User-Driven Comments on a Facebook Advertisement Recruiting Canadian Parents in a Study on Immunization: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: More people are searching for immunization information online and potentially being exposed to misinformation and antivaccination sentiment in content and discussions on social media platforms. As vaccination coverage rates remain suboptimal in several developed countries, and outbreaks of vaccine-preventable diseases become more prevalent, it is important that we build on previous research by analyzing themes in online vaccination discussions, including those that individuals may see without actively searching for information on immunization. OBJECTIVE: The study aimed to explore the sentiments and themes behind an unsolicited debate on immunization in order to better inform public health interventions countering antivaccination sentiment. METHODS: We analyzed and quantified 117 user-driven open-ended comments on immunization posted in the Comments section of a Facebook advertisement that targeted Canadian parents for recruitment into a larger study on immunization. Then, 2 raters coded all comments using content analysis. RESULTS: Of 117 comments, 85 were posted by unique commentators, with most being female (65/85, 77%). The largest proportion of the immunization comments were positive (51/117, 43.6%), followed by negative (41/117, 35.0%), ambiguous (20/117, 17.1%), and hesitant (5/117, 4.3%). Inaccurate knowledge (27/130, 20.8%) and misperceptions of risk (23/130, 17.7%) were most prevalent in the 130 nonpositive comments. Other claims included distrust of pharmaceutical companies or government agencies (18/130, 13.8%), distrust of the health care system or providers (15/130, 11.5%), past negative experiences with vaccination or beliefs (10/130, 7.7%), and attitudes about health and prevention (10/130, 7.7%). Almost 40% (29/74, 39%) of the positive comments communicated the risks of not vaccinating, followed by judgments on the knowledge level of nonvaccinators (13/74, 18%). A total of 10 positive comments (10/74, 14%) specifically refuted the link between autism and vaccination. CONCLUSIONS: The presence of more than 100 unsolicited user-driven comments on a platform not intended for discussion, nor providing any information on immunization, illustrates the strong sentiments associated with immunization and the arbitrariness of the online platforms used for immunization debates. Health authorities should be more proactive in finding mechanisms to refute misinformation and misperceptions that are propagating uncontested online. Online debates and communications on immunization need to be identified by continuous monitoring in order for health authorities to understand the current themes and trends, and to engage in the discussion.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».