Identifying and Analyzing Bot-Generated Responses in Healthcare Research (Preprint)
Notice bibliographique
Résumé
<sec> <title>BACKGROUND</title> The increasing reliance on online surveys for collecting patient-reported outcome measures (PROMs) and patient-reported experience measures (PREMs) has led to growing concerns over fraudulent responses generated by bots. These automated responses threaten data integrity by fabricating survey results, distorting statistical analyses, and potentially misguiding policy decisions. Addressing this issue is critical for maintaining the validity of research findings that inform healthcare practice and policy. </sec> <sec> <title>OBJECTIVE</title> This study aimed to develop a robust set of criteria for identifying bot-generated responses in online healthcare surveys and to examine how these responses impact data quality. We then explored differences in survey results between human and bot respondents in a survey assessing PROMs and PREMs within a geographic region in Ontario, Canada. </sec> <sec> <title>METHODS</title> A survey was conducted from July to October 2023 using REDCap, distributed with a generic link via email and later shared on social media. The survey collected data on healthcare use, patient experiences, health outcomes, digital healthcare engagement, and demographics. A three-tier classification system was developed to detect bot responses based on predefined “red flags,” including duplicate open-ended responses, inconsistent demographic reporting, identical timestamps, and location discrepancies. Quantitative analysis included chi-square tests to assess differences between human and bot responses and Spearman’s correlation tests to examine relationships amongst healthcare indicators. </sec> <sec> <title>RESULTS</title> Analysis included 1,154 responses, with 58% (n=668) classified as bot-generated. The most frequent bot-identification criterion was duplicated open-ended responses (n=293). Chi-square tests revealed statistically significant differences (P<.001) between bots and humans across nearly all survey items. Bots demonstrated response patterns concentrated in the middle of Likert scales, whereas humans were more likely to select extreme values. Correlation analyses showed that expected relationships between key health indicators (e.g., depression symptoms) were present in human responses but reversed in bot-generated data, highlighting the potential for compromised validity in unfiltered survey datasets. </sec> <sec> <title>CONCLUSIONS</title> The findings underscore the necessity of implementing bot prevention and detection methods in online healthcare surveys to preserve data integrity. Failure to do so risks distorting research conclusions, particularly in health equity studies where demographic misclassification may bias results. The study highlights effective bot detection strategies, including open-text analysis, timestamp evaluation, and geographic validation, and recommends integrating these techniques into survey design. As bots continue to evolve, ongoing advancements in bot prevention and detection will be crucial to maintaining the reliability of digital health research. </sec>
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | MétarechercheIntégrité de la recherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | Métarecherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».