MétaCan
Menu
Retour à la cohorte
Enregistrement W4396779138 · doi:10.2196/50551

The Role of Scientific Research in Human Papillomavirus Vaccine Discussions on Twitter: Social Network Analysis

2024· article· en· W4396779138 sur OpenAlexafffundvenue
Geneviève Jessiman‐Perreault, Jean-Christophe Boucher, So Youn Kim, Nicole Frenette, Abbas Badami, Henry Smith, Lisa Allen Scott

Notice bibliographique

RevueJMIR Infodemiology · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of CalgaryAlberta Health Services
Organismes subventionnairesAlberta Health Services
Mots-clésMisinformationSocial mediaSocial network analysisMisrepresentationHuman papillomavirus vaccineSocial network (sociolinguistics)Computer scienceWorld Wide WebData scienceMedicinePolitical scienceCervical cancer

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Attitudes toward the human papillomavirus (HPV) vaccine and accuracy of information shared about this topic in web-based settings vary widely. As real-time, global exposure to web-based discourse about HPV immunization shapes the attitudes of people toward vaccination, the spread of misinformation and misrepresentation of scientific knowledge contribute to vaccine hesitancy. OBJECTIVE: In this study, we aimed to better understand the type and quality of scientific research shared on Twitter (recently rebranded as X) by vaccine-hesitant and vaccine-confident communities. METHODS: To analyze the use of scientific research on social media, we collected tweets and retweets using a list of keywords associated with HPV and HPV vaccines using the Academic Research Product Track application programming interface from January 2019 to May 2021. From this data set, we identified tweets referring to or sharing scientific literature through a Boolean search for any tweets with embedded links, hashtags, or keywords associated with scientific papers. First, we used social network analysis to build a retweet or reply network to identify the clusters of users belonging to either the vaccine-confident or vaccine-hesitant communities. Second, we thematically assessed all shared papers based on typology of evidence. Finally, we compared the quality of research evidence and bibliometrics between the shared papers in the vaccine-confident and vaccine-hesitant communities. RESULTS: We extracted 250 unique scientific papers (including peer-reviewed papers, preprints, and gray literature) from approximately 1 million English-language tweets. Social network maps were generated for the vaccine-confident and vaccine-hesitant communities sharing scientific research on Twitter. Vaccine-hesitant communities share fewer scientific papers; yet, these are more broadly disseminated despite being published in less prestigious journals compared to those shared by the vaccine-confident community. CONCLUSIONS: Vaccine-hesitant communities have adopted communication tools traditionally wielded by health promotion communities. Vaccine-confident communities would benefit from a more cohesive communication strategy to communicate their messages more widely and effectively.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,254
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,445
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJMIR InfodemiologyMême sujetVaccine Coverage and HesitancyTravaux en français237 207