Inicio Salud El sentimiento en línea sobre las vacunas anticipa las tasas de vacunación...

El sentimiento en línea sobre las vacunas anticipa las tasas de vacunación posteriores, según un nuevo estudio de Twitter

21
0

Sentimientos hacia las vacunas COVID-19, ya sean positivas o negativas, anticipa las tasas de vacunación posteriores, encuentra un estudio de publicaciones de Twitter relacionadas. Los resultados ofrecen nuevos conocimientos sobre la influencia de las redes sociales en las medidas de salud pública.

El estudio, realizado por investigadores del Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York y la Facultad de Medicina Grossman de la Universidad de Nueva York, mostró que el sentimiento positivo, expresado en Twitter, hacia las vacunas fue seguido, una semana después, por aumenta en las tasas de vacunación en la misma área geográfica mientras que el sentimiento negativo fue seguido, en la misma región, por disminuye en las tasas de vacunación la semana siguiente.

El estudio implementó un marco de análisis de big data en tiempo real utilizando análisis de sentimientos y algoritmos de procesamiento de lenguaje natural (NLP). El sistema toma tweets en tiempo real e identifica tweets relacionados con vacunas y los clasifica por ciertos temas y proporciona análisis de sentimiento, catalogando tweets como positivos, negativos o neutrales.

“Necesitamos comprender la vacilación de las vacunas y el impacto de las redes sociales en su creación y difusión”, dice Megan Coffee, MD, Ph.D. y profesor asistente clínico en la División de Enfermedades Infecciosas e Inmunología del Departamento de Medicina de la Facultad de Medicina Grossman de la NYU, uno de los autores del artículo, que aparece en la revista Enfermedades Infecciosas Clínicas. «Este es un primer paso hacia la creación de un barómetro para rastrear el sentimiento y los temas relacionados con las dudas sobre las vacunas».

«Como la epidemia de COVID nos ha puesto a más de nosotros frente a las computadoras y la vacilación de las vacunas ha dado forma a la epidemia, necesitamos herramientas como esta para rastrear y comprender el impacto de las redes sociales en la vacilación de las vacunas para esta epidemia y futuras epidemias», agrega Anasse Bari. , profesor asociado clínico en ciencias de la computación en el Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York y autor del artículo.

Leer:  Estos tres factores de riesgo pueden tener el mayor impacto en los casos de demencia

La vacunación puede ayudar a terminar con los continuos aumentos repentinos y las nuevas variantes de la pandemia de COVID, señalan los investigadores. Pero la vacilación de la vacuna, observan, socava el impacto de la vacunación individual y colectivamente. A esto se suma el papel de las redes sociales, que amplifican cada vez más la información y la desinformación sobre la vacunación, lo que plantea interrogantes sobre cómo, específicamente, estas plataformas afectan las tasas de vacunación.

Para abordar esto, los autores del artículo desarrollaron una aplicación de análisis de big data basada en el procesamiento del lenguaje natural (NLP), el análisis de sentimientos (SA) y los servicios web de Amazon (AWS).

Esta herramienta permitió a los investigadores rastrear varios temas relacionados con las vacunas a medida que aparecían en docenas de frases. Los temas incluyeron: conspiración, miedo, libertad de salud, alternativas naturales, efectos secundarios, seguridad, confianza/desconfianza, compañías de vacunas, fuentes establecidas y vacilación, entre otros. Estos temas y frases relacionadas les permitieron adjuntar «puntuaciones de sentimiento» a la vacunación: positivo, negativo o neutral.

También utilizaron un conjunto de datos comúnmente implementado, el conjunto de datos del puerto de datos del Instituto de Ingenieros Eléctricos y Electrónicos (IEEE), que etiquetó las puntuaciones de opinión de los tweets relacionadas con el coronavirus por ubicación geográfica de EE. UU. El conjunto de datos analizados incluyó más de 23 000 tuits relacionados con la vacuna desde el 20 de marzo de 2021 hasta el 20 de julio de 2021. Los investigadores también examinaron los datos diarios de vacunación contra el COVID en EE. UU. estado por estado.

En general, los datos mostraron que una vez que las vacunas estuvieron disponibles para todos los adultos, alrededor de mediados de abril de 2021, un aumento en el sentimiento positivo en ciertas regiones de los EE. UU. fue seguido por un aumento en las tasas de vacunación una semana después. Por el contrario, en las regiones donde hubo una caída en el sentimiento, una semana después siguió una caída en las tasas de vacunación.

Leer:  Un estudio sugiere que una mayor vacunación contra la influenza entre los trabajadores de atención médica domiciliaria de EE. UU. podría reducir la enfermedad y la hospitalización de los pacientes

En particular, el marco de análisis de big data mostró que en los primeros meses de la pandemia, y antes de que comenzara el lanzamiento de la vacuna a fines de 2020, el sentimiento positivo y negativo hacia las vacunas era similar, con un sentimiento positivo ligeramente más alto. Por el contrario, después comenzó el lanzamiento de la vacuna, los tweets de sentimiento negativo superaron a los positivos.

«Debido a que se descubrió que las tasas de vacunación se rastrean regionalmente con el sentimiento de la vacuna en Twitter, una herramienta de análisis más avanzada podría predecir cambios en la aceptación de la vacuna o guiar el desarrollo de campañas específicas en las redes sociales y estrategias de vacunación», dice Bari, quien dirige el análisis predictivo del Instituto Courant. y laboratorio de investigación de IA.

«Este método nos permite comenzar a identificar patrones en la vacilación de la vacuna a lo largo del tiempo y el lugar», agrega Coffee. «Pero solo puede monitorear, y no influir, la vacilación de la vacuna, que cambia constantemente. Se necesita más trabajo para generar confianza en las vacunas que salvan vidas y deshacer la influencia de la negatividad de la vacuna».

Los otros autores del artículo fueron Madeline DiLorenzo de la Escuela de Medicina Grossman de la Universidad de Nueva York, así como Matthias Heymann, Ryan Cohen, Robin Zhao, Levente Szabo, Shailesh Apas Vasandani, Aashish Khubchandani y Alankrith Krishnan, investigadores de Predictive Analytics and AI Research del Instituto Courant. Laboratorio.


Artículo anteriorLa prediabetes se relaciona con un mayor riesgo de ataque cardíaco en adultos jóvenes
Artículo siguienteLa inmunoterapia después de la cirugía del cáncer de vejiga muestra excelentes tasas de supervivencia sin cáncer
Soy un viajero de 29 años y vendedor en una tienda de prêt-à-porter. Me incorporé al equipo de redacción de AltaVision.news en octubre de 2021.