JMIR J医疗互联网服务 医学互联网研究杂志 1438 - 8871 卡塔尔世界杯8强波胆分析 加拿大多伦多 v21i10e15455 31670698 10.2196/15455 原始论文 原始论文 公众关注监控推特用户和他们的谈话招募临床试验:调查研究 Eysenbach 冈瑟 布坎南 伊丽莎白 文卡特斯 年代 Guness Shivanand 路透社 卡佳 博士学位 1
南加州临床和转化科学研究所 凯克医学院 南加州大学 阿尔卡萨尔街2250号,200号 洛杉矶,加州,90089 美国 1 3234422046 1 3234422082 katja.reuter@gmail.com
2 https://orcid.org/0000-0002-1559-9058
一帆 信息学硕士学历 3. https://orcid.org/0000-0002-3622-2858 Angyan Praveen 女士 1 https://orcid.org/0000-0001-7022-7049 NamQuyen 英里每小时 1 https://orcid.org/0000-0002-5054-5362 商人 议长一 医学博士 4 https://orcid.org/0000-0001-7472-822X 齐默 迈克尔 博士学位 5 https://orcid.org/0000-0003-4229-4847
南加州临床和转化科学研究所 凯克医学院 南加州大学 洛杉矶,加州 美国 健康促进与疾病预防研究所,预防医学部 凯克医学院 南加州大学 洛杉矶,加州 美国 信息研究学院 威斯康星大学密尔沃基分校 密尔沃基WI 美国 雪松西奈医疗中心 洛杉矶,加州 美国 计算机科学系 马凯特大学 密尔沃基WI 美国 通讯作者:Katja reuters katja.reuter@gmail.com 10 2019 30. 10 2019 21 10 e15455 15 7 2019 11 8 2019 4 10 2019 4 10 2019 ©Katja Reuter, Yifan Zhu, Praveen Angyan, NamQuyen Le, Akil A Merchant, Michael Zimmer。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2019年10月30日。 2019

这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。

背景

Twitter等社交网络为临床研究界提供了一个基于用户活动数据吸引潜在研究参与者的新机会。然而,公共社交媒体数据的可用性导致了新的伦理挑战,涉及尊重用户隐私和监测临床试验招募社交媒体的适当性。研究人员表示,有必要在道德规范和规章的制定中纳入用户的观点。

客观的

这项研究调查了Twitter用户和非Twitter用户对使用Twitter监控社交媒体用户及其对话以招募潜在临床试验参与者的态度和担忧程度。

方法

我们使用了两种在线方法来招募研究参与者:开放调查(1)于2017年5月23日至6月8日在Twitter上发布,(2)于2017年5月23日至6月8日在众包数据采集平台TurkPrime上部署。符合条件的参与者是成年人,18岁或以上,谁居住在美国。有推特账户和没有推特账户的人都参与了这项研究。

结果

在Twitter(94/ 603,15.6%)和TurkPrime(509/ 603,84.4%)上,近一半的受访者表示同意社交媒体监控构成了一种侵犯隐私的窃听形式,超过三分之一的人不同意,近五分之一的人没有意见。卡方检验显示,受访者对一般隐私的关注程度与他们对互联网研究的平均关注程度( P< .005)。我们发现受访者的Twitter素养与他们对研究人员监控其Twitter活动的能力的担忧之间存在关联( P=.001)以及他们是否认为Twitter对临床试验招募的监控是窃听( P<.001)和侵犯隐私( P= .003)。随着Twitter用户的增加,人们对研究人员监控Twitter活动的担忧也在增加。我们的数据支持先前建议的使用 nonexceptionalist方法为了评估研究中的社交媒体,目前基于社交媒体的招聘并不需要被认为是例外,对大多数人来说,它被认为比传统的实体诊所亲自干预更可取。所表达的态度是高度上下文化的,取决于诸如疾病或健康主题的类型(例如,艾滋病毒/艾滋病vs肥胖vs吸烟)、在Twitter上监测用户的实体或个人以及被监测的信息等因素。

结论

这项研究的数据和发现有助于与公众就临床研究中使用社交媒体进行批判性对话。调查结果表明,大多数用户并不认为监视Twitter进行临床试验招募构成不适当的监视或侵犯隐私。然而,研究人员应该注意到,一些参与者在与某些疾病或健康话题相关时,可能会发现社交媒体监控存在问题。进一步的研究应分离出影响各平台和人群中社交媒体用户关注程度的因素,并为制定更明确和一致的指导方针提供信息。

艾滋病 癌症 临床研究 临床试验 众包 道德 艾滋病毒 人乳头状瘤病毒 infoveillance infodemiology 知情同意 互联网 研究伦理 土耳其机器人 MTurk 监控 肥胖 隐私 公众舆论 招聘 吸烟 社交媒体 社交网络 监测 TurkPrime 推特
简介 背景

临床试验的成功取决于研究参与者的招募,也称为研究参与者招募。招募包括吸引和选择合适的研究参与者。它可以通过不同的传播渠道进行(例如,报纸、广播、电视、海报、小册子、电子邮件和社交媒体)。没有他们的参与,造福患者的医学和科学进步是不可能的。 1- 5].最近的一项系统综述发现,76.1%(131/172)的随机临床试验因招募不良而中止[ 6].迫切需要创新的解决方案来解决临床试验登记不足的问题[ 1].我们想评估使用Twitter用户数据加强临床试验招募的可行性。人们对使用社交媒体数据进行研究的兴趣越来越大,这也被称为 infoveillance 7 8]或 数码流行病学 9].这种类型的社交媒体监控使用来自社交媒体用户活动和对话的洞察,以更多地了解他们的态度和行为。 积极的招聘当研究团队成员接触特定的个体并与他们互动,以使他们适合特定临床试验的特征的已有知识为基础,将他们纳入研究时发生[ 10].我们假设,来自社交网络Twitter的用户数据和他们的对话可以作为识别和招募特定临床试验潜在参与者的有用工具。

在互联网和社交媒体背景下,用户隐私通常被认为是一个边界管理的过程,个人通过调整个人信息在网上的传播和分享来规范其社会关系中的披露。在她的通信隐私管理理论中,Petronio认为,在任何给定的背景下,个人经常会做出关于披露或隐藏私人信息的决定[ 11].随着互联网和社交媒体平台越来越深入日常生活,它们引入了新的信息流,挑战了隐私规范,并使管理边界变得更加困难。这种动态是网络隐私概念的核心,Marwick和Boyd将其定义为“在一个网络生态系统中不断进行的上下文谈判,在这个生态系统中,上下文经常模糊和崩溃”[ 12].此外,Nissenbaum的语境完整性理论以语境为出发点[ 13].语境完整性框架基于这样一种理解,即社会互动发生在特定的语境中,规范控制着人们对个人信息在特定语境中如何流动的期望。上下文完整性拒绝了传统的公共信息与私人信息的二分法,以及用户对隐私的偏好和决定独立于上下文的概念,为评估不同代理之间的个人信息流动提供了一个框架;它还提供了一个框架来解释为什么某些信息流模式在一个上下文中可能是可接受的,但在另一个上下文中则被视为有问题的。这些在社交媒体平台上保护隐私的方法促使我们在监测Twitter活动的背景下考虑用户对适当信息流的期望,以进行临床试验招募。

近四分之一的美国成年人(22%)使用Twitter。 14].Twitter用户可以发送短信,叫做 微博,字数限制为280个字符[ 15];他们还可以搜索任何公开信息,并进一步参与推文(也就是说,他们可以 就像 回复, 转发分享它们)。之前的研究表明,Twitter提供了一个“丰富而有前途的途径,以探索患者如何概念化和交流他们特定的健康问题”[ 16]并为提高临床试验意识和提高注册人数提供了途径[ 17- 19].

为了测试Twitter监测招募临床试验参与者的可行性,我们决定开发一个用例,用于急性髓系白血病(AML)的多部位癌症研究,患者处于缓解期。这些患者在临床研究中具有独特的挑战性。AML活跃时,通常会导致严重症状和住院治疗。住院患者更易于筛选、识别和招募临床试验。一旦AML患者完成巩固化疗,他们每3-4个月才去看一次医生。我们在本案例研究中选择的临床试验旨在招募患者在完成巩固化疗后的前3个月,正是这些患者与医疗保健系统仅有零星接触的时间。在常规患者接触期间采用的传统技术对这一人群是不可能的。此外,由于缓解后维持治疗不是AML临床实践的常规部分,我们不太可能收到社区医生的推荐。因此,我们试图研究支持社交媒体监控的解决方案的可行性。

然而,在对研究方案的审查中,美国国家癌症研究所的中央机构审查委员会(CIRB)对在Twitter上使用监控技术可能侵犯隐私表示了担忧。保监会注意到:

那些通过社交媒体平台公开分享个人信息的人可能仍然对隐私有预期,并且/或不知道平台的隐私政策。在使用“积极倾听”的方法后与人联系,可能会被一些潜在的参与者视为偷听他们关于健康的谈话……这可能会产生不信任,潜在的参与者可能会认为这是对他们隐私的侵犯,尽管许多人认为社交媒体是一个公共领域。参与这项研究可能会增加(Twitter用户的)诊断所带来的隐私风险。研究团队通过重复个体诊断信息,可能会放大这些信息,因此更有可能引起公众或雇主的注意。

我们利用这些反馈作为指导和动机,设计了以下研究,以确定人们对使用Twitter上的社交媒体监测进行定向临床试验招募的态度和关注程度。

研究目标与假设

科学家们指出,在社交媒体研究和社交媒体招聘中,缺乏公众观点来为未来的实践提供信息[ 20. 21].此外,最近一项关于在研究中普遍使用推文的调查显示,推特用户缺乏意识,他们的公开推文可能被研究人员使用[ 22].因此,本研究的目的是调查公众对使用Twitter监控社交媒体用户及其对话的态度和关注程度,以确定和招募临床试验参与者。我们关注了各种健康主题,包括癌症、肥胖、人类乳头瘤病毒(HPV)、艾滋病毒/艾滋病和吸烟。我们之所以选择包括一系列健康主题,包括非传染性和传染性疾病,是因为它反映了美国和全球正在进行的临床试验的范围。我们预计,关注的程度可能因疾病类型而异,在选择招募方法时应予以考虑。

这项研究测试了与使用Twitter监测临床试验招募的潜在隐私问题相关的四个主要假设和三个附加假设 文本框1).在CIRB评论的激励下,我们提出了三个假设来测试CIRB对推特用户可能将社交媒体监控视为侵入性和侵犯隐私的担忧:见假设1-3 文本框1.借鉴Gelinas等人的经验,我们还试图测试的有效性 nonexceptionalist方法 10],这表明,与传统的线下招募策略相比,在线招募临床试验参与者应该是常态化的,不应被视为例外:见文章中的假设4 文本框1.他们认为,“对社交媒体招聘的评估应该与更传统的模拟招聘或‘离线’招聘基本相同。”基于这四个主要假设,我们试图确定是否有其他因素可能影响参与者对临床试验参与者招募时社交媒体监测的关注程度。我们在小插图中分离出不同的因素进行进一步分析(即,被监测的信息类型,临床试验的疾病或健康主题的类型,以及参与监测的实体的性质):见中假设5-7 文本框1

我们的研究结果基于公众的观点,它们支持制定循证指南,以帮助研究人员和机构审查委员会(IRB)专业人员在临床研究招募中使用社交媒体。这些数据有助于与公众进行批判性对话,以了解基于社交媒体的研究和招募所涉及的伦理问题,以及保护研究参与者的权利和安全所需的程序性解决方案。

我们打算用这项研究来检验假设。

假设1:人们认为在Twitter上进行临床试验招募的社交媒体监控是对他们关于健康的谈话的窃听,是对他们隐私的侵犯。

假设2:Twitter用户对隐私的期望与他们对使用社交媒体监测临床试验招募的关注程度有关。

假设3:关于Twitter平台的一般素养和知识与使用Twitter上的社交媒体监测进行临床试验招募的关注程度相关。

假设4:人们对Twitter监测临床试验招募的担忧类似于更传统的离线场景(例如,当患者离开医疗机构时,单独与患者接触)。

假设5:为临床试验识别和招募个体而监测的信息类型与使用Twitter上的社交媒体监测进行临床试验招募的关注程度相关。

假设6:招募的疾病类型与使用Twitter社交媒体监测临床试验招募的关注程度相关。

假设7:执行监测的实体类型与使用Twitter上的社交媒体监测进行临床试验招募的关注程度相关。

方法 调查工具

我们开发了一项包含39个项目的公开调查(见 多媒体附件1)总体目标是评估参与者对使用Twitter监控社交媒体用户及其对话以识别和招募临床试验参与者的态度和担忧;我们使用了方便样本。以下各节根据“互联网电子调查结果报告核对表”,报告是次调查研究的各方面情况[ 23].大多数问题都是必答的;然而,在某些情况下,它们是可选的或允许多个答案。我们纳入了两个注意力检查问题,以评估受访者对问题措辞的注意力,并从最终数据集中剔除那些不合格的受访者。我们对调查进行了测试,以评估问题的阅读水平和复杂性、参与者对问卷的可接受性、受访者的负担以及完成问卷所需的时间。测试者中有两名来自洛杉矶的社区成员(推广人员,即非西班牙裔或拉丁裔社区成员,他们接受了专业培训,可以在社区提供基本的健康教育,但不是专业的卫生保健工作者),三名来自南加州大学南加州临床和转化科学研究所社区参与核心小组团队的专家,以及四名来自威斯康星大学密尔沃基分校的研究生。我们根据他们的反馈,特别是小插图的措辞和真假问题,完善了调查工具。

通过调查,我们收集了以下类型的信息:以前对Twitter的使用和了解,对互联网隐私的普遍关注,对用于临床试验招募的Twitter活动监测的隐私的具体关注,以及人口统计数据。根据美国国立卫生研究院对非专业受众的定义,对受访者进行临床试验的定义[ 24]:

临床试验的目标是确定一种新的药物、设备或程序是否有效和安全,或者他们可以关注护理的其他方面,例如改善慢性疾病患者的生活质量。人们参与临床试验有各种各样的原因,例如,帮助他人,为推动科学进步做出贡献。

最后,我们使用一组小插图来评估关注程度与不同变量之间的关联,例如临床试验的疾病或健康主题,以及监控Twitter上社交媒体用户活动的实体。

参与者

符合条件的参与者是成年人,18岁或以上,谁居住在美国。有推特账户和没有推特账户的人都参与了这项研究。

样本及招聘方法 概述

我们使用了两种在线方法来招募研究参与者,他们构成了我们的便利样本:开放调查(1)于2017年5月23日至6月8日在Twitter上发布,(2)于2017年5月23日至6月8日在众包数据采集平台TurkPrime上部署[ 25].从互联网上获取大量参与者被称为众包。

微博招聘

这些推特广告以推广推文的形式出现在用户的推特推送中。Twitter广告提供了许多针对特定目标受众的定位选项。本研究中用于广告的定位功能包括(1) 年龄定位十八岁或以上成人,(2) 位置定位到美国,(3) 语言目标(4) 关键字和标签定位推特用户在推特上发布或搜索的单词和带标签的单词主要涉及四个类别。与目标关键词或标签相关的四个类别是(1)社交媒体和社交媒体监控,(2)研究参与者招募和临床试验注册,(3)伦理和互联网隐私,以及(4)临床研究和临床试验。每个广告都包含一个简短的描述(例如,“您对Twitter上的社交媒体监控的看法以及获得礼品卡的机会。调查和抽奖入口”),与调查相关的图像,需要志愿者的请求,提供反馈的请求,以及问卷的链接。Twitter广告由首席研究员的Twitter账号(即@dmsci)发布。我们的招募目标是500人。每日最高广告预算为49美元,整个项目的总预算为980美元。在Twitter上的受访者有机会参加抽奖,在完成调查后获得10张100美元礼品卡中的一张。根据Teitcher等人的描述,重复和欺骗性的回答被识别并删除[ 26].更具体地说,我们使用了四种方法来检查重复和欺诈性回答:(1)我们检查了不一致和不规则的答案,(2)我们评估了调查提交时间戳和批量提交,(3)我们检查了使用随机英语单词后跟3到6个随机字母的电子邮件地址(例如,upgradeyhujer@gmail.com),以及(4)我们通过电子邮件联系了疑似受访者,并要求他们验证调查中包括的三个问题的答案,以比较他们的回答(即他们的名字、年龄和最高教育水平)。

TurkPrime招聘

本研究中使用的第二个样本是通过TurkPrime招募的[ 25,这是一项小组服务,研究人员可以针对特定的人口群体进行调查。Prime Panels为研究人员提供了一个类似于亚马逊的众包平台Mechanical Turk的Web界面,让他们可以接触到许多市场研究小组的成员,该平台已被发现是一种有效的方法,可以在广泛的学科范围内在线招募研究参与者[ 27- 34].然而,TurkPrime提供了比例匹配抽样方法。符合条件的参与者可以在仪表板上看到这项研究。他们还收到了一封邀请他们参加这项研究的电子邮件。我们应用了 census-matchedTurkPrime提供的模板,确保样本在性别、年龄、种族、民族和美国地区方面与18岁或以上的美国成年人人口比例匹配。更具体地说,主要人口统计数据的目标基准包括:性别-男性(49.4%)和女性(50.6%);年龄years-18-29(22.4%)、- 39(16.8%),40至49(16.4%)、50-59(17.8%)、60 - 69(14.0%),和70 - 99 (12.6%);西班牙裔-非西班牙裔(84.0%)和西班牙裔、拉丁裔或西班牙裔(16.0%);白人(78.8%)、黑人或非洲裔美国人(13%)、美国印第安人或阿拉斯加原住民(1.2%)、亚洲人(4.8%)和其他种族(2.2%)。这些特征是有针对性的,因为它们在Twitter研究便利性样本中代表性不足。在调查完成后,研究参与者获得了他们与参与调查的市场研究平台商定的金额的补偿。在成功完成调查的注意力检查问题后,参与者还会获得奖金。奖金可以作为参与的激励措施,并对数据质量和员工的创造力产生了重大影响[ 35].目标招募人数为500人,预算总额为3500美元。为确保数据保护,TurkPrime确保以下措施: 25]:

TurkPrime……对所有传输的数据使用传输层安全加密(也称为HTTPS)。除了明确的白名单IP地址外,所有数据访问都被阻止,此外还使用用户密码进行保护。此外,数据,包括Access Key ID和Secret Access Key,使用AES-256加密,这是国家标准与技术研究所采用的标准。

数据收集

研究数据的收集和管理使用研究电子数据捕获(REDCap),一个电子数据捕获工具,托管在南加州大学。REDCap是一个安全的基于web的应用程序,旨在支持用于研究的数据捕获,提供(1)验证数据输入的直观界面,(2)用于跟踪数据操作和导出程序的审计跟踪,(3)用于无缝数据下载到通用统计包的自动导出程序,以及(4)用于从外部来源导入数据的程序[ 36].

在推特上发布的付费广告包括一个链接到REDCap上的调查。受访者在移动设备或台式电脑上在线填写了一份多页的调查。在TurkPrime上,每个受访者都提供了一个独特的链接,链接到REDCap上主持的单独调查。用于分析的数据集是使用平台的报告工具直接从REDCap生成的。详情请参见Twitter和TurkPrime招聘部分。

数据清理

共有603名参与者完成了调查并通过了本研究中的注意力检查问题:Twitter上94人(15.6%),TurkPrime上509人(84.4%)。仅在Twitter上最初的704名受访者中,我们使用Excel过滤器识别并删除了70名(9.9%)没有正确完成注意力检查问题的受访者和540名(76.7%)给出具有独特特征的虚假回答的受访者。关于欺诈性回复,所有回复(1)均显示年龄相同(即22岁);(2)在5天的时间内,每隔5-10分钟提交一次;(3)使用的电子邮件地址模式一致,即一个随机英文单词后跟三到六个随机字母(如upgradeyhujer@gmail.com和imageiunmed@gmail.com);(4)当被调查者被要求验证通过调查提供的关于他们的名字、年龄和他们完成的最高学位或学校水平的信息时,被证实是欺诈的。对于每个过滤的条目,我们手动检查电子邮件地址以识别欺诈电子邮件(即,电子邮件地址包含一个随机的英语单词,后面跟着3到6个随机字母模式)。最后,我们手动向每个电子邮件地址发送消息,并要求用户验证他们在调查回复中提供的信息。在TurkPrime上最初的738个回复中,我们删除了229个没有正确完成注意力检查问题的回复(31.0%)。

数据分析

我们没有使用任何方法来调整样本,如项目权重或倾向得分。我们在两个层面上分析数据:(1)在应答者层面测试控制变量(个体因素:级别2)和(2)在小插图层面测试自变量(上下文因素:级别1)。首先通过描述性统计方法分析调查响应,以评估参与者在我们的因变量和自变量之间的分布,如隐私关注程度和人口统计学因素。接下来,使用数据透视表进一步分析了每个小插图不同程度的关注数据,以确定一般隐私关注水平与参与者对小插图的态度之间的任何关系。我们将高度关注定义为以下反应 非常或有点担心低水平的关注反应表明 不是太关心,就是完全不关心.最后,我们还使用描述性和推断性统计技术(即交叉表和卡方检验)分析了这些回答,以确定一般而言,哪些受访者对在临床试验招募中使用Twitter监测有强烈担忧,哪些受访者对Twitter的功能和使用政策了解较弱。特别地,我们研究了临床试验招募中使用Twitter监测的担忧是否与Twitter知识的丰富或缺乏、所使用的监测类型或与潜在招募人员接触的方法相关。我们以汇总形式报告结果,删除所有单独的识别信息。

机构审查委员会审查和批准

该研究由南加州大学IRB (HS-17-00348)审查并批准。

结果 参与者描述 人口统计资料

总体而言,603名参与者的样本显示了以下分布(见 多媒体附件2)∶324名男性(53.7%)及261名女性(43.3%);非西班牙裔白人占多数(421/ 603,64.5%),西班牙裔63人(9.7%),非裔或黑人66人(10.1%);大约四分之一的人(152/ 603,25.2%)年龄在18-29岁,107人(17.7%)年龄在60岁以上。所有受访者的平均年龄为42.66岁(SD 16.00)。此外,151名(25.2%)受访者表示,他们的生活受到慢性或罕见疾病的影响。

Twitter的使用

我们进一步评估了603名调查参与者的Twitter使用情况 多媒体).在603名受访者中,有301人(49.9%)在研究期间拥有Twitter账户,然而,在频率和最后使用时间问题上收到了300个有效回答,174人(28.9%)根本没有使用过Twitter。在使用Twitter的301名受访者中,共有186人(61.8%)拥有公开账户(即每个Twitter用户都可以查看自己的账户和消息),300人中有199人(66.3%)至少每周使用一次Twitter, 300人中有122人(40.7%)几乎每天都使用Twitter,超过一半(181/ 300,60.3%)在过去一周内发送过Twitter消息。

Twitter素养和知识

我们试图评估研究参与者的Twitter素养和知识水平(见 多媒体附件4).总的来说,我们从603名受访者中收集的Twitter素养问题的3015个回答中有1209个(40.10%)是正确的,367个(12.17%)是错误的,而近一半的回答(1439/3015,47.73%)表明参与者不知道。更具体地说,603名受访者中有429人(71.1%)正确回答了标签的功能,138人(22.9%)不知道标签的功能。当被问及Twitter账户的隐私设置时,大多数受访者(355/603,58.9%)回答正确,但201人(33.3%)不知道。相反,603名应答者中有159人(26.4%)回答正确,385人(63.8%)不知道是否存在1年后自动删除的问题。当被问及对未注册Twitter访问者的公开Twitter信息的可访问性时,603名受访者中有80人(13.3%)回答正确,177人(29.4%)选择了错误的答案,346人(57.4%)不知道答案。最后,当被问及允许软件程序员通过关键字搜索Twitter消息和收集原始Twitter帐户的个人资料的Twitter搜索功能时,603名受访者中有186人(30.9%)回答正确,而369人(61.2%)不知道这些功能。

对互联网隐私的普遍关注

我们试图了解更多与互联网使用相关的一般隐私问题(见 多媒体).在603名受访者中,不管之前是否使用过Twitter, 409人(67.8%)在使用互联网时表达了对隐私的某种程度的担忧。当被问及受访者是否担心不认识的人从他们的社交媒体账户和活动中获取他们的个人信息时,425名(70.5%)受访者表达了某种程度的担忧。然而,当被问及受访者是否担心他们在社交媒体上发布的帖子会被不在直接朋友圈或粉丝圈内的人查看或分享时,较少的人(313/ 603,51.9%)表达了某种程度的担忧。至于这些帖子是否被公司用作宣传用途,310名(51.4%)受访者表示关注。相比之下,420名(69.7%)受访者对社交媒体公司可能与第三方分享或出售他们的信息表示了一定程度的担忧。

对互联网研究和隐私的普遍关注

我们还评估了受访者对互联网研究活动的担忧,这与将他们的Twitter数据用于研究目的有关(见 多媒体附件6).我们发现603名受访者中有252人(41.8%)对研究人员发送无针对性推文的能力表达了一定程度的担忧,这些推文对所有关注者可见,并带有关于如何参与临床试验的更多信息的链接。较少的受访者(226/ 603,37.5%)对研究人员注意到与健康状况相关的热门话题或标签(如#糖尿病、#肺癌或#心脏病)表示了一定程度的担忧,并使用相同的标签发送非针对性的Twitter消息,其中包括如何参与临床试验的更多信息的链接。当被问及他们对研究人员根据用户之前的信息积极监测用户的Twitter活动以识别和联系潜在临床试验参与者的担忧程度时,603名受访者中有293人(48.6%)表达了某种程度的担忧。然而,较少的受访者(243/ 603,40.3%)对研究人员使用付费Twitter广告(例如, 赞助推),以增加临床试验招聘信息被尽可能多的人看到的可能性。最后,603名受访者中有259人(43.0%)对Twitter跟踪他们是否点击了与健康研究相关的Twitter招聘信息表示了一定程度的担忧,例如,“为#癌症研究寻找参与者”。

假设评估 假设1

假设1指出,在Twitter上进行临床试验招募的社交媒体监控被视为窃听和侵犯隐私。

为了衡量受访者对Twitter监测临床试验招募的整体看法,我们测试了CIRB所声明的语言 积极倾听可能被参与者视为 窃听关于他们健康的对话(见 多媒体).当被问及医学研究人员监视公众推特对话以识别和招募潜在临床试验参与者时,603名受访者中有269人(44.7%)认为这是窃听,而333人(55.3%)不认为这是窃听或不知道。603名受访者中,259人(43.0%)认为监控侵犯了个人隐私,344人(57.0%)认为不侵犯个人隐私或不知道。最后,603名受访者中有235人(39.0%)认为监控可能违反保密,而368人(61.1%)认为不违反保密或不知道。

我们仅对那些在使用互联网时表达了某种程度上对隐私的普遍担忧的受访者(409/603,67.8%)进行了隔离;我们结合 非常关心 有点担心响应。这些受访者对窃听、隐私和保密问题的总体看法显示,他们对隐私的担忧略高于整体人群。正如在 多媒体附件8在409名受访者中,199人(48.8%)认为Twitter监控是窃听,202人(49.4%)认为是侵犯隐私,180人(44.0%)认为可能危及机密性。

我们还调查了那些在使用互联网时很少或根本不关心整体隐私的参与者(178/ 603,29.5%)的反应;这让我们能够评估那些不太关心隐私的人是否仍然会对Twitter监控的隐私问题感到担忧。那些对互联网隐私担忧程度较低的人在回答有关窃听、隐私和保密的问题时表现出较低的担忧 多媒体附件8).同样,拥有活跃Twitter账户的受访者(199/ 603,33.0%)对Twitter监控表示担忧,这一比例低于总体人群 多媒体).

假设2

假设2指出,对互联网隐私的期望与对互联网研究和Twitter监测临床试验招募的关注程度有关。

我们想衡量普遍存在的互联网隐私问题是否与对互联网研究的日益关注有关 多媒体).因此,我们只对那些在使用互联网时表达了某种程度上对隐私的普遍担忧的受访者(409/603,67.8%)进行了隔离 非常关心 有点担心并将其与报告的全部人口进行比较 多媒体附件6.这些受访者表现出较高水平的一般互联网研究隐私担忧。例如,409名受访者中有235人(57.5%)表示担心研究人员积极监控Twitter以识别和联系潜在的临床试验参与者,而603名受访者中只有293人(48.6%)表示担心。

仅对那些表达了很少或没有一般隐私担忧的受访者(178/ 603,29.5%)进行隔离,我们发现这些人群通常具有较低水平的互联网研究隐私担忧 多媒体).例如,178名受访者中只有55人(30.9%)表示担心研究人员积极监测Twitter活动以识别和联系潜在的临床试验参与者,而603名受访者中有293人(48.6%)表示担心。同样,178名受访者中只有32人(18.0%)对研究人员在推特中对标签的监控表示担忧,相比之下,603名受访者中有244人(40.5%)和409名受访者中有206人(50.4%)对隐私有高度担忧。使用卡方检验来探讨受访者的一般隐私担忧和他们对互联网研究的平均担忧之间是否存在关系。该检验考虑到603名参与者的人口,揭示了这些变量之间的统计学显著关系:χ216= 143.0 P< .005。然后,我们根据Twitter的使用情况对回应进行分层,以评估社交媒体平台的活跃用户是否对出于研究目的使用Twitter表达了不同程度的隐私担忧 多媒体).拥有活跃Twitter账户的受访者(199/ 603,33.0%)表示,他们每周使用一次或更多Twitter平台,与整个人群相比,他们对一般互联网研究隐私的担忧程度较低。我们的数据表明,活跃的Twitter用户可能会影响基于Twitter的互联网研究活动所表达的隐私担忧水平。

最后,我们对twitter监控小插曲的反应进行了分层 多媒体附录10)基于受访者对互联网隐私的整体关注程度,以及他们是否是活跃的Twitter用户。我们分析了每个小插图的子问题,将那些表达了一些担忧的人和那些没有表达担忧的人的回答分开。通过分析603名(67.8%)受访者中409名(67.8%)在使用互联网时表达了某种程度上对隐私的普遍担忧,我们发现,与整个人群相比,这些受访者中对各种twitter监控小插曲表示担忧的比例更大 表1).

我们还对那些在使用互联网时很少或根本不关心整体隐私的受访者(178/ 603,29.5%)进行了隔离;这使我们能够评估那些对隐私基本不关心的人是否仍然对小插图中描述的Twitter监控类型有更高的隐私担忧。正如在 表1,那些对隐私总体关注程度较低的人对小插图场景的关注程度要低得多。同样,拥有活跃Twitter账户的受访者(199/ 603,33.0%)表示关注Twitter监控的小插曲,与总人口相比,大多数人只表示关注艾滋病毒/艾滋病的小插曲。总的来说,所有的小组都表达了对艾滋病毒/艾滋病的最关心,他们表达了对吸烟的最不关心。

最后,我们进行了卡方检验,以探索一般互联网隐私担忧与每个小插图所表达的担忧水平之间是否存在关系。测试结果显示,在所有情况下( P<.001),如 表2

对表示非常关心或有点关心Twitter监控的受访者的小插图场景进行分层分析。

装饰图案 受访者(N=603), N (%) 对个人隐私普遍高度关注的受访者(n=409), n (%) 一般隐私关注程度较低的受访者(n=178), n (%) 活跃Twitter用户受访者(n=199), n (%)
癌症的装饰图案 300 (49.8) 244 (59.7) 51 (28.7) 75 (37.7)
肥胖的小插图 299 (49.6) 241 (58.9) 52 (29.2) 76 (38.2)
人乳头状瘤病毒一个装饰图案 298 (49.4) 243 (59.4) 51 (28.7) 75 (37.7)
艾滋病毒/艾滋病装饰图案 349 (57.9) 269 (65.8) 73 (41.0) 106 (53.3)
吸烟的装饰图案 255 (42.3) 207 (50.6) 45 (25.3) 66 (33.2)

一个人乳头状瘤病毒。

根据受访者对隐私的普遍关注,对每个小插图表达的关注进行卡方分析。

装饰图案 有效病例数,N 皮尔逊卡方 df P(渐近显著性,双面)
癌症的装饰图案 603 175.9 16 <措施
肥胖的小插图 603 126.7 16 <措施
人乳头状瘤病毒一个装饰图案 603 124.4 16 <措施
艾滋病毒/艾滋病装饰图案 603 79.6 16 <措施
吸烟的装饰图案 603 102.5 16 <措施

一个人乳头状瘤病毒。

假设3

假设3指出,一般的Twitter素养与对使用Twitter进行临床试验招募的社交媒体监测的关注程度相关。

有显著的相关性( P受访者的Twitter素养与他们对研究人员监控其Twitter活动能力的担忧(通常是为了临床试验招募的目的)之间的关系(见。001) 表3).这种关系也表明,随着Twitter读写能力的提高,人们对研究人员监控Twitter活动的担忧也在增加。此外,有显著的相关性( P=.004)受访者的Twitter素养与他们对研究人员为临床试验招募目的而监控Twitter上特定信息类型(例如,标签、公开推文和个人资料描述)的担忧之间的关系。总体而言,有显著的相关性( P=.03)受访者的Twitter素养与他们对研究人员监测Twitter活动的总体担忧之间的关系。

与CIRB的担忧相关的是,我们还发现受访者的Twitter素养与他们是否将Twitter监测临床试验招募视为窃听之间存在显著关联( P<.001)和侵犯隐私( P= .003)。然而,Twitter素养与受访者是否认为Twitter监控危及机密性之间并无显著关联( P=点)。

卡方分析受访者基于他们的Twitter素养表达的担忧。

受访者的担忧 有效病例数,N 皮尔逊卡方 df P(渐近显著性,双面)
一般来说,担心研究人员是否有能力监控他们的Twitter活动 536 22.7 6 措施
担心研究人员监控Twitter上的特定信息类型(例如,标签、公开推文和个人资料描述) 556 19.3 6 04
对研究人员监控Twitter活动的总体担忧 513 7.2 2 03
可以将Twitter对临床试验招募的监控视为窃听 602 38.1 4 <措施
考虑到Twitter对临床试验招募的监控是对隐私的侵犯 603 15.8 4 .003
觉得Twitter的监控会破坏机密性 603 3.9 4
假设4

假设4表明,与更传统的离线场景相比,人们对Twitter监测临床试验招募的态度存在差异。

我们还使用小插图来评估对更传统的离线场景的态度(参见 多媒体附录10).我们询问了参与者对病人在离开医疗机构时被单独接触的态度。我们发现,在所有603名受访者中,无论之前是否使用Twitter,所有疾病类型,只有不到三分之一的人会更愿意接受传统的、亲自参加临床试验的请求:癌症(176/ 603,29.2%)、肥胖(161/ 603,26.7%)、HPV(169/ 603,28.0%)、艾滋病毒/艾滋病(174/ 603,28.9%)和吸烟(161/ 603,26.7%)。对于总体上更关心互联网隐私的受访者来说,研究人员亲自招募他们作为研究参与者与通过Twitter监控他们的舒适度没有任何有意义的变化。

假设5

假设5指出,关注程度与为确定要招募的个体进行临床试验而监测的信息类型有关。

我们评估了对医学研究人员或研究机构可能监测和审查的信息类型的关注程度,以确定招募他们进行临床试验的个体(见 多媒体附件6).当被问及对推特中的话题标签(即用于组织和链接推特上的对话的关键词,如#睡眠呼吸暂停症,#抑郁症或#心脏病)的监控时,603名受访者中有244人(40.5%)表达了某种程度的担忧。当被问及如何审查用户的公开Twitter消息时,在603名受访者中,265人(43.9%)表达了某种程度的担忧,而285人(47.3%)对审查个人资料描述的文本表达了某种程度的担忧。

假设6和7

假设6和7指出,有一定程度的关注与所招募的疾病类型和进行监测的实体类型有关。

我们使用了一组小插图(见 表1)以进一步评估关注程度与临床试验的疾病或健康主题以及监测Twitter上社交媒体用户活动的实体之间的关联。我们发现,在所有603名受访者中,无论之前使用Twitter的情况如何,大多数人对一所医学研究型大学的研究人员监测艾滋病毒/艾滋病试验的场景表示了一定程度的关注(349/ 603,57.9%)。我们将其与对其他疾病主题和实体具有一定程度关注的受访者进行了比较,例如癌症和大型研究机构的研究团队(300/ 603,49.7%),肥胖和制药公司的科学家(299/ 603,49.6%),HPV疫苗接种和州公共卫生办公室的卫生官员(298/ 603,49.4%),以及吸烟和地方公共卫生办公室的卫生官员(255/ 603,42.3%)。对于大多数小插图,进行研究的实体类型被选为影响关注水平的最重要因素;例如,对于癌症小插图,603名受访者中有284名(47.1%)表示实体是最重要的因素,而对于肥胖小插图,有286名受访者(47.4%),对于HPV小插图,有271名受访者(44.9%),对于艾滋病毒/艾滋病小插图,有250名受访者(41.5%)。

我们进一步对每个小插图的子问题的回答进行了分层,分离出那些表达了一些关注的回答 非常关心 有点担心以及那些表达很少或根本不关心的人 不太担心 一点也不担心-与整体的小插图场景。如 多媒体附件11 谁(或哪个实体)在监视Twitter是在所有情况下影响关注的最常见因素,无论整体互联网隐私关注程度是高还是低;唯一的例外是艾滋病毒/艾滋病的情况,表示总体担忧的受访者指出 被监测疾病/医疗状况的性质 是主要的影响因素。对于肥胖和HPV的情况,表示担忧的受访者中明显有很大一部分还指出 使用Twitter作为研究人员联系你的一种方法也是一个促成因素。

数据可用性

支持本研究结果的所有相关数据均可在数据存储库figshare中获得:

Twitter用户的回应:监测Twitter的临床试验招募[ 37].

TurkPrime员工的回应:监测Twitter对临床试验招募的影响 38].

讨论 主要研究结果

Twitter等公共社交网络可以访问用户信息,包括个人和敏感数据,而不一定需要个人的知情或同意。虽然以前的研究探讨了社交媒体作为健康研究工具和研究数据来源的独特伦理挑战[ 10 20. 39 40],只有少数研究提供了用户的观点和公众对使用社交媒体监测作为临床研究招募工具的看法[ 20. 22].例如,在最近的一项研究中,Fiesler等人发现,大多数接受调查的Twitter用户“认为研究人员不应该在未经同意的情况下使用推文”[ 22].然而,研究人员指出,公众对这一课题的意见有必要为制定伦理和规管指引及未来的实践提供资料[ 20. 22].

这项研究的目标是提供反映Twitter用户和非用户的公众观点的数据,并为科学论述提供关于使用Twitter用户数据进行临床试验招募的信息。我们讨论我们的发现与我们的假设(见 表4)和背景因素(如监测信息、研究疾病类型和监测实体),并得出对实践的潜在影响。

根据研究假设总结研究结果。

假设 总体调查结果(非分层)
主要假设:来源于CIRB一个反馈
假设1:在Twitter上进行临床试验招募的社交媒体监控被认为是窃听和侵犯隐私。 不受支持的。虽然近一半的受访者表示同意社交媒体监控构成了一种侵犯隐私的窃听形式,但超过三分之一的人不同意,近五分之一的人没有意见。较少的受访者认为社交媒体监控会损害隐私。
假设2:Twitter用户对隐私的期望与他们对使用社交媒体监测临床试验招募的关注程度有关。 支持。卡方检验显示,受访者的一般隐私担忧与他们对互联网研究的平均担忧之间存在正相关(N=603): χ216= 143.0, P< .005。此外,表示有一些一般隐私问题的受访者通常也对社交媒体监控以及每个小插图场景表示了更大的担忧。卡方检验证实,对隐私的普遍关注和对每个小插图的关注之间存在统计上的显著关系。
假设3:对Twitter平台的一般了解程度与对使用Twitter上的社交媒体监测进行临床试验招募的关注程度相关。 支持。两者在统计上有显著的关联( P=.001)受访者的Twitter素养与他们对研究人员监控其Twitter活动能力的担忧之间的关系,通常是为了临床试验招募的目的。总的来说,随着Twitter知识的增加,人们对研究人员监控Twitter活动的担忧也在增加。虽然受访者的Twitter素养与他们是否认为Twitter监测临床试验招募是窃听或侵犯隐私之间存在关联,但与受访者是否认为Twitter监测危及机密性之间没有显著关联。
的有效性测试 nonexceptionalist方法
假设4:人们对Twitter监测临床试验招募的担忧类似于那些更传统的离线场景(例如,在患者离开医疗设施时单独接近患者)。 支持。大多数人要么漠不关心,要么不知道,要么不太适应面对面的方法,不管以前是否使用Twitter,也不管所有疾病类型。他们没有发现Twitter监测比更传统的临床试验受试者招募手段更令人担忧。总的来说,这里提供的数据支持使用 nonexceptionalist方法用于评估基于社交媒体的监测和招聘。
可能影响社会媒体监测临床试验招募关注水平的因素
假设5:为确定临床试验招募个体而监测的信息类型与使用Twitter上的社交媒体监测进行临床试验招募的关注程度相关。 部分支持。虽然不是大多数,但近一半的受访者确实表示普遍担心研究人员会积极监控用户的Twitter活动,以确定和联系潜在的临床试验参与者。用户最担心的是查看个人资料描述的文本,而不太担心监控话题标签或个人推文的文本。
假设6:招募的疾病类型与使用Twitter社交媒体监测临床试验招募的关注程度相关。 支持。与其他引起较少关注的疾病主题(如癌症、肥胖、HPV)相比,近60%的受访者对艾滋病毒/艾滋病试验的监测表示担忧b接种疫苗和吸烟。
假设7:在Twitter上进行社交媒体监测的实体的性质与对临床试验招募监测的关注程度相关。 支持。对关注程度影响最大的因素是进行Twitter监测和研究的实体或个人。唯一的例外是艾滋病毒/艾滋病的情况,表示总体担忧的受访者指出 所监测疾病/医疗状况的性质是主要的影响因素。

一个中央机构审查委员会。

b人乳头状瘤病毒。

中央机构审查委员会的担忧

当我们测试CIRB提出的担忧时 积极倾听可能被参与者视为 窃听在他们关于健康、侵犯隐私和潜在的泄密的谈话中,我们发现大多数受访者不同意这一观点。尽管CIRB的担忧有一定的依据,十分之四的受访者认为Twitter的监控是窃听和侵犯隐私,但这种担忧并不普遍,即使在那些表达了较高程度的在线隐私担忧的人中也是如此。这表明,尽管临床研究人员应该注意到,一些推特用户会因为临床试验招募的目的而被监控,但这些担忧不应该阻止招募策略的实施。设计私隐等策略[ 21],例如,通过隐私通知和免责声明,可以应用于基于社交媒体的研究招聘中实现隐私。我们的数据还显示,受访者对隐私的普遍担忧与他们对基于互联网的研究活动的平均担忧之间存在统计学上的显著关系。那些通常更关心互联网隐私的人也更关心Twitter试用招聘监控的不同方面,比如谁在监控,哪些信息正在被监控。我们发现,在那些通常不太关心互联网隐私、活跃且经常使用Twitter的受访者中,效果正好相反。我们的数据表明,活跃的Twitter用户可能会影响对基于Twitter的互联网研究活动的隐私关注程度。这表明,在网上更活跃、更了解一般隐私问题的用户也更有可能关注Twitter对临床试验招募的监控,因为他们对在线隐私和监控的整体意识更高。

此外,CIRB委员会指出,“那些通过社交媒体平台公开分享自己信息的人可能仍然不知道平台的隐私政策。”我们发现,受访者的Twitter素养与他们对研究人员监控其Twitter活动能力的担忧之间存在显著关联,通常是为了临床试验招募的目的。我们进一步发现,受访者的Twitter素养与他们对研究人员为临床试验招募目的而监控Twitter上特定信息类型(例如,标签、公开推文和个人资料描述)的担忧之间存在显著关联。然而,我们不能说这些担忧一定会随着Twitter用户的增加而增加。与CIRB的担忧相关的是,我们还发现受访者的Twitter素养与他们是否认为Twitter监测临床试验招募是窃听和侵犯隐私之间存在显著关联;然而,Twitter素养与受访者是否认为Twitter监控会损害隐私之间并无显著关联。总体而言,受访者的Twitter素养与他们对研究人员监控Twitter活动的总体关注之间存在显著关联,这表明用户对Twitter作为一个平台了解得越多,他们就越担心研究人员监控他们的Twitter活动。对互联网用户的研究证实,这在许多网络识字领域都是一个挑战,总的来说[ 41 42],以及社交网络用户,尤其是[ 22 43].因此,一方面,人们对社交媒体平台了解得越多,就越能意识到可能存在的隐私问题。另一方面,那些Twitter素养不高的人可能不会表达担忧,因为他们根本不了解潜在的威胁。

测试非例外论方法

Gelinas等人建议雇佣一个 nonexceptionalist方法在研究中评估社交媒体招聘,并“使社交媒体招聘技术正常化,同时对其潜在的新方面保持敏感”[ 10].他们认为,“对社交媒体招聘的评估应该与更传统的模拟招聘或‘离线’招聘基本相同。”这包括(1)确定“正在提出的社交媒体技术的更熟悉的离线变体或同等物”,(2)确定实质性的伦理考虑,重点是尊重社交媒体用户的隐私和其他利益以及调查人员的透明度,以及(3)澄清和评估在线版本与更传统的离线版本不同的任何方面。我们使用了一系列小插图来评估受访者对更传统的离线场景的态度,并询问他们对离开医疗机构时单独接触患者的态度。我们发现,无论之前使用Twitter的情况如何,在所有疾病类型中,大多数人要么漠不关心,要么不知道,要么不太适应面对面的方法。这表明,尽管许多受访者表示担心社交媒体监控是窃听或潜在的侵犯隐私,如上文所述,他们并不认为这比更传统的临床试验受试者招募方式更令人担忧。事实上,我们的数据显示,不到三分之一的受访者更喜欢亲自招聘,而不是小插图中描述的twitter监控方法。即使在那些对网络隐私普遍存在高度担忧的人中,也只有38%的人倾向于亲自招聘。然而,亲自招聘是目前的标准做法。我们的研究结果支持了Gelinas等人的观点,因为从参与者的角度来看,基于社交媒体的招聘本身并不需要被视为例外,而研究人员也应该注意到一些参与者会发现它有问题。

影响关注程度的其他因素

继Marwick和Boyd之后[ 12]和尼森鲍姆[ 13],我们的研究结果支持这样一种观点,即用户在在线平台上对隐私的关注是基于情境的,当情境崩溃或模糊时,隐私问题就可能出现。近一半的受访者表示,他们普遍担心研究人员会积极监控用户的Twitter活动,以识别和联系潜在的临床试验参与者。这表明,对于许多人来说,上下文崩溃的发生引发了某种程度的隐私担忧;例如,出于一个原因公开发布的信息,比如与一个人的Twitter粉丝分享,是从该社交环境中获取的,用于不同的目的(即临床试验招募)。

我们的发现进一步支持了Bender等人先前提出的观点[ 21“在健康信息中,存在敏感性的梯度”,某些健康主题和疾病类型,如癌症,可能被视为不太敏感的个人健康信息。我们发现,与癌症、HPV、肥胖或吸烟相关的监测相比,与艾滋病毒/艾滋病相关的Twitter用户数据监测引起了最高程度的关注。这在一定程度上可能是由于艾滋病毒/艾滋病仍然与耻辱有关[ 44].调查对象的意见如下:

HIV是一种非常严重的私人疾病…这是需要面对面讨论的事情。

在推特上,用户使用特定的语言。这些用户已经公开了他们的意见或诊断。我觉得这就像一个公司随机询问员工一样。

然而,受访者也支持使用Twitter监测临床试验招募:

如果你在推特或任何社交媒体上谈论艾滋病毒/艾滋病,你必须知道这不是隐私。

只要与目标接触的人或研究人员对研究的来源非常透明,并且乐于提供信息来验证他们的身份和意图,我就不会感到惊慌或推迟。

我们确定了影响监测Twitter用户数据用于临床试验招募的关注程度的其他因素。除了上文所述的艾滋病毒/艾滋病情况外,对关注程度影响最大的因素是进行研究的实体或人员的类型。可能使用这种方法的研究人员应确保研究人员的透明度;例如,调查人员应避免编造网上身份,并明确披露研究的目标和设计[ 10].在为临床试验招募监测Twitter用户数据的情况下,可以使用多个消息来介绍项目和外联的主要目的,如路透社等人所描述的[ 45].

最后,在Twitter上的联系形式(即公开回复与私人消息)在艾滋病毒/艾滋病、肥胖和HPV场景中发挥了更重要的作用,在这些场景中,明显有很大一部分受访者表达了一些担忧。受访者认为:

这种情况肯定需要私下解决,而不是通过公开回复。

参与回应艾滋病毒/艾滋病小品

我认为公开回复而不是直接发短信可能会让人尴尬。

参与者对肥胖小插图的反应

这种情况会非常尴尬,公开回复可能会造成损害。

参与者对HPV小插曲的反应

这可能是由于耻辱[ 44]与艾滋病毒/艾滋病和肥胖等疾病相关,或围绕疫苗接种等话题的争议程度[ 46].看到 多媒体附件12为了更广泛的受访者的评论样本,以回应小插曲。

研究的局限性

这项研究仅限于两类人群:Twitter用户和TurkPrime员工。这些人群的年龄、教育水平和社会经济地位的范围可能比普通公众的范围更有限。共有22%的美国成年人使用Twitter,白人、黑人和西班牙裔成年人在所有年龄段中几乎相同,但18-29岁的人群使用Twitter的比例最高。 14].土耳其prime员工(即土耳其人)在年龄、性别和收入等几个人口统计维度上是多样化的,但并不能准确地代表整个美国。 47].因此,我们的发现可能也不能推广到对其他具有不同规范和隐私期望的社交媒体平台的监控,如Reddit、Facebook、Instagram、Tumblr或Snapchat。虽然我们希望看到公众态度的相似性,但未来的研究需要更多地阐明这里提出的结果如何在不同人群和不同平台上发挥作用。

此外,这是一项探索性研究,由国家研究机构(即CIRB)的反馈推动,本研究的样本量有限。更大样本的更有力的研究可能会产生更多的见解。最后,我们承认,虽然我们在最初的研究中选择了七个假设,但在未来的研究中,肯定还有其他与该主题相关的问题和变量值得进一步关注。

结论

我们在这里展示的数据有助于与公众就临床研究中使用社交媒体进行批判性对话。Twitter等公共社交网络为临床研究界提供了一个基于用户活动数据识别和吸引潜在研究参与者的新机会。然而,公共社交媒体数据的可用性导致了新的伦理挑战,涉及尊重用户隐私和监测临床试验招募社交媒体的适当性。这项研究的结果表明,大多数用户不认为以临床试验招募为目的监视Twitter构成不适当的监视或侵犯隐私。我们的数据进一步支持先前建议的使用 nonexceptionalist方法为了在研究中评估社交媒体,从参与者的角度来看,基于社交媒体的招聘本身并不需要被认为是例外,对于大多数人来说,它被认为比在物理诊所进行传统的亲自干预更好。尽管有这些发现,研究人员也应该注意到,一些参与者可能会发现社交媒体监控在某些情况下是有问题的。所表达的态度是高度上下文化的,取决于疾病或健康话题的类型以及在Twitter上监控用户的实体或个人等因素。进一步的研究应分离出影响各平台社交媒体用户关注程度的因素,并为制定更明确和一致的指导方针提供信息。

本研究采用开放式39项调查。

受访者的人口。

受访者的Twitter使用情况。

受访者的Twitter素养。

受访者对互联网隐私的普遍担忧。

受访者对互联网研究隐私的担忧。

受访者对社交媒体在Twitter上倾听临床试验招募的总体看法。

对社交媒体在Twitter上进行临床试验招募的总体意见进行分层分析,以找出那些表示同意有关窃听、侵犯隐私和损害机密性问题的回答。

对使用互联网时对隐私表示“非常担心”或“有点担心”的受访者进行分层分析。

受访者对小插图中描述的场景的关注程度,重点是研究疾病和监测社交媒体用户活动的实体。

对小插图子问题的回答,根据对小插图场景的整体互联网隐私关注程度进行分层。

被调查者对短文的评论的精选样本。

缩写 AML

急性髓系白血病

樱桃

网上电子调查报告结果核对表

CIRB

中央制度检讨委员会

人乳头状瘤病毒

人乳头状瘤病毒

IRB

院校检讨委员会

搬运工

研究电子数据采集

没有宣布。

鲍尔 P V 赌博 C Treweek 年代 史密斯 CT 年轻的 B 威廉姆森 P 改善临床试验招募和保留的干预措施:评估当前实践和未来优先事项的调查和研讨会 试用 2014 10 16 15 399 10.1186 / 1745-6215-15-399 25322807 1745-6215-15-399 PMC4210542 Treweek 年代 Pitkethly 烹饪 J 弗雷泽 C 米切尔 E 沙利文 F 杰克逊 C Taskila TK 加德纳 H 改进随机试验招募的策略 Cochrane数据库系统版本 2018 02 22 2 MR000013 10.1002/14651858. mr000013.pub6 29468635 医学研究所 车间的总结 药物发现、开发和转化论坛论文集:在美国设想转化临床试验企业:建立2020年议程 2012 药物发现、开发和转化论坛:在美国设想转化临床试验企业:建立2020年议程 2011年11月7日至8日 华盛顿特区 华盛顿特区 国家科学院出版社 10.17226/13345 医学研究所 车间的总结 药物发现、开发和转化论坛论文集:公众参与和临床试验:新模式和颠覆性技术 2012 药物发现、开发和转化论坛:公众参与和临床试验:新模式和颠覆性技术 2011年6月27-28日 纽约州纽约 华盛顿特区 国家科学院出版社 10.17226/13237 阿马拉尔 平托 交流 Cotrim 医学博士 罕见病药物:临床阶段的主要开发挑战 今日毒品发现 2019 03 24 3. 867 872 10.1016 / j.drudis.2019.01.005 30658132 s1359 30438 - 0 - 6446 (18) Briel Olu 冯榆树 E Kasenda B Alturki R 阿加瓦尔 一个 N Schandelmaier 年代 对中止试验的系统回顾表明,招募失败的大多数原因是可以预防的 临床流行病学 2016 12 80 8 15 10.1016 / j.jclinepi.2016.07.016 27498376 s0895 - 4356 (16) 30278 - 5 科迪兹 简森-巴顿 K 金刚砂 SL 拉金 CR 詹姆斯 AE 威林 J Primack 英航 对Twitter健康信息进行实时监控 公共卫生 2018 08 108 8 1009 1014 10.2105 / AJPH.2018.304497 29927648 PMC6050832 Eysenbach G 信息流行病学和信息监测:一套新兴的公共卫生信息学方法的框架,用于分析互联网上的搜索、传播和发布行为 J医疗互联网服务 2009 03 27 11 1 e11 10.2196 / jmir.1157 19329408 v11i1e11 PMC2762766 Salathe 本特松 l ·博德纳尔 TJ 布鲁尔 DD 布朗斯坦 JS Buckee C 坎贝尔 新兴市场 Cattuto C 年代 Mabry PL Vespignani 一个 数码流行病学 PLoS计算生物学 2012 8 7 e1002616 10.1371 / journal.pcbi.1002616 22844241 pcompbiol - d - 12 - 00494 PMC3406005 吉里 l 皮尔斯 R 温克勒 年代 科恩 搞笑 林奇 高频 比雷尔 使用社交媒体作为研究招募工具:伦理问题和建议 Am J Bioeth 2017 03 17 3. 3. 14 10.1080 / 15265161.2016.1276644 28207365 PMC5324729 Petronio 年代 隐私的边界:揭露的辩证法 2002 奥尔巴尼,纽约 纽约州立大学出版社 Marwick 一个 博伊德 D 网络隐私:青少年如何在社交媒体中协商环境 新媒体Soc 2014 07 21 16 7 1051 1067 10.1177 / 1461444814543995 尼森鲍姆 H 背景中的隐私:技术、政策和社会生活的完整性 2010 加利福尼亚州斯坦福大学 斯坦福大学出版社 皮尤研究中心 2019 06 12 2019-10-21 华盛顿特区 皮尤互联网和美国生活项目 社交媒体概况 https://www.pewinternet.org/fact-sheet/social-media/ Tsukayama H 华盛顿邮报 2017 11 7 2018-10-21 推特官方将字符限制翻倍至280个 https://www.washingtonpost.com/news/the-switch/wp/2017/11/07/twitter-is-officially-doubling-the-character-limit-to-280/ 年代 马克森 C 科斯特洛 吉隆坡 CY Demissie K 大草原 AA 利用社交媒体促进公共卫生知识:通过推特宣传癌症意识的例子 JMIR公共卫生监测 2016 2 1 e17 10.2196 / publichealth.5205 27227152 v2i1e17 PMC4869239 Sedrak 女士 科恩 RB 商人 RM Schapira 毫米 社交媒体时代的癌症传播 JAMA杂志 2016 06 01 2 6 822 823 10.1001 / jamaoncol.2015.5475 26940041 2497877 吉隆坡 坎贝尔 AJ 霍克 C 斯坦贝克 K Facebook作为青少年健康研究的招募工具:系统回顾 阿德莱德大学Pediatr 2014 14 5 439 e4 447. 10.1016 / j.acap.2014.05.049 25169155 s1876 - 2859 (14) 00186 - 7 Topolovec-Vranic J Natarajan K 社交媒体在医学研究招募中的使用:范围审查 J医疗互联网服务 2016 11 07 18 11 e286 10.2196 / jmir.5698 27821383 v18i11e286 PMC5118584 高德 年代 艾哈迈德 年代 诺曼 G 展位 一个 对使用社交媒体的研究伦理的态度:一项系统综述 J医疗互联网服务 2017 06 06 19 6 e195 10.2196 / jmir.7082 28588006 v19i6e195 PMC5478799 本德 莱托 老年痴呆 AB 阿尔布克尔 l 摩天 使用互联网和社交媒体招募健康研究参与者的伦理和隐私影响:在线招募的隐私设计框架 J医疗互联网服务 2017 04 06 19 4 e104 10.2196 / jmir.7029 28385682 v19i4e104 PMC5399223 Fiesler C Proferes N “参与者”对Twitter研究伦理的看法 媒体系统 2018 03 10 4 1 205630511876336 10.1177 / 2056305118763366 Eysenbach G 提高网上调查质素:网上电子调查结果报告核对表(樱桃) J医疗互联网服务 2004 09 29 6 3. e34 10.2196 / jmir.6.3.e34 15471760 v6e34 PMC1550605 美国国立卫生研究院 2019 05 30. 2019-10-24 华盛顿特区 美国国立卫生研究院 “我为什么要参加临床试验?” https://www.nih.gov/health-information/nih-clinical-research-trials-you/why-should-i-participate-clinical-trial Litman l 罗宾逊 J Abberbock T TurkPrime.com:行为科学的多功能众包数据获取平台 行为测定方法 2017 04 49 2 433 442 10.3758 / s13428 - 016 - 0727 - z 27071389 10.3758 / s13428 - 016 - 0727 - z PMC5405057 Teitcher Bockting 我们 Bauermeister 晶澳 Hoefer CJ 矿业公司 MH Klitzman RL 检测、预防和应对互联网研究中的“骗子”:伦理和权衡 法律医学伦理学 2015 43 1 116 133 10.1111 / jlme.12200 25846043 PMC4669957 坎宁安 晶澳 Godinho 一个 霍金斯 直流 对问题赌徒进行在线干预的试点随机对照试验 瘾君子行为代表 2019 06 9 100175 10.1016 / j.abrep.2019.100175 31193792 s2352 - 8532 (19) 30025 - 2 PMC6542746 坎宁安 晶澳 Godinho 一个 Bertholet N 两项随机对照试验的结果,通过机械土耳其招募参与者,针对不健康的酒精使用进行互联网干预 BMC医学Res Methodol 2019 06 14 19 1 124 10.1186 / s12874 - 019 - 0770 - 4 31200648 10.1186 / s12874 - 019 - 0770 - 4 PMC6570877 西蒙 盖斯 C 洛克哈特 G 面对面接触和互惠关系的重要性及其与抑郁症状和生活满意度的关系 合格人寿保险 2019 11 28 11 2909 2917 10.1007 / s11136 - 019 - 02232 - 7 31201729 10.1007 / s11136 - 019 - 02232 - 7 Jirsaraie RJ Ranby 千瓦 Albeck DS 早期生活压力调节年龄与亲社会行为之间的关系 儿童虐待忽视 2019 08 94 104029 10.1016 / j.chiabu.2019.104029 31207572 s0145 - 2134 (19) 30206 - 6 狂吠 K 格里森姆 揭示对物品的情感依恋结构及其与囤积症状的联系 行为成瘾者 2019 06 01 8 2 249 258 10.1556 / 2006.8.2019.15 31112034 邦基集团 E 烹饪 债券 威廉姆森 再保险 卡诺 Barrera) 阿兹 Leykin Y 穆尼奥斯 射频 比较亚马逊土耳其机器人与在线临床试验中的免费互联网资源 互联网间歇雨刷 2018 06 12 68 73 10.1016 / j.invent.2018.04.001 30135770 s2214 - 7829 (17) 30122 - 7 PMC6096331 Arditte Cek D 定音鼓 基米-雷克南 在机械土耳其研究中评估临床现象的重要性 Psychol评估 2016 06 28 6 684 691 10.1037 / pas0000217 26302105 2015-38662-001 Z Elekdag-Turk 年代 土耳其人 T 格罗夫 J Dalci O J K 阿里Darendeliler 斯温 机械振动对正畸牙齿运动影响的计算与临床研究 > 2017 07 26 60 57 64 10.1016 / j.jbiomech.2017.06.012 28743370 s0021 - 9290 (17) 30309 - 3 Buccafusco C 伯恩斯 JC Sprigman CJ 知识产权法创新门槛的实验检验 特克斯律师 2014 06 01 93 1921 1980 哈里斯 巴勒斯坦权力机构 泰勒 R Thielke R 佩恩 J 冈萨雷斯 N 康德 研究电子数据捕获(REDCap):一种元数据驱动的方法和工作流过程,用于提供转化研究信息学支持 J生物医学信息 2009 04 42 2 377 381 10.1016 / j.jbi.2008.08.010 18929686 s1532 - 0464 (08) 00122 - 6 PMC2700030 路透社 K figshare 2019 06 25 2019-10-21 Twitter用户的回应:监测Twitter的临床试验招募情况 https://figshare.com/articles/Responses_from_Twitter_users_Monitoring_Twitter_for_clinical_trial_recruitment/8308973 路透社 K figshare 2019 06 25 2019-10-21 TurkPrime员工的回应:监测Twitter的临床试验招募情况 https://figshare.com/articles/Responses_from_TurkPrime_workers_Monitoring_Twitter_for_clinical_trial_recruitment/8309429 Clyne W Pezaro 年代 Deeny K Kneafsey R 使用社交媒体生成和收集原始数据:#展示工作场所的激情推特研究活动 JMIR公共卫生监测 2018 04 23 4 2 出价 10.2196 / publichealth.7686 29685866 v4i2e41 PMC5938572 Sinnenberg l Buttenheim Padrez K Mancheno C l 商人 RM 推特作为健康研究的工具:系统回顾 公共卫生 2017 01 107 1 e1 e8 10.2105 / AJPH.2016.303512 27854532 PMC5308155 R Dabbish l Fruchter N Kiesler 年代 我的数据到处都是:用户对互联网的心理模型以及对隐私和安全的影响 第十一届USENIX可用隐私和安全会议论文集 2015 07 第十一届USENIX可用隐私和安全会议 2015年7月22日至24日 加拿大渥太华 伯克利分校, USENIX协会 39 52 公园 YJ 数字素养和在线隐私行为 Commun Res 2011 08 23 40 2 215 236 10.1177 / 0093650211418338 巴奇 Dienlin T 控制你的Facebook:在线隐私素养分析 计算人类行为 2016 03 56 147 154 10.1016 / j.chb.2015.11.022 钱伯斯 埃达 年代 贝克 DN 威尔逊 毫克 多伊奇 R Raeifar E 洛克 某人 病耻感检讨小组 病耻感、艾滋病毒和健康:定性综合 BMC公共卫生 2015 09 03 15 848 10.1186 / s12889 - 015 - 2197 - 0 26334626 10.1186 / s12889 - 015 - 2197 - 0 PMC4557823 路透社 K Angyan P N •麦乐伦 一个 科尔 年代 Bluthenthal RN 车道 CJ El-Khoueiry AB 布坎南 助教 在洛杉矶县癌症试验中监测Twitter对话的定向招募:混合方法试点研究的协议 JMIR Res Protoc 2018 09 25 7 9 e177 10.2196 / resprot.9762 30274964 v7i9e177 PMC6231794 麦克卢尔 CC Cataldi 奥利里 疫苗犹豫:我们在哪里,我们要去哪里 中国其他 2017 08 39 8 1550 1562 10.1016 / j.clinthera.2017.07.003 28774498 s0149 - 2918 (17) 30770 - 1 罗斯 J 伊朗人 Silberman 女士 萨尔迪瓦尔 一个 汤姆林森 B 土耳其人是谁?亚马逊土耳其机器人的工人人口统计数据 计算系统中的人为因素2010年ACM CHI会议论文集 2010 ACM CHI 2010年计算系统中的人为因素会议 2010年4月10日至15日 亚特兰大,乔治亚州 2863 2872 10.1002/9781405165518. wbeos0994
Baidu
map