Home > News and Events > Research News > Research press releases in Chinese > 用推特研究疫苗接种率及其评价

用推特研究疫苗接种率及其评价

Main Content

Filed under:
13 October 2011
Doctor marking patient's arm in advance of administering a vaccine. Credit: NIH

图为马塞尔∙萨拉特在宾州州立大学用推特研究疫苗接种率与人们对疫苗态度的关系。图片经美国国家卫生研究院许可。

Note: The English-language version of this press release is available here.

宾夕法尼亚州州立大学(以下简称宾州州立大学)的一位科学家通过人们对甲型H1N1流感疫苗的看法的研究设计出了一种独特而创新的分析方法用于研究社会化媒体对疾病传播的影响。这种方法已经用在研究人们对甲型H1N1流感疫苗的看法上。生物系助理教授马塞尔∙萨拉特(Marcel Salathé)对推特(Twitter, 美国一个流行微博网站)用户如何在推特上表达他们的对新疫苗的看法做了一项跟踪研究。他研究了新疫苗的接种率与微博用户对疫苗的看法之间的联系,并且研究了持有相同正面或者负面的意见的微博用户对他们社交圈子里其他人的影响。这项研究被认为是首次利用社交网站来反映及影响疾病传播的研究案例,这种研究方法可能还会用于对其他疾病的研究。此项研究结果将会在《公共科学图书馆计算生物学》(PLoS Computational Biology)上发表。

萨拉特说他选择推特基于两大原因:一是推特和Facebook(美国一个流行社交网站)不同,上面发表的文章(俗称“推文”),对大众公开,任何人都能浏览和评论。“人们在推特上发文章是希望公众能关注到他们所说的话”,萨拉特说道。二是推特是一个了解人们想法的理想平台。“‘推文’都很短,最多只能写140个英文词语”萨拉特说,“所以推特用户对某个话题的评论都简洁明了。”萨拉特的研究从搜索关键词开始。从2009年8月新型疫苗面世开始直到2010年1月,他在推特上通过关键词和短语搜集了477768条与用于抵抗甲型H1N1流感的疫苗有关的评论,并对他们进行了分类研究。

萨拉特说分类整理这些天文数字的推文并不容易。首先,他从所有的推文中随机挑选了十分之一,让宾州州立大学的学生们根据推文的内容,把它们评为对疫苗的肯定、否定、中性评价和无关评价。比如,表达想要接种新疫苗的推文是对疫苗肯定的评价。相反,认为新疫苗会对身体造成不良影响的推文就是否定的评价。如果搜索到的推文是关于另外一种疫苗的,比如乙肝疫苗,这条推文就被评为无关的。然后,宾州州立大学生物系的程序分析员(也是本文的合作者),沙山克∙康德沃(Shashank Khandelwal)按照学生们的评定标准设计了一个智能程序,并通过这个智能程序对剩下百分之九十的推文所表达的观点进行了分类。“人为评定推文观点的标准是计算机的一个学习参照,由此我们可以‘教授’计算机如何准确地对推文进行分类”,萨拉特解释说。经过计算机的处理,排除了不相关的推文后,最后剩下的318379条推文都对甲型H1N1流感疫苗做出了肯定、中性或者否定的评价。

由于推特用户大多会在个人资料里注明他们的所在地,因此萨拉特还在美国境内分区域对这些观点进行分类。而且,通过美国疾病控制与预防中心(Centers for Disease Control and Prevention, abbrv.CDC)的统计数据,他把推文对疫苗的态度和疾病控制与预防中心评估的接种数据进行了对比分析。经过对比分析,萨拉特发现它们存在一定的联系。比如,新英格兰的推特用户对新疫苗的评价最高,而这里也正是新型甲型H1N1疫苗接种率最高的地方。“这些结果可用于战略发展公共卫生举措”萨拉特说,“比方说,我们可以根据哪个地方更需要流感预防教育来有针对的制定宣传活动。这些结果还可以用来预测一个地区所需要的疫苗剂量。”

此外,萨拉特根据推文的跟帖人构建了一个复杂的社交网络,即把意见差不多的人进行了归类。“假设人们都只倾向于和自己想法相近的网友进行交流。这种情况下将产生一个‘共鸣腔’,而把与群体不合的意见排除掉”,萨拉特说。结果证明这个假设是对的。萨拉特发现,无论是对新疫苗持积极还是消极态度的用户,他们都会跟随与他们自己观点相同的人。“公共卫生信息在这里是显而易见的”萨拉特说,“如果反对接种疫苗的群体真的在一个特定的地理位置聚集起来,会使疫苗接种率偏低的地区面临局部甲型H1N1流感爆发的危险。”他还说,当没有接种疫苗的人们聚集在一起,人群免疫性的保护效果就不明显了。理论上来讲,当一个群体里的大部分人都接种了疫苗,这个群体的抵抗力就会比较高。但是,如果没有接种疫苗的人不是稀疏的分布在接种了疫苗的人当中,反而聚集在一起,那么他们就没有受到人群免疫性的保护。萨拉特说,“不幸的是,通过对推特的分析,这些群体如果真的在某一地区聚集起来,人群免疫性对流感的缓冲就不起作用了。”

除了与地点和社交网有关的规律,萨拉特还分析了这些观点发布随时间变化的规律。比如,他发现新疫苗刚刚面世时负面的评论最为激烈。而过了一段时间,当疫苗被运到美国各地,很多积极的评论就随之出现了。萨拉特还研究了那些持有负面评价的推文出现的时间,正如所料,它和疫苗面世的周期一致。

萨拉特计划利用其独特的社会媒体分析研究法研究其他疾病,如肥胖,高血压和心脏病。“我们认为肥胖症是非传染性疾病,而流感则是传染性疾病。不过,把行为影响性疾病看做传染性疾病可能会更有帮助。”萨拉特说,“人们选择生活方式与感染病毒和细菌颇为相似,差别只是前者的‘病原体’是一种生活概念,而后者的病原体是一种生物体。”

萨拉特补充道,在工业化时代里,比起传染性疾病,我们的后代将更需要担心由生活方式和行为引起的疾病。“行为影响性疾病一直存在于我们的生活中,但是直到现在为止,它们都被掩盖起来了。原因是由传染性疾病致死的人的寿命相对较短,所以人们并不怎么担心行为影响性疾病,”萨拉特解释道。萨拉特还说,“现在,心脏病是人类的头号杀手之一。而不良的生活方式至少是造成心脏病的一部分原因。所以,关注社会媒体对诸如不良饮食、缺少锻炼等不良行为的影响将会是明智之举。”

这项研究由布兰科∙韦斯学术奖金(A Society in Science-Branco Weiss Fellowship)赞助。

本文作者:卡特里娜∙沃斯(Katrina Voss)

联系人:

  • 马塞尔∙萨拉特:814-867-4431或814-863-8019,salathe@psu.edu
  • 芭芭拉∙肯尼迪(Barbara Kennedy)(责任编辑):814-863-4682,science@psu.edu
  • 翻译:李懿昭:347-721-8748,yql5163@psu.edu

Document Actions

Share this page: |
Filed under: