Monitoramento de confiança e hesitação em vacinas baseado em mídia social
28 de junho de 2022 atualizado por: Zhiyuan Hou, Fudan University
Um estudo de aprendizado de máquina baseado em mídia social para monitorar a confiança e a hesitação em relação às vacinas e alertar antecipadamente os riscos emergentes relacionados às vacinas em tempo real
A história e as evidências científicas mostram que é fundamental manter a confiança do público na vacinação. Qualquer crise de confiança tem o potencial de causar perturbações significativas e um impacto negativo na vacinação. A hesitação vacinal é uma questão complexa e específica do contexto que varia ao longo do tempo, local e vacinas. Foi citado pela Organização Mundial da Saúde (OMS) como uma das dez principais ameaças à saúde global em 2019. A pandemia da doença de coronavírus (COVID-19) pode mudar a confiança do público nas vacinas. Portanto, é necessário estabelecer um sistema de vigilância para monitorar a confiança e hesitação vacinal em tempo real.
Até o momento, um corpo crescente de literatura tem usado plataformas de mídia social como o Twitter e o weico para pesquisas em saúde pública. Grandes quantidades de dados em tempo real postados em plataformas de mídia social podem ser usados para identificar rapidamente as atitudes do público em relação às vacinas, como uma forma de apoiar a comunicação de saúde e a promoção da saúde, mensagens. No entanto, dados textuais em mídias sociais são difíceis de serem analisados. O progresso recente no aprendizado de máquina possibilita a análise automática de dados textuais nas mídias sociais em tempo real.
Neste estudo, os investigadores estabelecerão uma plataforma de vigilância e análise de mídia social sobre vacinas, desenvolverão uma série de modelos de aprendizado de máquina para monitorar a confiança nas vacinas e detectar precocemente os riscos emergentes relacionados às vacinas e avaliar a comunicação pública sobre as vacinas. Os investigadores avaliarão a distribuição temporal e espacial da confiança e hesitação na vacina globalmente usando dados do Twitter e na China usando dados weico, para todas as vacinas e vacina contra o vírus do papiloma humano (HPV), respectivamente. Nosso estudo orientará o desenho de estratégias eficazes de comunicação em saúde para melhorar a confiança nas vacinas.
Visão geral do estudo
Status
Retirado
Descrição detalhada
- Colete e atualize dados de mídia social sobre vacinas Os investigadores coletarão automaticamente todas as postagens de mídia social sobre vacinas em tempo real. O banco de dados de coorte de mídia social será estabelecido e atualizado para todas as vacinas e vacina contra o vírus do papiloma humano (HPV), respectivamente.
- Monitore a confiança e a hesitação da vacina em tempo real: modelos de aprendizado de máquina profundos (supervisionados) O modelo de aprendizado profundo, uma técnica de aprendizado de máquina supervisionado, será usado para analisar dados de texto nas mídias sociais em tempo real de acordo com a estrutura predefinida de confiança e hesitação da vacina. Os investigadores primeiro anotarão manualmente um subconjunto de postagens de mídia social (20.000 postagens) sobre vacinas. As postagens iniciais anotadas manualmente são usadas para treinar e avaliar modelos de aprendizado profundo. Modelos de aprendizado profundo com o melhor desempenho são selecionados e aplicados para classificar todas as postagens relacionadas à vacina de acordo com a estrutura de confiança e hesitação da vacina.
- Monitore preocupações emergentes e mudanças de sentimento em tempo real para alertar antecipadamente riscos ou crises relacionados a vacinas: modelos de aprendizado de máquina de tópicos (não supervisionados) e análise linguística temas surgem a qualquer momento. A crise da vacina influenciaria os sentimentos do público. O monitoramento de tópicos emergentes e mudanças de opinião fornecerá um alerta precoce sobre riscos ou crises relacionados a vacinas. Use a modelagem de tópicos, uma técnica de aprendizado de máquina não supervisionada que pode classificar automaticamente o texto para tópicos representativos nas mídias sociais, para monitorar tópicos emergentes e preocupações relacionadas a vacinas.
- Avalie o envolvimento do público nas mídias sociais para informar estratégias eficazes de comunicação em saúde: análise de engajamento nas mídias sociais Além dos dados de postagens nas mídias sociais, os dados de engajamento das postagens também estão disponíveis para análise, incluindo curtidas, comentários e compartilhamentos de postagens. Os investigadores conduzirão análises de engajamento de mídia social para investigar a comunicação pública sobre vacinas online. Isso orientará o desenho de estratégias eficazes de comunicação em saúde.
- Estabeleça uma plataforma de vigilância e análise de mídia social para confiança e crise de vacina Através das etapas acima, os investigadores estabelecerão uma plataforma de vigilância e análise de mídia social para confiança e crise de vacina. Tendências de séries temporais, variação geográfica e fatores associados aos indicadores produzidos acima serão apresentados para monitorar a confiança nas vacinas em tempo real, alertar com antecedência sobre riscos ou crises emergentes e informar estratégias eficazes de comunicação em saúde.
- Experiência de pesquisa anterior Os investigadores conduziram uma série de estudos relevantes para analisar dados de mídia social usando técnicas de aprendizado de máquina durante a epidemia de COVID-19, cobrindo a confiança da vacina COVID-19 e a resposta pública ao COVID-19. Essas experiências tornam viável o presente estudo.
Tipo de estudo
Observacional
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
- ADULTO
- OLDER_ADULT
- CRIANÇA
Aceita Voluntários Saudáveis
Sim
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra Não Probabilística
População do estudo
Postagens relacionadas a vacinas nas mídias sociais são o objeto de nossa pesquisa para avaliar a confiança e hesitação do público sobre a vacina.
Cada registro de postagem inclui nome da conta, perfis, conteúdo, horário da postagem, número de seguidores e dados de engajamento.
Descrição
Critério de inclusão:
- Tweets e postagens weico relacionadas a vacinas
- Publicado em 2015-2022
- tweets em inglês
- Tweets/postagens de contas pessoais.
Critério de exclusão:
- Tweets/postagens de notícias, contas de organizações ou usuários autenticados
- Tweets não ingleses.
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
|---|
|
Banco de dados global de postagens relacionadas a vacinas
Tweets em inglês do Twitter e postagens do weico de 2015 a 2022 para todas as vacinas.
Os investigadores incluíram apenas postagens de contas individuais e excluíram as de notícias, contas organizacionais ou usuários verificados.
|
|
Banco de dados global de postagens relacionadas à vacina contra o HPV
Tweets em inglês do Twitter e postagens de weico de 2015 a 2022 para a vacina contra o HPV.
Os investigadores incluíram apenas postagens de contas individuais e excluíram as de notícias, contas organizacionais ou usuários verificados.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Mudanças na prevalência de confiança e hesitação em vacinas
Prazo: Mudança da prevalência basal de confiança na vacina e hesitação vacinal em 1 ano.
|
A confiança na vacina refere-se aos tweets do público que expressam confiança na segurança e eficácia da vacina, reconhecimento da necessidade de vacinação e aceitação da vacina.
A hesitação em relação à vacina significa que os tweets expressam desinformação e rumores relacionados à vacina, preocupam-se com a segurança e a eficácia da vacina e a rejeição da vacina.
Os investigadores calcularão a proporção dessas duas categorias em todos os tweets relacionados à vacina como a prevalência de confiança na vacina e hesitação na vacina.
|
Mudança da prevalência basal de confiança na vacina e hesitação vacinal em 1 ano.
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Mudanças na prevalência de tópicos gerados por máquina
Prazo: Mudança da prevalência da linha de base de tópicos gerados por máquina em 1 ano.
|
Tópicos gerados por máquina referem-se a tópicos relacionados a vacinas gerados automaticamente por meio de métodos de aprendizado de máquina, como conspiração política, isenção de vacina, eventos adversos de vacina e outros.
Os investigadores calcularão a proporção de tweets envolvidos em cada tópico gerado por máquina em todos os tweets relacionados a vacinas como a prevalência de tópicos gerados por máquina.
|
Mudança da prevalência da linha de base de tópicos gerados por máquina em 1 ano.
|
|
Mudanças no engajamento do público nas redes sociais
Prazo: Mudança do engajamento público básico nas mídias sociais em 1 ano.
|
O engajamento público nas mídias sociais é um índice de avaliação abrangente para medir a transmissão, resposta e curtida.
Os investigadores registrarão a linha de base e os valores correspondentes após um ano.
|
Mudança do engajamento público básico nas mídias sociais em 1 ano.
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Colaboradores
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- MacDonald NE; SAGE Working Group on Vaccine Hesitancy. Vaccine hesitancy: Definition, scope and determinants. Vaccine. 2015 Aug 14;33(34):4161-4. doi: 10.1016/j.vaccine.2015.04.036. Epub 2015 Apr 17.
- Larson HJ, Jarrett C, Eckersberger E, Smith DM, Paterson P. Understanding vaccine hesitancy around vaccines and vaccination from a global perspective: a systematic review of published literature, 2007-2012. Vaccine. 2014 Apr 17;32(19):2150-9. doi: 10.1016/j.vaccine.2014.01.081. Epub 2014 Mar 2.
- Sinnenberg L, Buttenheim AM, Padrez K, Mancheno C, Ungar L, Merchant RM. Twitter as a Tool for Health Research: A Systematic Review. Am J Public Health. 2017 Jan;107(1):e1-e8. doi: 10.2105/AJPH.2016.303512. Epub 2016 Nov 17.
- Milinovich GJ, Williams GM, Clements AC, Hu W. Internet-based surveillance systems for monitoring emerging infectious diseases. Lancet Infect Dis. 2014 Feb;14(2):160-8. doi: 10.1016/S1473-3099(13)70244-5. Epub 2013 Nov 28.
- Devlin J, Chang M-W, Lee K, et al. Bert: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint, 2018, arXiv:181004805.
- Larson HJ, Jarrett C, Schulz WS, Chaudhuri M, Zhou Y, Dube E, Schuster M, MacDonald NE, Wilson R; SAGE Working Group on Vaccine Hesitancy. Measuring vaccine hesitancy: The development of a survey tool. Vaccine. 2015 Aug 14;33(34):4165-75. doi: 10.1016/j.vaccine.2015.04.037. Epub 2015 Apr 18.
- Blei DM, Ng AY, Jordan MI. Latent dirichlet allocation. J Mach Learn Res, 2003, 3:993-1022.
- Pennebaker J, Boyd R, Jordan K, et al. The development and psychometric properties of LIWC2015. Austin, TX: University of Texas at Austin, 2015.
- Zhao N, Jiao D, Bai S, Zhu T. Evaluating the Validity of Simplified Chinese Version of LIWC in Detecting Psychological Expressions in Short Texts on Social Network Services. PLoS One. 2016 Jun 20;11(6):e0157947. doi: 10.1371/journal.pone.0157947. eCollection 2016.
- Stone JA, Can SH. Linguistic analysis of municipal twitter feeds: Factors influencing frequency and engagement. Gov Inf Q, 2020, 37(4): 101468.
- de Figueiredo A, Simas C, Karafillakis E, Paterson P, Larson HJ. Mapping global trends in vaccine confidence and investigating barriers to vaccine uptake: a large-scale retrospective temporal modelling study. Lancet. 2020 Sep 26;396(10255):898-908. doi: 10.1016/S0140-6736(20)31558-0. Epub 2020 Sep 10.
- Szilagyi PG, Thomas K, Shah MD, Vizueta N, Cui Y, Vangala S, Kapteyn A. National Trends in the US Public's Likelihood of Getting a COVID-19 Vaccine-April 1 to December 8, 2020. JAMA. 2020 Dec 29;325(4):396-8. doi: 10.1001/jama.2020.26419. Online ahead of print.
- Larson HJ, de Figueiredo A, Xiahong Z, Schulz WS, Verger P, Johnston IG, Cook AR, Jones NS. The State of Vaccine Confidence 2016: Global Insights Through a 67-Country Survey. EBioMedicine. 2016 Oct;12:295-301. doi: 10.1016/j.ebiom.2016.08.042. Epub 2016 Sep 13.
- Abd-Alrazaq A, Alhuwail D, Househ M, Hamdi M, Shah Z. Top Concerns of Tweeters During the COVID-19 Pandemic: Infoveillance Study. J Med Internet Res. 2020 Apr 21;22(4):e19016. doi: 10.2196/19016.
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (REAL)
1 de março de 2022
Conclusão Primária (REAL)
1 de junho de 2022
Conclusão do estudo (REAL)
24 de junho de 2022
Datas de inscrição no estudo
Enviado pela primeira vez
21 de março de 2022
Enviado pela primeira vez que atendeu aos critérios de CQ
28 de junho de 2022
Primeira postagem (REAL)
5 de julho de 2022
Atualizações de registro de estudo
Última Atualização Postada (REAL)
5 de julho de 2022
Última atualização enviada que atendeu aos critérios de controle de qualidade
28 de junho de 2022
Última verificação
1 de junho de 2022
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Outros números de identificação do estudo
- ECT2112016948
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
NÃO
Descrição do plano IPD
De acordo com os termos do acordo, os dados individuais não podem ser compartilhados.
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .