- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT05442762
Social media-baserad övervakning av vaccinförtroende och tveksamhet
En social media-baserad maskininlärningsstudie för att övervaka vaccinförtroende och tveksamhet och tidigt varna nya vaccinrelaterade risker i realtid
Historik och vetenskapliga bevis visar att det är avgörande att upprätthålla allmänhetens förtroende och förtroende för vaccination. Varje förtroendekris har potential att orsaka betydande störningar och en skadlig inverkan på vaccinationen. Vaccin tveksamhet är en komplex och kontextspecifik fråga som varierar över tid, plats och vaccin. Det har citerats av Världshälsoorganisationen (WHO) som ett av de tio största hoten mot global hälsa 2019. Pandemin med coronaviruset (COVID-19) kan förändra allmänhetens förtroende för vacciner. Därför är det nödvändigt att upprätta ett övervakningssystem för att övervaka vaccinets förtroende och tveksamhet i realtid.
Hittills har en växande mängd litteratur använt sociala medieplattformar som Twitter och weico för folkhälsoforskning. Stora mängder realtidsdata som publiceras på sociala medieplattformar kan användas för att snabbt identifiera allmänhetens attityder till vacciner, som ett sätt att stödja hälsokommunikation och hälsofrämjande meddelanden. Textdata på sociala medier är dock svår att analysera. De senaste framstegen inom maskininlärning gör det möjligt att automatiskt analysera textdata på sociala medier i realtid.
I denna studie kommer utredarna att etablera en övervaknings- och analysplattform för sociala medier om vacciner, utveckla en serie maskininlärningsmodeller för att övervaka vaccinförtroende och tidigt upptäcka framväxande vaccinrelaterade risker och bedöma offentlig kommunikation kring vacciner. Utredarna kommer att bedöma den tidsmässiga och rumsliga fördelningen av vaccinförtroende och tveksamhet globalt med hjälp av Twitter-data och i Kina med hjälp av weico-data, för alla vacciner och humant papillomvirus (HPV)-vaccin. Vår studie kommer att vägleda utformningen av effektiva hälsokommunikationsstrategier för att förbättra vaccinets förtroende.
Studieöversikt
Status
Detaljerad beskrivning
- Samla in och uppdatera sociala mediers data om vacciner Utredarna kommer automatiskt att samla in alla inlägg på sociala medier om vacciner i realtid. Kohortdatabas för sociala medier kommer att upprättas och uppdateras för alla vacciner respektive humant papillomvirus (HPV).
- Övervaka vaccinförtroende och tveksamhet i realtid: djupa (övervakade) maskininlärningsmodeller Deep learning-modellen, en övervakad maskininlärningsteknik, kommer att användas för att analysera textdata på sociala medier i realtid enligt det fördefinierade ramverket för vaccinförtroende och tveksamhet. Utredarna kommer först manuellt att kommentera en delmängd av inlägg på sociala medier (20 000 inlägg) angående vacciner. De första manuellt kommenterade inläggen används sedan för att träna och utvärdera modeller för djupinlärning. Modeller för djupinlärning med bästa prestanda väljs ut och tillämpas för att klassificera alla vaccinrelaterade tjänster enligt ramverket för vaccinets förtroende och tveksamhet.
- Övervaka framväxande oro och sentimentsvängningar i realtid för att tidigt varna vaccinrelaterade risker eller kriser: ämne (oövervakade) maskininlärningsmodeller och språklig analys Det finns vissa ämnen utanför det fördefinierade ramverket för vaccinförtroende och tveksamhet som används i modeller för djupinlärning, och nya ämnen dyker upp när som helst. Vaccinkris skulle påverka allmänhetens känslor. Att övervaka nya ämnen och förändringar i känslor kommer att ge tidig varning om vaccinrelaterade risker eller kriser. Använd Topic Modeling, en oövervakad maskininlärningsteknik som automatiskt kan klassificera text till representativa ämnen i sociala medier, för att övervaka nya ämnen och problem angående vacciner.
- Bedöma allmänhetens engagemang på sociala medier för att informera om effektiva hälsokommunikationsstrategier: analys av engagemang i sociala medier Förutom inläggsdata på sociala medier finns engagemangsdata för inlägg också tillgängliga för att analyseras, inklusive gilla-markeringar, kommentarer och delningar av inlägg. Utredarna kommer att genomföra analyser av engagemang i sociala medier för att undersöka offentlig kommunikation kring vacciner online. Detta kommer att vägleda utformningen av effektiva hälsokommunikationsstrategier.
- Etablera övervaknings- och analysplattform för sociala medier för vaccinförtroende och kris Genom stegen ovan kommer utredarna att etablera en plattform för övervakning och analys av sociala medier för vaccinförtroende och kris. Tidsserietrender, geografisk variation och associerade faktorer för indikatorerna som tagits fram ovan kommer att presenteras för att övervaka vaccinförtroende i realtid, tidigt varna uppkommande risker eller kriser och informera om effektiva hälsokommunikationsstrategier.
- Tidigare forskningserfarenhet Utredarna har genomfört en serie relevanta studier för att analysera sociala mediers data med hjälp av maskininlärningstekniker under covid-19-epidemin, som täcker covid-19-vaccinets förtroende och allmänhetens svar på covid-19. Dessa erfarenheter gör den aktuella studien genomförbar.
Studietyp
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- VUXEN
- OLDER_ADULT
- BARN
Tar emot friska volontärer
Kön som är behöriga för studier
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- Tweets och weico-inlägg relaterade till vacciner
- Publicerad 2015-2022
- Engelska tweets
- Tweets/inlägg från personliga konton.
Exklusions kriterier:
- Tweets/inlägg från nyheter, organisationskonton eller autentiserade användare
- Icke engelska tweets.
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
---|
Global databas över vaccinrelaterade inlägg
Tweets på engelska från Twitter och inlägg från weico från 2015 till 2022 för alla vacciner.
Utredarna inkluderade bara inlägg från enskilda konton och uteslöt inlägg från nyheter, organisationskonton eller verifierade användare.
|
Global databas över HPV-vaccinrelaterade inlägg
Tweets på engelska från Twitter och inlägg från weico från 2015 till 2022 för HPV-vaccin.
Utredarna inkluderade bara inlägg från enskilda konton och uteslöt inlägg från nyheter, organisationskonton eller verifierade användare.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Förändringar i prevalensen av vaccinförtroende och tveksamhet
Tidsram: Förändring från baslinjeprevalensen av vaccinsäkerhet och vaccinationstveksamhet vid 1 år.
|
Vaccinförtroende hänvisar till allmänhetens tweets som uttrycker förtroende för vaccinets säkerhet och effektivitet, erkännande av vaccinationsnödvändigheten och vaccinacceptans.
Vaccintveksamhet innebär att tweetarna uttrycker vaccinrelaterad desinformation och rykten, oroar sig för vaccinets säkerhet och effektivitet och avvisande av vaccin.
Utredarna kommer att beräkna förhållandet mellan dessa två kategorier i alla vaccinrelaterade tweets som prevalensen av vaccinförtroende och vaccinationstveksamhet.
|
Förändring från baslinjeprevalensen av vaccinsäkerhet och vaccinationstveksamhet vid 1 år.
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Förändringar i förekomsten av maskingenererade ämnen
Tidsram: Förändring från baslinjeprevalensen av maskingenererade ämnen efter 1 år.
|
Maskingenererade ämnen hänvisar till vaccinrelaterade ämnen som genereras automatiskt genom maskininlärningsmetoder, såsom politisk konspiration, vaccinundantag, vaccinbiverkningar och andra.
Utredarna kommer att beräkna förhållandet mellan tweets som är involverade i varje maskingenererat ämne i alla vaccinrelaterade tweets som prevalensen av maskingenererade ämnen.
|
Förändring från baslinjeprevalensen av maskingenererade ämnen efter 1 år.
|
Förändringar i allmänhetens engagemang på sociala medier
Tidsram: Ändring från baslinjen för offentligt engagemang på sociala medier vid 1 år.
|
Offentligt engagemang på sociala medier är ett omfattande utvärderingsindex för att mäta sändning, svar och liknande.
Utredarna kommer att registrera baslinjen och motsvarande värden efter ett år.
|
Ändring från baslinjen för offentligt engagemang på sociala medier vid 1 år.
|
Samarbetspartners och utredare
Sponsor
Samarbetspartners
Publikationer och användbara länkar
Allmänna publikationer
- 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.
Studieavstämningsdatum
Studera stora datum
Studiestart (FAKTISK)
Primärt slutförande (FAKTISK)
Avslutad studie (FAKTISK)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (FAKTISK)
Uppdateringar av studier
Senaste uppdatering publicerad (FAKTISK)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Andra studie-ID-nummer
- ECT2112016948
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .
Kliniska prövningar på Datainsamling
-
Erasme University HospitalAvslutadPost-kirurgisk Intraabdominal CollectionBelgien
-
Palo Alto Veterans Institute for ResearchNational Institute of Mental Health (NIMH)Aktiv, inte rekryterandeMobile Application-Based CBT Worksheet Collection | Samling av pappersbaserad arbetsbladFörenta staterna
-
Massachusetts General HospitalAvslutadLäkemedelsbindning till DAT-receptorerFörenta staterna