Мониторинг уверенности в вакцинах и нерешительности на основе социальных сетей
28 июня 2022 г. обновлено: Zhiyuan Hou, Fudan University
Исследование машинного обучения на основе социальных сетей для мониторинга уверенности и нерешительности в отношении вакцины и раннего предупреждения о возникающих рисках, связанных с вакцинами, в режиме реального времени
История и научные данные показывают, что очень важно поддерживать общественное доверие к вакцинации. Любой кризис доверия может привести к серьезным нарушениям и пагубным последствиям для вакцинации. Нерешительность в отношении вакцин — это сложная и зависящая от контекста проблема, которая зависит от времени, места и вакцин. Всемирная организация здравоохранения (ВОЗ) назвала его одной из десяти главных угроз для глобального здравоохранения в 2019 году. Пандемия коронавирусного заболевания (COVID-19) может изменить доверие общественности к вакцинам. Следовательно, необходимо создать систему эпиднадзора для мониторинга уверенности в вакцинах и нерешительности в режиме реального времени.
На сегодняшний день все больше литературы использует платформы социальных сетей, такие как Twitter и Weico, для исследований в области общественного здравоохранения. Большие объемы данных в режиме реального времени, размещенные на платформах социальных сетей, могут быть использованы для быстрого определения отношения населения к вакцинам, как способ поддержки коммуникации и укрепления здоровья, обмена сообщениями. Однако текстовые данные в социальных сетях трудно анализировать. Недавний прогресс в области машинного обучения позволяет автоматически анализировать текстовые данные в социальных сетях в режиме реального времени.
В этом исследовании исследователи создадут платформу наблюдения и анализа вакцин в социальных сетях, разработают серию моделей машинного обучения для мониторинга доверия к вакцинам и раннего выявления возникающих рисков, связанных с вакцинами, а также для оценки информирования общественности о вакцинах. Исследователи оценят временное и пространственное распределение уверенности и нерешительности в отношении вакцин во всем мире, используя данные Twitter, и в Китае, используя данные Weico, для всех вакцин и вакцины против вируса папилломы человека (ВПЧ) соответственно. Наше исследование поможет разработать эффективные стратегии информирования о здоровье для повышения уверенности в вакцинах.
Обзор исследования
Статус
Отозван
Подробное описание
- Сбор и обновление данных о вакцинах в социальных сетях Следователи будут автоматически собирать все сообщения в социальных сетях о вакцинах в режиме реального времени. Будет создана и обновлена когортная база данных социальных сетей для всех вакцин и вакцины против вируса папилломы человека (ВПЧ) соответственно.
- Мониторинг уверенности и нерешительности в отношении вакцин в режиме реального времени: модели глубокого (контролируемого) машинного обучения Модель глубокого обучения, метод контролируемого машинного обучения, будет использоваться для анализа текстовых данных в социальных сетях в режиме реального времени в соответствии с предопределенной структурой уверенности и нерешительности в отношении вакцин. Исследователи сначала вручную аннотируют подмножество сообщений в социальных сетях (20 000 сообщений) о вакцинах. Первоначальные аннотированные вручную сообщения затем используются для обучения и оценки моделей глубокого обучения. Модели глубокого обучения с наилучшей производительностью выбираются и применяются для классификации всех сообщений, связанных с вакцинами, в соответствии со структурой уверенности и нерешительности в отношении вакцин.
- Отслеживайте возникающие опасения и перепады настроений в режиме реального времени, чтобы заблаговременно предупреждать риски или кризисы, связанные с вакцинами: тематические (неконтролируемые) модели машинного обучения и лингвистический анализ. темы появляются в любое время. Вакцинный кризис повлияет на общественные настроения. Мониторинг новых тем и колебаний настроений обеспечит раннее предупреждение о рисках или кризисах, связанных с вакцинами. Используйте тематическое моделирование, неконтролируемую технику машинного обучения, которая может автоматически классифицировать текст по репрезентативным темам в социальных сетях, чтобы отслеживать возникающие темы и проблемы, связанные с вакцинами.
- Оценка участия общественности в социальных сетях для информирования об эффективных стратегиях информирования о здоровье: анализ вовлеченности в социальных сетях Помимо данных о публикациях в социальных сетях, для анализа также доступны данные о вовлеченности публикаций, включая лайки, комментарии и публикации. Следователи проведут анализ взаимодействия с социальными сетями, чтобы изучить сообщения общественности о вакцинах в Интернете. Это поможет разработать эффективные стратегии информирования о здоровье.
- Создание платформы наблюдения и анализа в социальных сетях для уверенности в вакцинах и кризиса. Выполняя шаги, описанные выше, исследователи создадут платформу наблюдения и анализа социальных сетей для уверенности в вакцинах и кризиса. Тенденции временных рядов, географические вариации и связанные с ними факторы показателей, полученных выше, будут представлены для мониторинга доверия к вакцинам в режиме реального времени, раннего предупреждения о возникающих рисках или кризисах и информирования об эффективных стратегиях информирования о здоровье.
- Прошлый исследовательский опыт Исследователи провели серию соответствующих исследований для анализа данных социальных сетей с использованием методов машинного обучения во время эпидемии COVID-19, охватывающих доверие к вакцине против COVID-19 и реакцию общественности на COVID-19. Этот опыт делает настоящее исследование возможным.
Тип исследования
Наблюдательный
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
- ВЗРОСЛЫЙ
- OLDER_ADULT
- РЕБЕНОК
Принимает здоровых добровольцев
Да
Полы, имеющие право на обучение
Все
Метод выборки
Невероятностная выборка
Исследуемая популяция
Сообщения о вакцинах в социальных сетях являются объектом нашего исследования для оценки доверия и нерешительности общественности в отношении вакцин.
Каждая запись публикации содержит имя учетной записи, профили, содержание, время публикации, количество подписчиков и данные о вовлеченности.
Описание
Критерии включения:
- Твиты и посты на Weico, связанные с вакцинами
- Опубликовано в 2015-2022 гг.
- английские твиты
- Твиты/посты из личных аккаунтов.
Критерий исключения:
- Твиты/публикации из новостей, учетных записей организаций или авторизованных пользователей
- Неанглийские твиты.
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
|---|
|
Глобальная база данных постов, связанных с вакцинами
Твиты на английском языке из Twitter и посты из weico с 2015 по 2022 год для всех вакцин.
Исследователи включили только сообщения из отдельных учетных записей и исключили сообщения из новостей, учетных записей организаций или проверенных пользователей.
|
|
Глобальная база данных сообщений о вакцинах против ВПЧ
Твиты на английском языке из Twitter и посты из weico с 2015 по 2022 год о вакцине против ВПЧ.
Исследователи включили только сообщения из отдельных учетных записей и исключили сообщения из новостей, учетных записей организаций или проверенных пользователей.
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Изменения в распространенности уверенности и нерешительности в отношении вакцинации
Временное ограничение: Изменение по сравнению с исходным уровнем распространенности уверенности в вакцинации и недоверия к вакцине через 1 год.
|
Доверие к вакцине относится к твитам общественности, выражающим доверие к безопасности и эффективности вакцины, признание необходимости вакцинации и принятие вакцины.
Нерешительность в отношении вакцины означает, что твиты выражают дезинформацию и слухи, связанные с вакциной, опасения по поводу безопасности и эффективности вакцины и неприятие вакцины.
Исследователи рассчитают соотношение этих двух категорий во всех твитах, связанных с вакцинами, как распространенность уверенности в вакцинах и нерешительности в отношении вакцин.
|
Изменение по сравнению с исходным уровнем распространенности уверенности в вакцинации и недоверия к вакцине через 1 год.
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Изменения в распространенности машинно-генерируемых тем
Временное ограничение: Изменение по сравнению с исходным уровнем распространенности машинных тем через 1 год.
|
Темы, сгенерированные машиной, относятся к темам, связанным с вакцинами, автоматически генерируемым с помощью методов машинного обучения, таких как политический заговор, освобождение от вакцинации, побочные эффекты вакцин и другие.
Исследователи подсчитают соотношение твитов, связанных с каждой темой, созданной машиной, во всех твитах, связанных с вакцинами, как распространенность тем, созданных машиной.
|
Изменение по сравнению с исходным уровнем распространенности машинных тем через 1 год.
|
|
Изменения в публичном взаимодействии в социальных сетях
Временное ограничение: Изменение по сравнению с исходным уровнем публичного взаимодействия в социальных сетях через 1 год.
|
Взаимодействие с общественностью в социальных сетях — это всеобъемлющий индекс оценки для измерения количества передач, ответов и лайков.
Исследователи зафиксируют базовый уровень и соответствующие значения через год.
|
Изменение по сравнению с исходным уровнем публичного взаимодействия в социальных сетях через 1 год.
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Спонсор
Соавторы
Публикации и полезные ссылки
Лицо, ответственное за внесение сведений об исследовании, добровольно предоставляет эти публикации. Это может быть что угодно, связанное с исследованием.
Общие публикации
- 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.
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (ДЕЙСТВИТЕЛЬНЫЙ)
1 марта 2022 г.
Первичное завершение (ДЕЙСТВИТЕЛЬНЫЙ)
1 июня 2022 г.
Завершение исследования (ДЕЙСТВИТЕЛЬНЫЙ)
24 июня 2022 г.
Даты регистрации исследования
Первый отправленный
21 марта 2022 г.
Впервые представлено, что соответствует критериям контроля качества
28 июня 2022 г.
Первый опубликованный (ДЕЙСТВИТЕЛЬНЫЙ)
5 июля 2022 г.
Обновления учебных записей
Последнее опубликованное обновление (ДЕЙСТВИТЕЛЬНЫЙ)
5 июля 2022 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
28 июня 2022 г.
Последняя проверка
1 июня 2022 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Другие идентификационные номера исследования
- ECT2112016948
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Описание плана IPD
Согласно условиям соглашения, отдельные данные не могут быть переданы.
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .