推特上关于COVID-19大流行期间流感、疫苗和疫苗接种的话题变化:基于人工智能的信息流行病学研究

简介

背景

随着以网络为媒介的交流环境的增加，社交媒体平台使个人能够讨论不同的问题，表达他们的想法，并进行辩论。1-3.］．Twitter是一家提供微博服务的领先社交网络。用户可以发布被称为“tweet”的帖子，长度限制为280个字符。因此，用户可以通过回复、分享或通过“喜欢”推文来显示他们的兴趣来与其他人互动。这些互动能力是社交网络连接本质的基本组成部分，也是全球平台上用户之间思想传递的呼应。4］．从推文内容中检索信息很有挑战性，但比其他长信息的社交媒体平台更容易管理。5］．事实上，来自社交媒体和推特的结构化和非结构化数据的数量在过去几年里呈指数级增长[6，7］．数据挖掘和文本挖掘能够发现潜在的新知识，并有助于开发有效的基于证据的决策工具[8-10]通过提取有意义的摘要，如统计摘要，或受控词汇表(如术语、大众分类法、分类学和本体论)[11-15］．

现代医学最重要的成就之一是开发和广泛使用安全有效的疫苗。然而，由于对疫苗的犹豫和拒绝，它们被部分接受是一个重大的健康威胁。就流感而言，与其他疫苗相比，流感疫苗的依从性相对较低，主要是因为必须每年重复接种疫苗[16］．像其他疫苗一样，流感在现实世界和网上都引起了讨论[17-20.］．The COVID-19 vaccine is no exception.

此外，新冠肺炎疫情的全球蔓延[21]，它对日常生活的重大影响，以及针对它的疫苗的相对快速开发，使COVID-19疫苗成为社交媒体上讨论的重要卫生话题。减少流感和COVID-19等传染性疾病的发病率需要实现群体免疫[22，23]，最好是接种疫苗。这一公共卫生目标只有通过人口参与才能实现[18，19］．

社交媒体平台，如推特，是一个分享观点和搜索(错误)信息的地方。24，25]关于医疗保健问题[26，27]，包括疫苗[17，18，28］．这些公开论坛可以影响犹豫不决的个人的意见和疫苗接种决定[29］．计划性疫苗倡导者和“反vaxx”激进分子之间关于疫苗的必要性、有效性和安全性的讨论是持续不断的。此外，整个互联网能够发现疾病暴发的早期预警、追踪其传播和恢复能力[30.]，以及循证信息的传播[31，32］．在过去十年中，人工智能方法和算法(即数据挖掘、文本挖掘和自然语言处理)已根据互联网搜索引擎查询和社交媒体线索中的新兴趋势，有效地用于检测流感等疫情[33-36］．有必要采取公共卫生干预措施[37]坚决反对疫苗反对者传播的错误信息[19，38］．相关工具应基于人工智能，对社交媒体产生的大数据进行高效、自动化的分析[39，40］．

了解一些健康相关事件讨论过程中发生的变化对于提高健康沟通效率至关重要[41，42］．疾病预防规划需要纳入各种方法，使广泛人群能够利用在线资源获得基于证据的信息，并加强对有偏见和误导性的公告的控制。主要关注的是社交媒体上的广告政策和活动。30.，43］．

目的、目标和假设

我们的主要目标是支持在社交媒体上设计和实施未来的电子卫生战略和干预措施，以提高有针对性的传播运动的质量，从而提高流感疫苗接种率[18，19，44，45］．

我们的主要目的是定义一种基于人工智能的方法来分析推文，包括与流感和COVID-19疫苗接种相关的术语。我们的重点是检测与流感疫苗接种相关的共同出现的术语，并强调与这些术语相关的主要主题。因此，这些结果必须用来建立一个大众分类法[46-49]，从而支持加强疫苗接种运动。该方法可推广到其他与健康有关的大众传播。我们的研究目标是建立一个及时和动态的词汇表，以英语发布与流感、疫苗和疫苗接种相关的各种主题。这些词汇可以作为卫生传播专家和卫生政策制定者的决策支持工具，有助于理解不同主题随时间的变化，例如本研究中建议的主题(与“流感”、“疫苗”和“疫苗接种”相关的推文)。

以下4个假设指导了本研究:

1. 推特是理解接种疫苗原因的一个来源。
2. “流感”、“疫苗”和“疫苗接种”主题与其他主题(如政治、经济和恐惧)没有直接联系，但与健康问题有关。
3. 与疫苗和接种相关的现状和新闻影响推文内容。
4. 关于流感、疫苗和疫苗接种的推文的术语和标签可以在动态词汇表中组织[50］．它可以反映社交媒体平台上随着时间的推移所讨论的主要话题及其术语。

这项研究获得了以色列霍伦理工学院技术管理学院伦理委员会的伦理批准(TM/2/2020/AB/004)。本研究期间在Twitter上收集的信息以安全加密的方式存储，由机构向主要研究员(AB)提供限制性访问权限。

方法

概述

本研究分为以下5个阶段:

1. 使用Twitter流应用程序编程接口(API)收集推文及相关数据的数据来源[51];
2. 数据清理和存储;
3. 识别与“流感”、“疫苗”和“疫苗接种”相关的术语、标签和主题;
4. 建立一个动态词汇，一个大众分类法，以支持对它们之间关系的理解;而且
5. 评估词汇集群。

数据来源

从2019年12月30日到2021年4月30日，我们通过Twitter API提取和收集了16个月的推文。这些推文是用英语写的，来自北美，包括以下至少一个术语:“流感”、“疫苗”、“疫苗”和“vaxx”(最后一个术语是用来捕捉这些人使用的与疫苗反对者有关的信息)。我们选择这些术语是为了最大限度地检索关于疫苗作为一种产品、疫苗作为一种行为或政策、疫苗接种犹豫和流感的讨论。此外，由于Twitter参与者使用非正式语言来提取与流感相关的内容，我们使用了流行术语“流感”。提取过程中忽略了转发和点赞。16个月的随访期使我们能够捕获与流感、疫苗和疫苗接种相关的推特主题和术语。事实上，在美国，2020年涉及COVID-19大流行和总统选举。

数据预处理和清理

To ensure efficient use of machine learning methods [52]在推文集合上[53，我们对帖子中出现的相似词进行了预处理。数据清理包括删除标点符号[54]、提到用户、符号、网站地址和停顿词[55］．此外，由于推文是用自然语言和简洁的方式写的(由于280个字符的限制)，由于各种原因(例如拼写错误和缩写形式)，一个单词可能有几种写法，这些写法都具有相同或相似的含义。词根化是克服这一问题的方法之一。它包括用词根形式替换单词(例如，“vaccine”替换“vaccines”)。［56］．例如，由于covid -19大流行，在收集过程中检索到的推文包含“covid”一词的多种表示形式，如“covid -19”、“covid -19”和“冠状病毒”。我们使用Python自然语言工具包(NLTK)包进行词元化[55］．由于推文的性质是非正式的，因此假设使用这些单词的单一表示不会显著改变推文的上下文，从而提高了模型的准确性。因此，经常出现的“COVID”一词被单一形式“COVID”取代，与“流感”相关的术语被引申为“流感”，成为推特上使用的流行语言。所有引理都以小写形式存储。

识别与流感、疫苗和接种有关的术语和主题

我们通过以下3步过程处理了与流感、疫苗和疫苗接种相关的术语、标签和主题的识别:(1)使用词嵌入和n-grams进行聚类，(2)构建folksonomy，以及(3)评估folksonomy聚类。

聚类

聚类的目标是将一组点划分成组，每个点尽可能相似，并且与其他点不同[57］．例如，在文本挖掘上下文中，特别是在挖掘twitter语料库时，可以使用聚类对语义相似或经常出现在同一消息中的术语进行分组。每个集群，根据其内容，可以用一个主题进行注释。

字嵌入

随着时间的推移，处理大量收集的推文意味着处理维度的诅咒[58］．因此，与降维相关的符号-数字重新表述[59]可以在合理的时间内处理大量的数据，降低处理的复杂性。词嵌入是支持这两个目标的相关方法;它由文本的学习数字表示组成，在特定上下文中具有相似含义的单词在向量中具有相等的数字表示。在全局范围内，单词嵌入允许在特定上下文中预测单词。因此，Word2Vec是一种基于神经网络模型的单词嵌入算法，该模型从大型文本语料库(即上下文)中学习单词或术语之间的关联。在第一步训练之后，Word2Vec可以检测同义词或术语，或建议完整的句子。的空间(即语料库)中两个向量(即词和术语)之间的余弦或欧几里得距离(即相似性或关系)表示语义相似的向量和词n维度(即语料库中单词或术语的数量)[60］．As an example, words related to time, such as “day,” “week,” “month,” “season,” and “year,” will be used in similar contexts and will be defined as semantically closed.The preprocessed data were used for creating the Gensim Word2Vec model in Python [61］．为了看到每个单词与其他单词在上下文中的关系，我们使用K-means算法[62，63]，以帮助决策者更好地了解公众对疫苗和流感和COVID-19疫苗接种的看法。随着讨论的不断发展，单词嵌入和聚类过程每月都会在新收集的推文中重复。

字格

作为单词嵌入的补充方法，我们构建了一个n-gram语言模型，预测单词序列(经过停词清洗)出现在我们的推文语料库中的概率。我们提取了每周由1到4项(n)组成的最频繁的n-gram。此外，该过程使用了Gensim Python库[61］．这种方法使卫生传播决策者能够在与疫苗接种和流感有关的讨论中了解新的增长或缩小的孤立术语和术语集。

定义集群的数量作为主题

聚类是一种无监督学习任务，由于需要定义，因此具有挑战性k以及要构建的集群数量。“轮廓法”允许评估聚类的质量，因为它确定了一个对象(例如，一个词也称为unigram)与其聚类内容的相似性，以及与其他聚类的相似性。剪影显示哪些对象(例如，单词、向量和值)在一个集群中位置很好，哪些不太相关。整个集群轮廓的图形组合(例如，与k将聚类)整合到一个地块中，可以欣赏每个聚类的相对质量和整体聚类本身。总体平均轮廓宽度(即每个聚类的平均轮廓宽度)提供了聚类有效性的评估。整体平均轮廓宽度值(即轮廓分数)越高，聚类效果越好k, and therefore, it must be selected as the better partitioning.The silhouette method is independent of the partitioning algorithm used [64］．从我们的研究角度来看，每个术语必须有最少的出现次数才能包含在分析中。此外，在一条推文中，两个词之间必须有最大距离(其他词的数量)，以考虑它们潜在的语义链接。

集群可视化

聚类可视化是通过使用t分布随机邻居嵌入(t-SNE)产生的，t-SNE是一种非线性降维技术，用于嵌入高维数据并将其可视化到低维(即2或3)空间[65］．

聚类和N-grams中的术语的评估

为了评估我们的方法和识别与流感、疫苗和疫苗接种相关的术语、标签和主题的结果，我们实施了一个基于互补方法的验证过程。其中一项关注的是单词嵌入结果，第二项关注的是n-grams，第三项通过涉及社交媒体用户来关注整体。因此，这些术语首先从语义角度进行分组，首先从词汇嵌入的角度进行分组，然后从高共出现频率进行分组，因为n-grams以总结的方式描述了所探索的Twitter线程的内容。

第二种评估方法包括使用谷歌趋势[66]，以获得特定时期和特定地理区域内搜索词的相对频率。在本研究中，从推文中提取n-gram (n在1到4之间)，并计算其每周频率。接下来，连续出现在前150名列表中至少12周的n-grams被用作谷歌Trends查询的输入，该查询在Twitter上发布。最后，对n-gram (bi-gram)和谷歌Trends查询结果进行归一化。他们的Pearson相关系数是通过考虑每周基于推文的n-gram和谷歌搜索引擎上每周查询的相对数量(包括n-gram术语)来计算的。

第三项评估包括计算疫苗、疫苗接种、流感和COVID-19特异性n-grams每周频率(2020年12月至2021年4月)与COVID-19疫苗接种人口比例之间的Pearson相关性。

知情同意声明

The social network data were collected in an anonymized way and following Twitter’s rules.评估调查的参与者在平台上以电子方式提供匿名知情同意，然后才能继续完成问卷调查。

数据可用性声明

由于Twitter的规章制度，无法获得支持本研究结果的Twitter数据。支持调查结果的调查数据可根据合理要求从通讯作者(AB)处获得，这些数据需要经过调查人员所在机构的伦理和法律批准。本研究的方法将在AIMe生物医学研究人工智能注册表中报告[67］．

结果

描述性统计

从2019年12月30日到2021年4月30日，共有420,617名独立用户的2,782,720条推文被收集。图中图1显示每月包含以下至少一个术语(或清除和词根化后的类似术语)的推文数量(柱列):(1)“流感”，(2)“疫苗”，(3)“疫苗”，(4)“vaxx”和(5)“covid”。里面的线条图1显示这些术语在收集的推文中所占的百分比。虽然“covid”及其同义词并不是最初用于查询推文的关键词，但它的出现反映了covid -19大流行在2020年和2021年关于疫苗接种和流感讨论中的重要主题的影响。

图1还显示，从2020年12月至2021年4月期间，全球范围内包含“流感”、“疫苗”、“疫苗”、“vaxx”和“covid”等词汇中的至少一个的推文数量急剧增加(另见多媒体附件1)．我们注意到两个峰。第一次是在2020年3月，世界卫生组织宣布COVID-19为大流行(2020年3月11日)，唐纳德·特朗普总统宣布COVID-19为国家紧急状态(2020年3月13日)。2020年12月的第二个高峰主要与“疫苗”有关，以响应COVID-19疫苗的批准(美国食品和药物管理局(FDA)于2020年12月11日紧急批准辉瑞BioNTech疫苗，并于2020年12月18日批准Moderna疫苗)。因此，“疫苗”一词从2020年1月的约35%增加到一年后的约80%。相比之下，术语“vaxx”(用于术语“反vaxx”、“反vaxxer”、“反vaxx”和“反vaxxer”)在整个数据收集期间稳定在1%至3%。然而，重要的是要考虑到疫苗接种反对者使用了各种工具和交流话语，而不是唤起“反vaxx”术语本身[68-70］．与流感(“flu”)和covid(“covid”)相关的词汇呈负相关(r=−0.83,P<.001) (多媒体附件1)．从2020年1月开始，随着covid -19的首批病例从中国蔓延到欧洲和美国，“covid”一词的使用呈线性增长[71直到2021年2月，它是收集的推文中大约35%的一部分。与此同时，“流感”一词的使用稳步减少，可能是由于2020-2021年流感季节流感活动较低[72，73］．

‎ 查看此图

识别与流感、疫苗和接种有关的术语和主题

字嵌入

Word2Vec算法每月运行一次，以找到支持查找主要趋势主题的最佳参数。通过使用每个参数的不同值创建模型，并使用sklearn的“silhouette te_score”函数计算每次迭代的剪影分数，来确定最佳参数的值。Python中的度量[74］．多媒体附件2显示每个月各车型的参数值和剪影得分。此外，每周只调查在同一周收集的推文中检测到的词汇总数中出现次数最高的词汇。这些属性的值随着时间的推移而变化，以考虑受现状影响的社交媒体用户词汇的动态变化。

k - means聚类

Using the monthly word embedding model as an input, word clusters were generated with the NLTK KMeansClusterer [75］．聚类方法将给定的数据集组合在一起k预定数目的组别[66，76］．分区的目的是最小化集群内的方差，并最大化来自不同集群的元素之间的方差。要确定最优簇数[77]，我们计算了k-均值聚类运行的轮廓分数k∈(3、6)。聚类模型的剪影分数是在2019年12月30日至2021年4月30日期间，420,617名独立用户的2,782,720条推文上生成的，与141,407个n-gram有关n∈(2、4)。最高的轮廓分数反映了这种分组，其中不同的物体对它们的集群有很好的影响，与邻近的和不太相关的集群联系较少。A higher silhouette score (年代=0.72)k= 3。这个分数可以被认为很好，因为我们将与不同主题相关的术语聚类，并且聚类可以部分重叠[78，79］．此外，通过计算Ray-Turi指数[80]k在2和10之间，并建立不同的生成值的曲线允许用肘关节法，最优k等于3 [81］．

事实上，我们在领域专家(公共卫生、感染学和信息学)的共识下解释了研究的推文集合中的3个聚类的内容。这些群体是“在COVID-19大流行期间接种流感疫苗”大众分类法的基本组成部分。We defined the 3 topics dominating the content of the collected tweets as follows:

1. “健康和医学(生物学和临床方面)”，包括“大流行”、“COVID-19”、“疫苗”、“疾病”、“死亡”、“变异”、“儿童”、“流感”、“流感”和“健康”等术语;
2. 用“保护”、“保持社交距离”、“接种疫苗”、“抗击新冠肺炎”、“责任”等词语来表达“保护和责任”
3. “政治”由“特朗普”、“拜登”、“谎言”、“政府”、“信任”、“账单门”、“免费”、“钱”、“总统”、“政治”、“政治家”、“选举”、“疫苗”和“政策”等词汇支持。

图2显示了3个集群的2维图形表示，每个集群有1000个最频繁的n-grams (n∈[1;4])(多媒体而且多媒体附件4)，由t-SNE算法[65］．

明确地，此可视化(图2)可以让我们看到前面计算的每个集群的推文中使用最多的前1000个术语。值得注意的是，集群之间存在重叠，当我们意识到推文在许多情况下同时涉及几个主题时(例如，来自一个处理政治问题:“疫苗提供良好的保护80%以上的效果。大多数人都不会生病的而那些愿意的人，不会认真对待生病了或死”)。

‎ 查看此图

字格

经过预处理的推文被用来提取每周的n-gram。多媒体附件4显示了10个最常见的n-gramn∈(1;4)。例如，在这项研究的几个月里，在单词嵌入模型中，“流感”和“坏的”这两个词被发现彼此很接近(多媒体这两个单词也是一个常见的n-gram，无论是一个biggram还是一个更高程度的n-gram的一部分。虽然包含在单词嵌入表示中，但我们可以看到这两个单词之间的一般关系，因为它们彼此更接近，并且处于相同的语义集群中。

提取后，每个n-gram都有其增长值，表明n-gram的频率较前一周增加或减少。增长是用来强调n-grams中的显著变化，因此在一般讨论中也是如此。例如，2020年11月9日，辉瑞生物科技公司发布了COVID-19疫苗试验的初步结果，显示出对疾病的高疗效。同一周的n-grams有明显的增加，具体如下:,疫苗， " 774.6% (1207/51,553 vs 138/51,553)和"得到疫苗， " 557.9% (1987/149,333 vs 302/149,333) [82］．

此外，在2021年3月中旬，我们还注意到与COVID-19疫苗接种相关的n-grams显著增加，原因是推特上有报道称，个人接种了疫苗，或地方当局邀请人们安排接种疫苗的预约(例如，“疫苗，预约，可用”，+264.9%[2021年3月15日开始的一周为748/18,678，而2021年3月8日开始的一周为205/18,678]，以及“代码，疫苗，预约，可用”，+251.5%[2021年3月29日起当周942/6264,vs 2021年3月22日起当周268/6264])[83］．

推特用户反应的另一个例子是在2020年5月11日开始的一周内。开头的n-gram是"社会距离，平坦曲线，王牌，测试"和"平坦曲线王牌测试疫苗(其中“社交距离”和“平坦曲线”是标签)。两者都比前一周增长了693.0%(从2020年5月4日开始的一周内出现了43次，而516次中的341次)。就在那一周，《福布斯》杂志发表了一篇文章，报道美国各地的医院都在“不要被压垮这表明，让曲线变平的努力取得了成功。总体结果显示，从2019年底到2021年年中，关于流感、疫苗、疫苗接种和COVID-19的推文是如何动态演变的。

评估

谷歌趋势验证

作为互联网的一个组成部分，像推特这样的社交媒体是人们获取和分享信息和知识的一部分。因此，查看像谷歌这样的搜索引擎上的查询，可以根据社交媒体上检测到的术语和主题来评估全球兴趣。因此，我们计算了推文中n-grams的每周出现次数与谷歌搜索引擎中每周查询次数与谷歌Trends报告次数之间的Pearson相关性[84］．作为先前披露的结果一致性的一个例子，Twitter上“流感，症状”的n-gram与谷歌上的查询数量高度相关(r= 0.85,P<.001) 2020年1月1日至2021年3月4日(表1)．在这65周内，这个n-gram(即“流感，症状”)也被用于搜索关于“流感”和“症状”的信息。

Moreover, as we noticed the decreasing popularity of its use on Twitter, we also noticed similar behavior on Google.Additionally, the n-gram “covid, vaccine” also showed a high correlation between Twitter and Google (r= 0.85,P<.001)，在2个平台上，其发生率在2020年1月至2021年1月之间呈上升趋势，然后呈平行下降趋势。在全球范围内，社交网络和搜索引擎上与疫苗、疫苗接种和COVID-19相关的热门话题相似(表1)．因此，互联网用户在搜索引擎上的查询与通过分析我们的Twitter消息数据集的文本定义的主题的时间相关。

实际验证

2020年12月11日，FDA发布了COVID-19疫苗的紧急使用授权。几天后，即2020年12月20日，开始对人群接种辉瑞BioNTech疫苗。我们从美国疾病控制及预防中心(CDC)的刊物下载每日疫苗接种率，并按每周水平汇总[85］．我们注意到，从2020年12月开始到2021年4月30日，每周COVID-19疫苗接种n-grams与每周疫苗接种率之间的Pearson相关性(表2)均高且显著(r> 0.81,P<措施)(86］．这些结果表明，这项研究的推文反映了大流行期间的“现实生活”重大事件。

讨论

主要研究结果

这项研究旨在阐明网上公众对疫苗接种(主要是针对季节性流感)的看法。然而，推特上讨论的重点发生了重大变化，令人印象深刻地反映了2020年的COVID-19大流行。本研究最重要的方面是建立基于推文文本分析、词嵌入和聚类的大众分类法。在本大众分类法中确定的3个主题如下:

1. General issues from the “health and medicine (biological and clinical aspects)” perspective.The initial terms used for the tweet extraction were “flu,” “vaccination,” “vaccine,” and “vaxx.”These terms are de facto strongly related to health and medicine, and generate a large spectrum of threats (ie, from asking/answering questions about symptoms, reporting health conditions, and sharing positions).The presence of terms related to the COVID-19 pandemic is understandable given the period of the data collection.
2. “保护和责任”是决定是否接种疫苗的中心因素。COVID-19大流行表明，需要保持社交距离和戴口罩以减少病毒的传播。出于这些原因，与流感(“流感”)或免疫(“疫苗”和“接种”)相关的推文，以及与COVID-19相关的推文，包括讨论保护措施(如接种疫苗)和使用这些措施的责任(如接种疫苗)的帖子。有必要强调的是，基于之前的研究[19，87，88，即有意接种疫苗被美国年轻人视为一种集体责任行为。
3. “政治”是一个集合，显示美国政治领导人(即共和党和民主党)对危机的严重性和减少疾病传播的努力的意见和信息的分歧[89］．除了这一集群外，重要的是要记住，与COVID-19大流行的第一年和第一波平行，2020年是选举年。因此，地方和国家对这种全球流行病的管理成为政治辩论的来源，以及对政府、行政部门和卫生保健系统的支持或批评。

大众分类法背后的机制依赖于一系列复杂的因素。首先，如上所述，每个集群出现的原因取决于文化和现实事件。其次，这些机制可以通过分析经常一起出现的术语(n-grams)来量化。因此，在这项研究的背景下，我们观察到推文的主要焦点主要与COVID-19大流行事件(疾病、隔离、政治家谈话、疫苗批准和疫苗接种)有关，并且随着时间的推移而增加，就像“疫苗”和“疫苗接种”一词的流行程度一样，这与“流感”一词形成对比，随着时间的推移，“流感”一词从推文中消失了。这反映出，在2020-2021年期间，保持社交距离和佩戴口罩等COVID-19措施显著降低了季节性流感发病率[73，90，91］．然而，这些趋势变化的潜在主要原因和机制可能与公民对年度流感传播的注意力转移有关，这是由破坏性和威胁性的COVID-19大流行引起的。这些干扰会导致不同的行为或感觉，比如破坏、恐惧、担心，以及需要理解[92，93］．

优势与局限

越来越多地利用社交媒体和社交网络及时传播多方式和多来源的健康相关信息。在季节性流感和COVID-19等流行病和大流行的背景下，卫生保健组织和政府机构如今在社交媒体上传播信息并开展传播运动，例如，提高公民对疫苗接种的参与。与此同时，个人分享他们的立场，即使这与反疫苗趋势有关，有时也会传播错误信息[94］．我们研究的优势在于，它能够为卫生当局提供每周、每月和长期的大众分类法，以了解与卫生保健问题或事件相关的社交媒体线索中出现的或持续存在的主题，例如疫苗接种或与病毒相关的问题。使用这些工具在相同或其他集群中提供大众分类法和共同出现的术语，可以增强与健康相关的社交媒体活动，重点关注大型公众即时兴趣和查询，类似于在其他业务领域中使用的方法。

事实证明，通过及时获得报告，可以指出社交媒体上经常使用的各种主题、词汇和术语，从而使卫生传播专家，更具体地说，是处理社交媒体的专家，能够专注于增加人口参与的最新运动，例如在其他商业领域所做的运动[95]，以及与促进健康有关的行动，特别是在流行病和危机期间[96](例如，H1N1 [97]及埃博拉[98])，正如之前的研究中所建议的那样，不涉及术语、主题和目标人群的发现或指定[99］．

探索社交媒体，特别是社交网络，由于被动地排除了这些通信渠道的非用户或不活跃的用户，这些用户只阅读帖子，而不自己发布，也不回复其他用户的消息，因此受到了限制。

这项研究的另一个局限性是，它仅基于来自北美的英语推文。这种过滤限制了结果的泛化。美国人口的多样性表明，在美国以其他语言开展此类研究将能够对健康沟通进行微调，并提高非英语社区(即约22.0%的美国人口)的疫苗接种依从性[19，One hundred.］．

与我们的研究并行，另一项专门严格涉及疫苗接种和COVID-19的研究于2020年1月至10月(与我们的研究中2019年12月至2021年4月的研究相比)在澳大利亚推特用户(与我们的研究中美国推特用户)中进行，并收集了31,100条推文(与我们收集的2,782,720条推文相比)。分析基于潜狄利克雷分配，这是一种无监督学习方法，可以大规模集中消耗系统资源[101］．澳大利亚的推文分析揭示了以下3个主要主题:(1)“COVID-19及其疫苗接种”，(2)“感染控制措施和疫苗试验的倡导”，以及(3)“阴谋论、投诉和错误信息”[102］．尽管存在一些趋同，但这些结果与我们的结果不同，因为它们更具体地关注与covid -19相关的问题。

此外，最初用于提取推文的词汇集(“流感”或“疫苗”或“疫苗接种”或“vaxx”)使我们能够捕获与我们感兴趣的每个术语相关的更大范围的线索，而不是像之前的其他研究那样，采用严格的过滤方法[101］．然而，如果不扩展提取词集，使用COVID-19大流行的术语，可能有趣但不包含这些术语之一的推文就不会被提取。例如，以下发布于2021年4月中旬的推文，包括在n-gram分析中检测到的单词，但没有明确显示用于提取推文的单词，但未能检索到:“我很兴奋，我在我的县城接受我的第一针辉瑞。”增强趋势跟踪动态的未来展望可以考虑使用其他由于现状而具有破坏性的术语更新推文提取查询的术语(例如，“covid”、“剂量”、“注射”和疫苗的商品名称)。这种增强可以由领域专家(即人类行为)或通过自动选择在大众分类法和共现频率分析(即n-grams)的聚类中出现的趋势词汇来实现[95］．

此外，在处理每分钟生成的大量推文时，如果不部署高计算基础设施，实时查看所有推文是不可能的，而专用中心可以提供高计算基础设施。因此，本研究的目标是定义一个框架，使卫生系统决策者能够专注于特定问题，以便通过理解在特定背景下讨论的主题(即疫苗接种和流感)来加强他们的社交媒体活动。此外，每天收集推文(由于Twitter的限制，不使用付费平台)，并使用方法中描述的机器学习流程，在每周、每月和历史级别上进行分析。为了处理其他人的兴趣条件，改变推文提取查询的条件将允许扩展当前的数据集或使用相同的方法开始新的研究。这项研究表明，将社交媒体数据(如推文)和人工智能方法(如用于文本和数据挖掘的机器学习算法)相结合，可以使信息流行病学和信息监控研究成为一个整体。更具体地说，在这项研究中，我们通过跟踪推文内容和主题随时间的变化以及实际事件的影响，注意到这种组合方法的优势。与其他基于twitter的公共卫生研究一样，近实时收集、分析和评估信息内容的方法为卫生决策者提供了强有力的指示，以适应和加强应急响应和规划中的沟通[103］．换句话说，这些预警必须支持基于社交媒体的健康信息，根据社交媒体用户在以前的帖子、分享或点赞中被动披露的兴趣和焦点(即出现在大众分类法聚类中的术语)，针对推荐、说明和指示的广告。此外，社交媒体平台可以根据年龄、性别、婚姻状况、地点、口语、教育和专业背景等社会人口统计属性对广告活动进行分层，从而实现准确的目标定位[104］．因此，基于社交媒体的卫生信息旨在通过传递个性化信息，同时考虑到社会人口统计学和感兴趣的领域，提高人们对卫生政策的遵守程度，例如针对流行性或大流行性疾病(如流感和COVID-19)的疫苗接种。例如，一个打篮球的年轻人，生活在一个年轻人急性流感发病率经常很高的地区，关注与篮球有关的社交媒体群，分享与疫苗接种犹豫有关的帖子，将获得具有个性化内容的广告，针对正在进行集体运动的疫苗接种犹豫的年轻人，并强调疫苗接种是在流行病期间继续进行这项活动的最佳解决方案[105］．

结论

Twitter是一个领先的社交网络平台，允许任何人在任何领域分享位置和信息。因此，任何关于流感和COVID-19以及针对它们的疫苗的发布和传播的信息都可以被认为是可靠的，并可以影响社交媒体用户。具体而言，在COVID-19大流行期间，世界各国领导人广泛使用Twitter与公民交流公共卫生信息。这些信息对疫苗接种依从性有很大影响[106]，能够动态地改进社交媒体上的健康传播活动的内容和目标。

这项研究使我们能够验证我们最初的假设。推文是了解为什么建议接种疫苗以及公众对疫苗看法的信息来源[107-109］．事实上，我们定义了在16个月收集的信息中共存的3个主要主题的大众分类法。因此，关于“流感”、“疫苗”和“疫苗接种”的推文术语和标签可以在动态词汇表中组织，例如大众分类法，反映社交媒体平台上随时间讨论的主要主题及其术语。此外，随着时间的推移，与COVID-19相关的术语的出现和主导地位，在大众分类法中报告了经常同时出现的词汇，这表明，尽管这项研究最初并没有关注这一主题，但健康变化反映在与疫苗和疫苗接种相关的Twitter帖子中。

这项研究最初侧重于流感疫苗接种，后来转向COVID-19疫苗接种。在推特(和其他社交媒体)上对与疫苗和传染病疫苗接种有关的主题进行信息监测，可以创造机会设计和传达个性化信息，鼓励特定目标亚群体参与疫苗接种。目标人群收到个性化信息的可能性越大，目标人群对疫苗接种或其他公共卫生措施的反应、参与度和主动性就越高[110］．