowanych maszynowo.
Zmiana w porównaniu z wartością wyjściową częstości występowania tematów generowanych maszynowo po 1 roku.
Zmiany w zaangażowaniu publicznym w mediach społecznościowych
Ramy czasowe: Zmiana w porównaniu z podstawowym zaangażowaniem publicznym w mediach społecznościowych po 1 roku.
Zaangażowanie publiczne w mediach społecznościowych to kompleksowy wskaźnik oceny służący do pomiaru transmisji, odpowiedzi i polubień. Badacze zarejestrują linię podstawową i odpowiadające jej wartości po roku.
Zmiana w porównaniu z podstawowym zaangażowaniem publicznym w mediach społecznościowych po 1 roku.

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Fudan University

Współpracownicy

Merck Sharp & Dohme LLC

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (RZECZYWISTY)

1 marca 2022

Zakończenie podstawowe (RZECZYWISTY)

1 czerwca 2022

Ukończenie studiów (RZECZYWISTY)

24 czerwca 2022

Daty rejestracji na studia

Pierwszy przesłany

21 marca 2022

Pierwszy przesłany, który spełnia kryteria kontroli jakości

28 czerwca 2022

Pierwszy wysłany (RZECZYWISTY)

5 lipca 2022

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (RZECZYWISTY)

5 lipca 2022

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

28 czerwca 2022

Ostatnia weryfikacja

1 czerwca 2022

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

  • ECT2112016948

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Opis planu IPD

Zgodnie z warunkami umowy, poszczególne dane nie mogą być udostępniane.

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj