推特上的COVID-19疫苗负面信息:内容分析

简介

近年来，主要的社交媒体平台，如Facebook、Instagram、Twitter和YouTube，因其在传播反疫苗观点和错误信息方面的作用而被研究[1-3.］．有证据表明，这种成分可能是某些人群疫苗覆盖率较低的原因[4-7］．有几个过程可以解释这些平台上的内容如何影响人们对疫苗的看法。最简单的解释是，信息直接改变了信念和行为;例如，错误信息可能会影响人们对事实的看法，从而降低人们对疫苗的接受程度[8］．另一种解释是，社交媒体可以有效地动员志同道合的个人参与，从而加强反疫苗观点[9］．另一种机制是心理抗拒——似乎威胁到选择自由的信息(如疫苗认证)可能会激发对推荐行为(如接种疫苗)的抵制[10］．

疫苗犹豫——对疫苗的担忧可能导致延迟或拒绝推荐的计划免疫接种——是影响个人对疫苗有效性和安全性信任的个人经验、知识和结构性因素的产物[11，12因此，在不暴露于错误信息或明确的反疫苗情绪的情况下，可能会出现。例如，媒体报道疫苗的真实不良反应或接种疫苗的人感染，可以增加人们对疫苗接种价值的关注，而不是事实上不真实或表达反疫苗的意见。在这项研究中，我们使用负面疫苗信息(NVI)的概念来描述以负面方式描述疫苗或疫苗接种的内容，同时不表达反疫苗情绪。NVI包括对可能的副作用、疫苗质量问题、疫苗污染、与疫苗接种相关的发病率或死亡率的统计数据以及接种疫苗的不良个人经历的描述。

NVI可能是传播疫苗信息的一个重要部分，因为个人在选择接种疫苗时往往涉及对健康风险和健康益处的比较。接种疫苗后的不良事件虽然不常见，但也可能发生，而且接种疫苗可能与个人关注的其他后果有关[13］．只要接种疫苗仍然是一种选择，就有必要传播有关不良事件和疫苗效力的信息，使人们能够作出个人满意的决定。这些资料亦可增加资料提供者的可信度[14]，尽管它可能在短期内导致一些人对疫苗有更大的犹豫，但从长期来看，它也可能增加公共当局的信任。[15］．

相反，当NVI缺乏上下文背景并导致更大的担忧和犹豫时，它可能是有害的[16］．在COVID-19疫苗的早期，由于缺乏知识，对疫苗安全性和价值的正常主观解释更具挑战性[17］．NVI可能是一些人在网上遇到的第一个信息，它提供了不适或不良反应的简单描述，比显示证据平衡有利于接种疫苗的统计数据更容易处理。这一信息，再加上一些众所周知的认知偏差，可能导致了COVID-19疫苗接种早期的一些疫苗犹豫[18］．

这项研究的主要目的是了解2021年前4个月推特上NVI的流行情况和特征。选择这个时间段是因为推特和其他主要社交媒体平台的政策发生了变化，以解决人们对COVID-19疫苗错误信息日益增长的担忧[19-21］．人们一致认为，这一转变导致了这些平台上反疫苗错误信息的下降，以及这些政策变化是否删除了大部分NVI内容的悬而未决的问题。这一时期还出现了关于疫苗品牌偏好、疫苗民族主义和早期对不良反应风险差异的关注的广泛讨论[22]，所有这些都可能是各种NVI叙述的一部分。在这项研究中，我们按时间、地理位置和疫苗开发商估计了反疫苗内容和NVI的流行程度，以了解社交媒体的政策变化可能在多大程度上影响了反疫苗内容和NVI对公众的可用性。

方法

数据收集

我们使用推特API收集2020年12月23日至2021年4月30日期间疫苗和疫苗接种的数据rtweet包(23］．使用R脚本自动搜索推文文本，每20分钟最多可搜索18,000条推文，匹配阶段1中的搜索条件(表1)．剔除转发后，这一阶段总共产生了7,827,949条推文。接下来，对每条推文的文本进行搜索，以识别并仅保留涉及第二阶段中1个或多个搜索词的推文，结果是785,107条推文。在阶段3中，搜索每个推文的地理编码国家字段、位置字段和描述字段，只保留在这些字段中至少有一个阶段3搜索词的推文。然后，根据与twitter作者的国家、位置或描述字段相关联的地理信息，将twitter引用到加拿大、美国或英国。选择这些国家是因为它们在相似的时间(2021年底)开始接种疫苗，并且有足够数量的与疫苗相关的英语推文，以方便分析。对于某些推文，国家、位置和描述字段表示一个以上的国家(英国、加拿大和美国)作为位置。在这些例子中，主导的顺序是国家、地点和描述。例如，如果一个推文作者的位置是“加拿大”，而描述中是“美国”，那么他们就会被分配到“加拿大”。有时，位置和描述字段包含多个国家。 In these cases, the tweets were deleted. In addition, only tweets whose authors had at least 1 follower and only English-language tweets were retained. This process resulted in 217,954 tweets, which was the final sampling frame used in this study.

数据分类

从这个采样帧中随机抽取了9000条推文(含替换)。在对200条推文的单独样本进行训练后，所有4位作者都阅读了8800条推文的互斥子样本，并将文本中包含关于疫苗的负面信息或情绪的每条推文编码为“1”;否则，推文将被编码为“0”。这一标准包括不良反应的统计数据或报告、关于不良反应的个人陈述、对疫苗开发人员的怀疑、停止或延迟接种疫苗的政策决定、对疫苗的担忧表达以及含蓄或明确的反疫苗推文。在这些推文编码后，作者浏览了编码为“1”的推文，并区分了那些隐含或明确的反疫苗推文和那些不是反疫苗推文。非反疫苗的推文被归类为NVI，其余的被归类为反疫苗。文本框1说明了反疫苗和NVI推文的例子。每个编码员对300条相同推文的随机样本进行分类，使用Krippendorff α来比较评分者之间的可靠性[24］．最后，在上述所有编码完成后，每个推文作者被编码为5种类型中的一种:媒体、医疗和健康、政府、其他或限制/封闭账户。由于研究早期的数据提取错误，如果推文发生在2021年1月6日至4月30日期间之外，就会被排除在外。最终的数据集包括7306条推文，不包括用于比较数据编码员之间协议的300条推文，这些推文没有用于分析。

结果

在所有作者为测量编码器可靠性而编码的300条推文中，79% (n=237)在NVI上与所有内容编码器完全一致(Krippendorff α=0.63)， 80% (n=240)在抗疫苗内容上与所有内容编码器完全一致(Krippendorff α=0.25)。

在7306条推文中，131条(1.8%)被编码为反疫苗，1533条(21%)被编码为NVI。表2按作者类型显示反疫苗和NVI推文频率。由于反疫苗推文数量较少，且反疫苗推文的评分者之间的一致性相对较低，因此没有对这些数据进行进一步分析，其余分析均排除了反疫苗推文。

在1533条NVI推文中，37.9% (n=581)来自英国，49.7% (n=762)来自美国，12.4% (n=190)来自加拿大。推文总数和按地理位置划分的NVI推文百分比显示在上面图1．成对z对该图中NVI推文百分比差异的测试表明，加拿大和英国之间的明显差异可能是偶然的(P=.23)，尽管在加拿大和美国的比较中，差异有统计学意义(P=.01)以及英国和美国之间(P<措施)。

不同疫苗开发商之间NVI推文的比较显示在图2．不同开发者的推文数量各不相同，但最值得注意的对比是Oxford/AstraZeneca，其中NVI推文占内容的35.69%(713/1998)，是其他开发者NVI推文比例的两倍多(Moderna: 204/1290, 15.81%;辉瑞生物科技:477/2920,16.34%;其他:139/967,14.37%;P<。001用于牛津/阿斯利康与其他开发商的所有成对比较)。图3按国家和疫苗开发商提供NVI推文百分比的详细信息。在所有被研究的3个国家的推文作者中，NVI推文与牛津/阿斯利康疫苗的联系比其他疫苗开发商更普遍。该数字还表明，与Moderna和Pfizer-BioNTech相关的NVI推文来自英国的比例高于美国或加拿大。

图4显示了按国家、疫苗开发商和月份划分的NVI推文比例。虚线表示整个研究期间NVI推文的比例。这些数据表明，在这三个国家的Twitter用户中，随着时间的推移，与牛津/阿斯利康疫苗相关的NVI推文呈非常相似的上升趋势。另一个值得注意的观察是，英国推特用户撰写的与辉瑞生物科技和Moderna疫苗相关的NVI推文比例一致较高，尽管由于英国推特用户撰写的与Moderna疫苗相关的推文数量较少，这些比例具有相当大的置信区间。与牛津/阿斯利康疫苗不同的是，这两种观察结果都没有随着时间的推移出现明显的趋势。在加拿大，所有疫苗的NVI推文似乎都出现在4月份。

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

讨论

主要研究结果

我们的结果表明，不到2%的疫苗相关推文包含反疫苗内容，21%包含NVI。这一发现表明，2021年初，推特上很少有反疫苗的内容，这与其他研究的结果一致[25］．与对推特上covid -19前反疫苗内容的研究相比(发现反疫苗内容接近9%)[26]，这一发现可能表明，2020年底政策的变化确实减少了反疫苗的内容。虽然在研究期间，我们发现推特上很少有反疫苗的内容，但NVI的推文并不罕见，而且是由广泛的内容作者生成的。NVI内容是由所有Twitter内容生成器组生成的，占媒体来源内容的近20%，占政府来源内容的近14%。

在英国撰写的推特内容中，超过25%似乎是NVI，但就绝对数量而言，大部分NVI源自美国的推特账户。这一发现反映了全球化社交媒体的一个现实，即内容几乎没有障碍，而试图控制内容的国内法规只有在对大部分内容负责的司法管辖区实施时才会起作用。然而，很难知道美国(与加拿大和英国相比)产生的NVI推文比例相对较低的原因。一种解释是，在美国，NVI的传播更受欢迎的是其他平台，包括去年出现的那些带有特定政治议程的平台。因此，美国的NVI内容生成器可能已经转移到另一个平台，以预期Twitter内容政策的变化，从而导致Twitter上的NVI内容减少。也有可能Twitter针对的内容更多来自美国，而不是英国或加拿大。然而，其他的解释是可能的，我们的分析没有提供明确的证据来解释这一观察结果。

今年1月，所有疫苗的NVI推文数量都类似，但随着人们对牛津/阿斯利康疫苗安全性的担忧在2021年3月上升，这三个国家的推特用户针对这种疫苗的NVI推文数量都有所上升——这一发现与其他研究一致[27］．与美国不同，加拿大和联合王国都批准并管理牛津/阿斯利康疫苗用于紧急使用;然而，美国推特用户报告的NVI推文中提到牛津/阿斯利康疫苗的比例最高。英国的推特用户比加拿大或美国的推特用户负责更多与Moderna和Pfizer-BioNTech疫苗相关的NVI内容。这一发现值得注意，因为辉瑞- biontech和Moderna在英国使用的疫苗数量少于牛津/阿斯利康。这种模式——较少使用的疫苗与较高的nvi相关——可以解释为缺乏与该疫苗相关的积极公共卫生信息。例如，在美国，公共卫生官员和临床医生没有理由在Twitter上发布关于获得牛津/阿斯利康疫苗的帖子，因为这种疫苗无法使用，这可能会导致计算NVI患病率的分母变小，而与这种疫苗相关的负面推文的比例更高。

总的来说，我们的研究结果表明，一小部分与COVID-19疫苗相关的推文包含反疫苗内容，但NVI相对常见。NVI由各种类型的Twitter用户撰写，并因地理位置、时间和疫苗开发商而有所不同。与大多数反疫苗内容不同，NVI可以被视为支持疫苗的信息叙事的合法组成部分，因为它的存在可能会让信息消费者对疫苗开发商和政府的透明度增加信任感。它在社交媒体上的存在甚至可以被宣传为一个有效的沟通系统的证据，该系统在宣传疫苗的整体健康益处的同时，诚实地讲述疫苗的潜在负面影响。事实上，随着时间的推移，与牛津/阿斯利康疫苗相关的高NVI水平甚至可以被视为公开和透明的重要指标，因为证据会随着时间的推移而变化。

这项研究没有提供关于推特上的NVI是否对COVID-19疫苗犹豫有任何影响的见解。一些研究表明，媒体上呈现的某些类型的信息可能会增加对疫苗的犹豫[7，28]，但其他研究表明，推特内容对公众舆论或行为几乎没有影响[29，30.］．可以说，如果推特或其他形式的媒体上的NVI令人担忧，那不是因为它的存在，而是因为缺乏适当解释所需的上下文。关于不良反应的信息本身并不是反对接种疫苗益处的证据，但如果没有了解风险平衡的背景，它可能会引起担忧，造成或放大对疫苗的犹豫[16］．风险沟通方面的研究表明科学和算术基础知识的重要性[31］．由于NVI的可用性可能会持续存在于所有媒体中，因此必须继续努力改进信息的传播方式，注重个性化风险估计和可视化风险显示[32］．

影响

内容审核仍然是所有媒体平台面临的挑战，但与大多数传统媒体不同的是，社交媒体内容是由用户生成的，社交媒体几乎不施加编辑控制。2020年的政策变化似乎对社交媒体上的内容产生了影响，但在言论自由和内容控制之间取得适当的平衡仍然是一个重要的挑战。对内容审核过程的进一步讨论是一项重要的公共服务，可以帮助我们更好地理解我们使用的社交媒体平台[33］．

在COVID-19暴发初期进行的研究[34曾暗示，甚至在疫苗广泛普及之前，推特上的反疫苗内容就已经大幅上升。在新冠肺炎相关政策发生变化后，一些推特用户被禁止使用，部分内容被删除。正如最近的研究所报道的那样，一些受审查的内容作者认为审查是一种花招，社交媒体公司是掩盖疫苗接种真正危害的同谋[35］．我们发现，随着疫苗向公众推出，这些平台上的反疫苗信息很少;然而，有关疫苗的所有负面信息都被压制的批评与本研究提供的证据不一致。在疫苗接种的早期，Twitter被广泛用作分享与疫苗接种相关的不良事件信息的平台，包括官方公共卫生来源和媒体发布的内容。此外，与牛津/阿斯利康疫苗相关的NVI与普遍担忧一致，即它与2021年初更多的不良反应有关，如果推特普遍审查NVI，可能会损害疫苗制造商的声誉，这是不会发生的。

尽管如此，NVI的存在仍然可能对公共卫生传播者构成挑战，如果它导致疫苗犹豫的净增加。NVI可能是导致疫苗犹豫的几种认知偏差的基础[36］．关于不良反应的个人故事会对疫苗接种经历造成负面印象，在做出决定时很容易回忆起这种负面印象，这是一种可用性偏见[37］．作为一个社交媒体平台，Twitter特别擅长传递简短、容易消化、有影响力的信息，而不是科学依据和数据驱动的论点。早期对疫苗的负面印象既不是反疫苗也不是错误信息，可能对疫苗犹豫的流行率产生了重大影响，特别是在2021年初。

鉴于NVI很常见，可被视为健康传播过程的正常组成部分，消除它既不可能也不可取。越来越多的证据表明，个人叙述(来自专家和非专家)在吸引社交媒体消费者关注健康信息方面是有效的，通常可能比严格的信息指导更有效[38，39］．在此基础上，反击NVI对疫苗犹豫的影响可能最好在Twitter上通过提供关于支持疫苗的经验的其他积极的个人叙述来解决[40］．现有的研究表明，这种支持疫苗接种的叙述在伴随着视频或音频内容时可能比单独的文本更有效[41]，但还需要做进一步的工作来确定如何最有效地使用这些信息。

限制

这项研究的一个重要限制是对反疫苗推文缺乏共识，这些推文最多只有公平的评分者之间的共识[42］．对单个推文的文本限制可能会使推文的含义和意图难以解释，而确定意图对于将推文分类为反疫苗非常重要。正是因为这个原因，没有对反疫苗推文进行广泛的分析。然而，重要的是，编码并没有产生大量的反疫苗推文——4个编码员中有3个编码员的反疫苗推文不到2%。NVI推文的份额同样一致，尽管评分者之间的一致性不是特别高。

用于选择推文进行分析的搜索标准很可能将相关推文排除在抽样框架之外。首先，我们没有包括反疫苗团体有时使用的疫苗的替代拼写。这种排除很可能导致在抽样框架中对反疫苗推文的低估。很难估计排除这些搜索词对我们分析的影响，但即使我们低估了一半，仍然会有不到4%的推文是反疫苗的，不会显著改变我们的结论。其次，地理参照过程排除了大量的推文，目前尚不清楚这种排除是否会对结果产生偏差。我们没有考虑到的某些地理识别形式——例如，指的是一个人居住的城市，而不是国家或省/州——可能在某种程度上与对疫苗的倾向有关。虽然作者不能排除这种可能性，但这种影响似乎不太可能在所有3个研究管辖区产生很大影响，而且假设这种影响很小似乎是合理的。

结论

我们的研究结果表明，推特在2021年初并不是反疫苗内容的主要来源，但它仍然包含大量可能导致疫苗犹豫的信息。然而，值得注意的是，NVI并非社交媒体独有，在传统媒体来源甚至政府机构的公共卫生通知中都可以找到。因此，将所有(甚至大部分)NVI视为有害社会的是不恰当的。此外，这些信息(特别是由有信誉的来源撰写的信息)可能具有增加对公共卫生信息的信任的长期好处，因为公开传播消极和积极影响可有助于增加对公共卫生信息的透明度和诚实性的信任。