社交媒体在相对有效性评估中的使用:肿瘤学实例的探索性回顾

简介

在卫生保健成本上升、预算有限以及创新但昂贵的药物冲击的背景下，卫生技术评估(HTA)对决策者、监管机构、制药公司和患者的价值正变得越来越重要。HTA被定义为"对一项卫生技术的特性和效果的系统评价" [1］．卫生技术的定义是"为预防、诊断或治疗疾病、促进健康、提供康复或组织卫生保健服务而开发的干预措施" [2］．HTA的一个重要因素是相对有效性，即在常规临床条件下提供的干预措施与一种或多种替代方案相比，利大于弊的程度[1］．传统上，新药上市后直接进行的相对有效性评估(REA)是通过从随机对照试验(rct)中获得的健康结果(如死亡率)来推断的，rct通常被认为是这类分析的金标准。然而，rct中严格控制的条件和高度选择性的患者群体可能导致研究结果无法推广到患者更加异质性的常规临床环境中。在常规实践中，孕妇、儿童、老年人和合并症患者最终可能接受rct中检测的新药，而这些患者群体通常被排除在rct之外。因此，研究人员可能会额外求助于真实世界数据(RWD)作为评估相对有效性的补充证据来源。真实世界数据可定义为"在常规随机对照试验中未收集到的关于卫生干预措施效果的数据的总称" [1］．患者登记和电子健康记录是RWD来源的例子，但另一个潜在的RWD来源可能是社交媒体。

患者经常使用社交媒体作为查找自身健康状况信息、分享经验和寻求社会支持的来源[3.，4］．例如，许多患者使用Twitter来了解最新的医疗发展，并增加他们对自己疾病的知识，而Facebook则更多地用于社会支持和交流经验[3.］．与健康的社交媒体用户相比，患有慢性病的社交媒体用户更有可能出于这种目的使用互联网。5］．通过评估患者通过社交媒体查看、生成和交换的内容，可以收集大量关于患者观点和经历的信息。尽管社交媒体已被用于研究的不同方面，如患者招募[6-8]、传播干预措施[9，10]和教育[11]，对于其对REA的贡献知之甚少。

2008年，一项研究表明，博客可以用来收集患者关于糖尿病和糖尿病管理的经验，通过加强已发表文献中的证据，为HTA提供信息[12］．最近，一些制药公司已经开始利用社交媒体来了解患者对不良事件(AEs)的看法[13，14]，并评估他们的转换行为[15］．同样，英国制药工业协会(ABPI)发布了通过这些来源监测和管理不良事件的最佳实践指南[16］．此外，美国食品和药物管理局(FDA)通过与PatientsLikeMe合作，越来越关注社交媒体健康数据的使用;患者可在线分享健康数据的平台，以了解患者对不良事件的看法[17，18］．考虑到这些举措，患者在社交媒体上报告的健康数据可能会有助于新疗法的REA。

本文的目的是评估社交媒体产生的健康数据在多大程度上为REA提供了见解。我们进行了一项探索性回顾，以确定在肿瘤学中使用社交媒体收集健康数据的例子。之所以选择肿瘤学，是因为该领域正在快速开发大量创新药物。例如，欧洲药品管理局2015年报告称，推荐进入市场的含有新活性物质的药物中，有三分之一用于癌症治疗[19］．如前所述，药物的rea传统上是基于健康结果，如总生存期和无进展生存期。然而，考虑到肿瘤药物的总生存期和无进展生存期往往存在微小差异，有关ae、依从性和生活质量的信息在REA中变得更加重要[20.］．从随机对照试验中收集这些方面可能很困难，因此社交媒体等其他数据源可能有用。为了进行探索性审查，社交媒体被定义为“一组基于互联网的应用程序，允许创建和交换用户生成的内容”[21］．

方法

基于系统评价和元分析指南的首选报告项目进行了探索性评价[22］．为了确定科学文献，通过PubMed界面在MEDLINE上搜索2010年1月1日至2016年6月28日期间的同行评议发表文章。使用了以下搜索查询:(Facebook[tiab]或Twitter[tiab]或博客[tiab]或博客[mesh]或“社交媒体”[tiab]或电子健康[tiab]或电子健康[tiab]或“在线社区”[tiab]或“在线社区”[tiab]或“在线患者”[tiab]和平台*[tiab])或(个人*[tiab]和健康[tiab]和记录*[tiab])或(在线[tiab]和患者[tiab]和社群*[tiab])或(在线[tiab]和数据[tiab]和共享*[tiab]))和(肿瘤*[tiab]或癌症[tiab]或癌[tiab]或转移*[tiab]或肿瘤[mesh]或黑色素瘤[tiab]或肿瘤[tiab]或肿瘤[tiab])。根据标题和摘要收录的文献参考文献列表，手工检索以确定其他文献。扩展文献检索，根据SCImago Journal和Country Rank排名前4位的卫生信息学期刊[23包括GigaScience、BMC医学研究方法论、开放生物信息学杂志和医学互联网研究杂志。通过评估主题问题和使用以下关键词手动搜索这些卫生信息学期刊的网站:“肿瘤学、癌症、癌、转移、肿瘤、肿瘤、肿瘤、博客、博客、社交媒体、电子健康、在线或健康数据”。

在2016年7月和8月进行谷歌搜索，结合“社交媒体”、“在线患者”、“在线研究平台”、“相对有效性”、“健康研究”、“有效性研究”、“药物警戒”、“依从性”、“衡量生活质量”等关键词，寻找相关网站等灰色文献。在每次搜索之前，浏览器的历史记录都会被清除，以确保搜索结果不会受到之前搜索查询的影响。由于通过谷歌搜索检索到大量网站，只有在线收集健康数据、关注患者报告的结果或提供关于药物和病情的在线信息的网站才被认为与进一步分析相关。相关网站的选择也是基于作者RK和RtH的共识。通过手动搜索这些网站，并使用以下关键词:“社交媒体”、“互联网”、“Facebook”、“Twitter”、“药物警戒”或“健康研究”，通过浏览网站搜索相关报告或文件来识别灰色文献。由于平台的特点，这些关键词与谷歌搜索所使用的关键词不同(即，谷歌搜索与搜索网站本质上是不同的)。以下网站包括:PatientsLikeMe、微软HealthVault、Dossio、CureTogether、WhatNext、MyGly、药物信息协会、WEB-RADR、国家以患者为中心的临床研究网络、ter Beoordeling van Geneesmiddelen学院、处理我的健康、欧洲个性化医疗联盟、Lareb、世卫组织药物警戒监测中心乌普萨拉、皮尤研究中心、社交媒体研究基金会、Treato、MediGuard、Healthy。me和iVitality。

该综述由四名审稿人(RK, AM, RtH和KM)进行，并由审稿人独立筛选所产生的文献的资格。科学文献的标题和摘要由RK、AM和KM评估，灰色文献由RK和RtH评估。符合条件的文献包括:1)在2010年1月1日至2016年6月28日之间发表，2)有英文版本，3)使用社交媒体收集健康数据的例子，4)专注于癌症或癌症治疗的文献，5)文献是同行评审的原创研究文章或在公共领域可用的报告。我们排除了不符合所有纳入标准的文献。检索并审查了相关的完整文章和报告。

两名审稿人(RK和AM)使用预定义的数据抽象形式从所有纳入的文章和报告中独立提取数据。提取了有关研究特征的信息(如研究设计、研究周期、使用的社交媒体类型)，以及使用社交媒体生成健康数据的优势、局限性和可接受性。RK和AM之间的共识解决了数据提取的分歧。

对提取的数据进行描述性定性分析，因为纳入文献的主题、方法和结果明显不同。

结果

从科学文献(n=879)、手工检索科学文献(n=56)、灰色文献(n=97)和手工检索卫生信息学期刊(n=1319)共鉴定出2351篇引文。其中，根据标题或摘要剔除2290篇引文，剔除重复26篇。在评估的35篇完整的科学出版物和文件中，有27篇被排除在外:15篇引用没有提供健康数据收集的示例，9篇不是肿瘤特异性的，3篇提供了关于健康数据收集的不充分信息。数据摘自8份科学出版物(图1)．

表1提供所包括的八种科学出版物的概述。每篇论文都对不同类型的癌症和药物进行了评估。所有八篇文章的重点都是测试从社交媒体生成健康数据的可行性和附加价值，例如从社交媒体生成的ae、生活质量、依从性、症状发生和经验。

表2表明出版物在研究设计、研究期间、分析的职位数量和分析中包括的受访者数量方面存在很大差异。四篇论文评估了论坛主题和讨论，两项研究在患者社区或支持团体的Facebook页面上发布了调查，一项研究评估了Twitter对话，一项研究使用在线患者平台传播调查。在这八项研究中，共有四项研究收集了ae的健康数据[24，25，28，30.］．更具体地说，其中三份出版物介绍了论坛上确定的ae，包括[24，28，30.]，而第四份出版物的重点是比较网上提到的AEs与向FDA报告的AEs [25］．另有三项研究收集了有关生活质量的健康数据[26，27，31］．每项研究都使用了不同的生活质量指标，如复发评分[31]，以及简短表格-36健康调查[26］．最后，一项研究侧重于识别症状(共)发生[29］．除了主要的结果测量外，van der Heijden等人，McCarrier等人和Zaid等人[26，27，31]收集有关社会人口因素和疾病特定特征的数据。此外，Beusterien等人收集了关于身体功能和情绪影响的健康数据[2428］．

使用论坛收集健康数据的四种出版物在选择论坛的解释上有很大差异(表3)．例如，Beusterien等人使用两个搜索引擎和两台不同的计算机进行论坛搜索，他们每隔一天重复一次，持续两周。此外，他们使用的选择标准包括两个论坛(即，网站活跃>5年，>论坛上有12,000个帖子，>目前有20个人浏览，>每天有10个新帖子)[24］．与此同时，Marshall等人在没有明确所选论坛的选择标准的情况下选择了一个论坛[29］．其他四份出版物利用Twitter、Facebook或在线患者平台，选择了这个社交媒体平台，因为可以获得大量的健康数据[25]或进入病人社区[26，27，31］．

关于使用自动化流程从社交媒体收集健康数据，有两份出版物明确表示使用了网络爬虫[28，29]，其中一份出版物使用了Twitter应用程序编程接口[25］．其中两份出版物表示收集了所有与搜索词相关的论坛帖子，但没有具体说明所使用的收集方法[24，30.]，三家出版物利用社交媒体平台发布了一项调查[26，27，31］．25，28，29］．Freifeld等人使用基于树的字典匹配算法来识别收集的论坛帖子中的特定文本，并进一步使用自然语言处理(NLP)半自动分类器来识别AEs [25］．28]，而Marshall等人在数据挖掘算法中使用了NLP来识别症状[29］．其余五份刊物采用内容分析方法[24，27]、描述性或定量分析(如卡方检验)[26，31]，或手动标记论坛帖子[30.］．

‎ 查看此图

在表4介绍了八份出版物中确定的通过社交媒体生成的健康数据的优势和局限性。五份出版物指出，评估患者观点的能力是一项重要的优势[24，25，28-30.］．五份出版物认为，能够接触到患有罕见疾病或分布在广泛地理区域的患者是一项主要优势[26-29，31］．此外，Freifeld等人、Marshall等人和Pages等人强调，社交媒体应该是传统(药物警戒)方法的补充，因为社交媒体的结果与传统方法之间可能存在差异[25，29，30.］．例如，与传统上提供此类信息的卫生专业人员相比，患者报告的ae不同[30.］．确定的其他优势包括有效收集患者报告的结果[24]、调查病人所需的短时间[29，31]，以及识别新的或未标记的AEs [30.］．

社交媒体生成的健康数据的局限性主要集中在验证真实性、选择偏差、信息偏差以及无法主动探测患者的反应。验证真实性的重点是难以验证通过社交媒体提供的信息的准确性[26，29]，例如核实张贴者是否患有此病[27，31]或确实在服用药物[24，27他们讨论。关于选择偏倚，出版物报道了使用社交媒体的患者人群与不使用社交媒体的患者人群的差异;例如，使用社交媒体的患者通常受教育程度更高[24，29]，更可能是女性[26，27]，可能会有不同的症状体验[28]，而且通常比较年轻[27，29，31］．关于信息偏见，Freifeld等人和Pages等人报告了重复帖子[25，30.28]， Freifeld等人指出患者可能无法正确识别ae [25］．最后，几篇文章提到了无法使用社交媒体积极探索患者的反应[24，27，29］．例如，患者可能会使用与研究人员预期不同的措辞，这可能导致对症状体验的错误分类[29］．

关于使用社交媒体生成健康数据的可接受性，Pages等人指出，制药公司已经在使用这类数据从患者的角度收集有关不良事件的信息[30.］．此外，Beusterien等人指出，在患者报告的结果研究中，患者的观点在疾病和治疗影响方面被普遍接受[24]， Freifeld等人和van der Heijden等人都指出了社交媒体研究为监管机构提供的洞察患者视角的重要性[25，26］．然而，Freifeld等人也对使用社交媒体生成健康数据持谨慎态度[25］．他们谨慎的原因是，由于社交媒体尚未用于常规监测，因此仍需要确立其在药物警戒中的作用。此外，他们指出，从社交媒体和自动化中获取的数据需要改进。

讨论

这一探索性综述表明，在肿瘤学领域，社交媒体可以通过从论坛收集健康数据来评估ae，并通过Facebook或在线患者平台评估生活质量。社交媒体提供了一个机会，可以有效地评估患者的观点，并收集分布在广泛地理区域的罕见疾病患者的健康数据。然而，验证来自社交媒体的健康数据的真实性是困难的，并且容易产生选择和信息偏差。此外，这种类型的数据应该作为传统研究形式的补充。最后，与专注于社交媒体的评论相比，这篇综述提供了额外的见解，以告知药物警戒[32，33]，重点关注社交媒体的使用，为相对有效性评估提供信息。

可以说，在这篇综述中发现的关于肿瘤学中社交媒体生成的数据的结果可能无法推广到其他医学领域，因为不同类型的健康数据、社交媒体或分析可能在其他医学领域具有重要意义。然而，在肿瘤学以外的医学领域进行的许多研究同样侧重于识别ae [32-38]，这表明我们的结果至少在一定程度上是可推广的。虽然在其他医学领域，人们对通过社交媒体评估生活质量知之甚少，但由于生活质量在随机对照试验和观察性研究中往往难以测量，因此这种健康数据收集模式具有潜力[20.］．最后，正如我们的研究结果所显示的那样，可以通过社交媒体评估相对有效性的另一个方面是治疗转换和坚持行为。一些制药公司已经在评估这方面，从而证明了它的潜力[14，15，39］．考虑到社交媒体有可能生成ae、生活质量、治疗转换和坚持行为方面的数据，社交媒体生成的健康数据通过整合这些方面的信息，有很大的潜力来丰富REA。

使用社交媒体收集健康数据需要特别注意的一个警告是缺乏明确的方法指导。从社交媒体收集健康数据的标准化方法是必要的，以确保研究之间的可比性和可重复性。例如，帖子可以手动提取，也可以由自动过程提取。这些职位的解释也可以由人工或自动程序完成。然而，一些人认为，自动化过程可能无法成功解读社交媒体上发布的文字中的讽刺意味。25]，而其他人则认为自动化自然语言处理可以帮助分析社交媒体上的大量数据[33，40，41］．另一个方法问题涉及使用正确的搜索词，因为帖子可能包括拼写错误、非医学术语和俚语[25，33，42］．此外，几项研究报告了在评估社交媒体数据时需要考虑的重要方法局限性，其中包括验证真实性(例如，帖子可能不是真实的)[43-45]，选择偏差(例如，与非社交媒体用户相比，社交媒体用户的年龄、性别、种族和地理位置可能不同)[42，44，45]和信息偏见(例如，患者可能正在服用某种特定药物，但没有报告药物或其疗效)[43，45］．为了管理这些方法上的局限性，有必要系统地评估偏倚风险，以确定通过社交媒体收集的卫生数据的质量。由于上述问题，从社交媒体中提取相关健康数据可能是困难和具有挑战性的。明确和统一的方法指导可以改进提取、解释和随后使用社交媒体收集卫生数据。另一个可能阻碍使用社交媒体收集REA健康数据的警告是容易被操纵的感知风险。最近一个操纵社交媒体的例子是2016年美国大选期间假新闻在社交媒体上的传播[46-48］．这类例子影响了社交媒体用户辨别真实和正确信息的能力。然而，尽管可能会发生操纵行为，许多人仍然使用社交媒体来查找信息和交流经验。因此，利用和分析社交媒体上的大量健康数据仍然很重要。

虽然在使用社交媒体生成的健康数据时可以认识到一些注意事项，但应该强调收集患者对相对有效性(例如ae、生活质量、转换行为)的观点和经验信息的附加价值。例如，通过社交媒体收集的健康数据可能会发现长期使用新药后发生的不良事件，或者与传统方法相比，它们可能更早地发现不良事件[44，49]，或提供发表文献中没有的见解(例如，糖尿病患者使用激光治疗的经验)[12］．此外，与更传统的方法相比，社交媒体可能是识别轻度或与症状相关的ae的更好来源[44］．然而，通过社交媒体收集的卫生数据应与传统方法结合使用，以确保收集可为REA提供信息的各方面的全面概况。

对于这篇综述的全面性来说，重要的是我们同时评估了学术文献和灰色文献，这最大限度地减少了遗漏重要见解的可能性。此外，我们通过两位作者进行的数据抽象来确保审查的质量，这允许更好地证明所做的推论。

本综述的一个局限性是将重点放在肿瘤学上，这可能导致了与REA相关的其他方面的文献缺失，而这些文献可能通过社交媒体收集到。例如，PatientsLikeMe是一个在线患者平台，允许患者分享健康数据或交流关于病情和药物的经验，该平台发表了一些关于超说明书药物使用有效性的研究[43，50］．此外，PatientsLikeMe发表了一项研究，重点评估绝经对多发性硬化症患者疾病严重程度的影响。［51这些类型的数据可能有助于为REA提供信息。这篇综述将重点放在肿瘤学上被认为是合适的，因为许多新药都是在肿瘤学领域开发的，评估这些新药的研究规模较小且不完整，欧洲药品管理局和欧洲卫生技术评估网络也将重点放在肿瘤药物的评估上。

第二个限制涉及在这一探索性审查中使用的搜索策略。首先，本文对社交媒体的广泛定义可能无法区分被动收集数据(如从论坛收集帖子)和主动收集数据(如在Facebook上发布调查报告)。与在调查中主动向患者提出问题相比，被动收集患者在社交媒体上讨论和发布的信息可能会带来不同的信息。其次，通过使用一个数据库进行科学和灰色文献搜索，我们可能会错过在相关期刊上发表的未被PubMed索引的研究，或者没有被谷歌搜索引擎识别的灰色文献。为了在一定程度上克服这一限制，我们根据标题和摘要手工搜索了纳入研究的参考文献列表，并确定了一些在PubMed和谷歌搜索中未被捕获的文章。

社交媒体可能是REA RWD的潜在来源，特别是在ae、疾病特异性症状的发生、依从性行为和生活质量等方面。由于社交媒体生成的健康数据存在方法上的局限性，如信息偏差和选择偏差，以及此类数据的可接受性有限，这一潜力尚未完全实现。但是，这些数据对相对有效性评估的有用程度还有待进一步探讨。此外，应制定方法准则和工具，以解决上述限制。