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。
人类乳头瘤病毒(HPV)疫苗是癌症预防的一项重大进步,这种初级预防工具有可能减少和消除HPV相关的癌症;然而,疫苗的安全性和有效性,特别是HPV疫苗,受到了攻击,特别是通过社交媒体上的错误信息传播。流行的社交媒体平台Instagram是健康(错误)信息的重要来源;三分之一的美国成年人使用Instagram。
本分析的目的是描述Instagram上支持和抗hpv疫苗网络的特征,并描述抗hpv疫苗网络中的错误信息。
从2018年4月到2018年12月,我们使用Netlytic软件收集了公开可用的英文Instagram帖子,其中包含#HPV、#HPVVaccine或#Gardasil标签(n=16,607)。我们随机选择了10%的样本,并分析了相关帖子(n=580)的文本、图像和社交媒体特征以及整体属性(例如,情感,个人故事)。在反疫苗帖子中,我们将错误信息的要素分为四个大维度:1)错误信息理论领域,2)疫苗辩论主题,3)证据基础,4)健康信念。我们对职位子样本进行了单变量、双变量和网络分析,以量化单个职位在网络中的作用和位置。
与prov疫苗职位(324/580,55.9%)相比,反疫苗职位(256/580,44.1%)更有可能源自个人(64.1%反疫苗vs 25.0% prov疫苗;
在社交媒体上识别与HPV疫苗相关的错误信息的特征,将为有针对性的干预提供信息(例如,网络意见领袖),并有助于传播针对不同虚假信息的纠正性信息和故事。
在美国,大约有8000万人(约四分之一)感染了人乳头瘤病毒(HPV),每年将发生1400万例HPV新病例[
2016年,全国HPV疫苗接种圆桌会议将社交媒体确定为增强疫苗信心和提高HPV疫苗接种率的首要优先事项[
流行的社交媒体平台Instagram是健康信息和错误信息的一个重要来源。
虚假信息,特别是通过社交媒体和其他在线平台传播的信息,是对公共卫生和医学的重大威胁[
Instagram帖子的特征(如格式、来源和内容)如何因HPV疫苗的观点而不同?
在抗hpv疫苗的Instagram帖子中,错误信息的突出方面是什么?
支持hpv疫苗和反对hpv疫苗的ins帖子的网络结构特点是什么?
帖子的位置(中心性)和受欢迎程度(点赞数)如何随着帖子的特征和错误信息的领域而变化?
2018年4月至12月期间,我们使用Netlytic [
根据之前关于这一主题的社交媒体研究[
我们从16607篇文章中随机选择了1660篇(约占最终样本的10%)来创建子样本进行内容分析。子样本中与HPV疫苗无关的帖子(例如,更普遍的HPV或另一种疫苗)未被分析(n=757)。此外,如果我们无法通过数据集(n=298)中的超链接访问图像,则不分析子样本中的帖子。如果帖子在数据收集后已被删除,或者用户更改了帐户隐私设置,则工作超链接不可用。我们的内容分析子样本包括605篇文章。帖子的图像、标题文本和整体帖子属性(即来源、上下文/风格和情绪)的明显特征使用代码本的修改版本进行编码(参见
基于对文献的回顾,我们将错误信息的要素分为四个大维度:1)错误信息理论领域,2)疫苗辩论主题,3)证据基础,4)健康信念。错误信息理论领域来自Zhou和Zhang [
子样本的内容分析由研究小组的四名成员完成,他们之前曾分析过Instagram上的HPV疫苗帖子[
为了识别帖子标题文本中是否存在关键词,我们在表示与HPV疫苗特征相关的主题的字符串中搜索字符(例如,“癌症”、“CDC”)。我们还搜索了帖子元数据来识别标签;提到;meme;如果包含了某个地点,还需要相关的社交媒体特征。然后对照-à-vis疫苗情绪检查了标题文本和社交媒体特征。
我们构建了Instagram帖子与编码HPV疫苗术语和特征之间关系的2模式关联网络。我们构建了两个网络:(a) 580 x 14的“一般”网络,包括580个支持和反疫苗帖子以及所提到的14个术语;(b) 256个反疫苗帖子和23个错误信息维度/域/主题和标签的256 x 23子网络。细胞
我们使用UCINET软件[
双模式可视化(n=580个帖子;中立帖子除外)。包括图像、标题和社交媒体特征。按特征类型着色的变量。按点赞大小(平均=145.8;值= 21;最大= 6634)。点赞数最多的前两个帖子。符号形状表示后源。颜色表示节点类型。 Rim color indicates post context. Yellow = social media features. Light blue = image characteristics. Dark blue = caption text characteristics. Red = antivaccine. Green = provaccine. Black rim = personal narrative. White rim = information/resource. Circle = general group. Square = general individual. Triangle = health group. Diamond = health individual.
抗疫苗网络可视化(n=256个帖子)。按特征类型着色的变量。按点赞大小(平均值=220.9;值= 27个;最大= 5604)。点赞数最多的前三篇文章。包括图片、错误信息类型和社交媒体特征。符号形状表示后源。颜色表示节点类型。黄色=社交媒体功能。 Light blue = image characteristics. Dark blue = type of misinformation. Black = personal narrative. White = information/resource. Circle = general group. Square = general individual. Triangle = health group. Diamond = health individual.
统计分析包括单因素分析和双因素分析,并在STATA/IC Version 15软件中进行[
在我们子样本中的605个相关和工作岗位中,一小部分(n=25, 4.1%编码岗位)被确定为中立(即,既不支持也不反对疫苗),因此被排除在后续分析之外。因此,最终的分析样本包括256个抗疫苗职位和324个prov疫苗职位(n=580)。
在整个码本开发过程中,使用百分比一致性评估编码器之间的可靠性(平均一致性=0.87,SD=0.09)。在代码本开发之后,研究成员被随机分配了唯一的帖子样本来编码,以及额外的共享帖子样本来再次评估编码器之间的可靠性(平均一致性=0.85,SD=0.09),以确保我们的编码过程是严格的和可复制的。个体编码的一致性范围从0.67(疫苗相关损伤的易感性)到1.0(不接种疫苗的障碍)。
支持疫苗和抗疫苗职位之间的特征存在显著差异(见
支持疫苗和反疫苗帖子的Instagram帖子特征(即图像、文本和社交媒体特征)的频率和比例。结果按总频率降序排列。提供所有职位的平均like计数和SDs。卡方检验评估了支持疫苗和抗疫苗职位之间的职位特征分布的显著差异(alpha=.05)。
文章的特点 | 值(N=580), N (%) | 平均点赞数,n (SD) | prov疫苗(n=324), % | 抗疫苗(n=256), % |
|
||
|
|||||||
|
|
|
|
|
|||
|
|
Provaccine | 324 (55.9) | 86.3 (484.6) |
|
|
|
|
|
反对疫苗接种的 | 256 (44.1) | 220.9 (591.0) |
|
|
|
|
|
中性b | 25 (4.1) | 29.4 (67.8) |
|
|
|
|
|
|
|||||
|
|
一般个人 | 245 (42.2) | 132.2 (539.8) | 25 | 64.1 |
|
|
|
健康non-individual | 151 (26.0) | 109.2 (464.8) | 41.1 | 7 |
|
|
|
一般non-individual | 102 (17.6) | 174.8 (418.5) | 17.6 | 17.6 |
|
|
|
健康的个体 | 82 (14.1) | 217.5 (749.9) | 16.4 | 11.3 |
|
|
|
|
|||||
|
|
个人叙述 | 178 (30.7) | 217.5 (673.7) | 25.6 | 37.1 |
|
|
|
信息/资源 | 402 (69.3) | 114 (462.7) | 74.4 | 62.9 |
|
|
|||||||
|
|
|
|||||
|
|
想像跟 | 187 (32.2) | 135.4 (578.4) | 43.2 | 18.4 |
|
|
|
文本+图像:非信息图 | 173 (29.8) | 181.8 (459.2) | 18.5 | 44.1 |
|
|
|
文本 | 74 (12.8) | 207.9 (891.6) | 13 | 12.5 |
|
|
|
文字+图像:信息图表 | 62 (10.7) | 75.7 (268.6) | 17.3 | 2.3 |
|
|
|
视频 | 58 (10.0) | 93.7 (296.3) | 7.1 | 13.7 |
|
|
|
其他 | 26日(4.5) | 86.8 (141.0) | 0.9 | 9 |
|
|
|
|
|||||
|
|
没有一个 | 251 (43.3) | 136.1 (558.5) | 46.3 | 39.5 |
|
|
|
1人 | 199 (34.3) | 184.5 (615.4) | 31.8 | 37.5 |
|
|
|
2 - 9人 | 117 (20.2) | 100.7 (330.4) | 19.8 | 20.7 |
|
|
|
10 +人 | 13 (2.2) | 143.3 (332.0) | 2.2 | 2.3 |
|
|
|
|
|||||
|
|
没有一个 | 311 (53.6) | 146.4 (545.4) | 54.9 | 52 |
|
|
|
女(s) | 134 (23.1) | 166.2 (671.1) | 20.4 | 26.6 |
|
|
|
男性(s) | 58 (10.0) | 172.2 (398.8) | 9 | 11.3 |
|
|
|
男女均可 | 47 (8.1) | 108.8 (329.9) | 11.1 | 4.3 |
|
|
|
无法确定 | 30 (5.2) | 54.8 (177.3) | 4.6 | 5.9 |
|
|
|
|
|||||
|
|
疫苗证明 | 146 (25.2) | 158.7 (472.0) | 22.8 | 28.1 | 0.15 |
|
|
显示卫生专业人员 | 91 (15.7) | 110.4 (347.7) | 19.4 | 10.9 | 0.005 |
|
|
父/照顾者所示 | 30 (5.2) | 177.3 (489.6) | 2.8 | 8.2 | 0.003 |
|
|||||||
|
#人乳头状瘤病毒 | 330 (56.9) | 97.6 (374.9) | 74.1 | 35.2 | <措施 | |
|
# HPVVaccine | 271 (46.7) | 133.1 (643.3) | 60.5 | 29.3 | <措施 | |
|
#“加德西” | 268 (46.2) | 179.2 (475.9) | 23.2 | 75.4 | <措施 | |
|
#HPV + #HPV疫苗 | 121 (20.9) | 90.1 (450.9) | 35.19 | 2.73 | <措施 | |
|
HPV + Gardasil | 96 (16.6) | 148.4 (379.6) | 11.7 | 22.7 | <措施 | |
|
#HPVVaccine + #Gardasil | 37 (6.4) | 97.1 (368.3) | 1.8 | 12.1 | <措施 | |
|
#HPV + #HPV疫苗+ #Gardasil | 26日(4.5) | 151.1 (486.3) | 5.6 | 3.1 | 0.16 | |
|
|||||||
|
其他用户提到 | 202 (34.8) | 123.5 (362.3) | 26.9 | 44.9 | <措施 | |
|
链接包括 | 126 (21.7) | 142.4 (446.5) | 15.7 | 29.3 | <措施 | |
|
Post是转发 | 102 (17.6) | 110 (336) | 7.1 | 30.9 | <措施 | |
|
位置包括 | 89 (15.3) | 78.6 (312.1) | 24.7 | 3.5 | <措施 |
一个-:不适用。
b中立帖子被排除在后续分析之外。
反疫苗Instagram帖子的错误信息特征的频率和比例(n=256)。结果按频率降序排列。所有特征都是独立编码的,并不相互排斥。未显示(<10%):疫苗可预防疾病的严重程度、不接种疫苗的好处、不接种疫苗的障碍。
类别、特点 | n值, | 平均点赞数,n (SD) | 学位中心一个 | |
错误信息域 | ||||
|
隐藏 | 135 | 238.3 (677.7) | 0.527 |
|
失真 | 84 | 167.4 (391.1) | 0.328 |
|
矛盾心理 | 73 | 155.1 (391.3) | 0.285 |
|
伪造 | 40 | 267.6 (525.0) | 0.156 |
疫苗辩论主题 | ||||
|
阴谋论 | 144 | 152.8 (378.7) | 0.563 |
|
疫苗无效 | 72 | 254.3 (632.0) | 0.281 |
|
公民自由 | 49 | 193 (491.5) | 0.191 |
|
替代医学 | 34 | 257 (573.8) | 0.133 |
|
意识形态 | 26 | 243 (548.2) | 0.102 |
证据基础 | ||||
|
未经证实的说法 | 185 | 156.8 (416.1) | 0.723 |
|
疫苗伤害的故事 | 116 | 209.4 (482.4) | 0.453 |
|
Nanopublication | 71 | 254.5 (789.6) | 0.277 |
健康信念 | ||||
|
疫苗相关损伤的严重程度 | 205 | 214.9 (599.8) | 0.801 |
|
疫苗相关损伤的易感性 | 163 | 192.5 (464.8) | 0.637 |
|
感知行为控制 | 103 | 306.8 (772.9) | 0.402 |
|
行动提示 | 102 | 286.9 (771.1) | 0.398 |
|
易患疫苗可预防疾病 | 41 | 253 (594.2) | 0.16 |
一个度中心性—一个指标,表示单个特征之间的联系程度,以及这种特征在通过网络传递信息和资源时的可能性;测度越高,该特征在网络中越常见或频繁出现。抗疫苗网络的平均度中心性为0.336 (SD=0.219)。
平均而言,抗疫苗网络的度中心性为0.336 (SD=0.219)。如
在我们的HPV疫苗样本中,大多数Instagram帖子都是provaccine,并使用了#HPV和#HPVvaccine标签。反疫苗帖子平均获得的赞数比prov疫苗帖子多,而且更有可能使用#Gardasil。社交媒体功能的使用也因帖子情绪而异。反疫苗的帖子更有可能提到另一个Instagram用户(即直接交流),而prov疫苗的帖子更有可能包括位置信息——这表明这两个群体在如何与他人联系和共享信息方面存在差异。例如,反疫苗帖子包含位置信息的频率明显低于prov疫苗帖子,是否有地理标记可能是内容创作者透明度和可信度的一个重要标志[
我们对Instagram数据的研究结果支持了在其他与HPV疫苗相关的社交媒体平台上进行的研究。与我们的发现类似,推特的研究发现,大部分内容都是不正确的。
我们的网络图与反疫苗帖子之间的错误信息有关(
在我们的子样本网络中,隐藏是错误信息理论的核心领域。使用隐瞒作为传播错误信息的工具的帖子,旨在揭露谎言或揭露以前不为人知的事实。从我们的数据中提供的一个例子表明,一项“新研究”有助于揭示先前关于HPV疫苗试验的“未知事实”。失真虽然不是网络的核心组成部分,但也表现出高度的中心性。掩盖性的帖子照亮了信息,而扭曲性的帖子则制造了虚假的光芒,呈现了一个或多个潜在的真实证据,暗示了它们之间的相关性、因果关系或比较。在将接种疫苗与受伤联系起来的受伤故事中,扭曲现象尤其突出。隐藏和扭曲错误信息领域需要独特的策略来解决因暴露于此类信息而可能产生的犹豫、恐惧或怀疑。
阴谋论也是反疫苗网络的核心,其中包括声称各种行为者(如政府、非营利组织或行业)出于邪恶的原因想要推广HPV疫苗接种的帖子。阴谋在疫苗或更广泛的健康领域并不是一个新话题,解决这类错误信息的策略可能会寻求找出隐藏的议程或具有自私自利利益的集团,包括但不限于经济利益。解决阴谋的其他策略可能是确定感到被疏远的群体,并创造对话的机会。
虚假信息帖子的第三个核心组成部分是使用未经证实的或轶事性的证据(如个人经历)来证实谎言。例如,声称疫苗会导致自闭症或婴儿猝死综合症(SIDS)的帖子是未经证实的证据,因为有科学证据支持相反的观点[
最后,关于健康观念,错误信息帖子侧重于疫苗相关损伤的严重程度和易感性。严重程度的帖子专注于有害的副作用,疾病,甚至死亡——更不用说可能未知的长期影响。另一方面,易受影响的包括关于副作用的共同性和儿童时间表上的疫苗数量的争论,因此使免疫系统过载。对于那些担心HPV疫苗与脑膜炎球菌疫苗和Tdap疫苗一起常规接种的父母来说,最后一种观点可能特别突出。
我们的研究有值得注意的局限性。首先,我们的样本是使用三个标签创建的,这限制了我们发现的泛化性。我们通过使用三个常见的标签来减轻这种潜在的偏见,这些标签已在其他研究中使用,并已被证明包括支持和反对疫苗的内容[
第四,我们在分析中包括了平均值而不是中位数。反疫苗帖子的点赞数中位数为27(平均值=220.9),而prov疫苗帖子的点赞数中位数为18(平均值=86.3),这证实了先前的报告,即点赞等参与指标是右倾的,因为少数帖子获得的点赞比例不合理[
社交媒体上的健康错误信息多种多样,利用了理性到情感的状态。识别社交媒体上健康错误信息的特征将有助于制定有针对性的干预措施和量身定制的信息,以传播纠正性的信息和故事[
仅利用传统卫生专家和当局的传播策略无法应对社交媒体上的错误信息。“专家患者”和“专家父母”的崛起,部分原因是他们熟练使用社交媒体网络功能,以及他们故事的突出性和相关性。解决社交媒体上的错误信息需要多个行业和健康消费者类型的资源开发和热情,包括科技和健康保险公司、医院和医生团体,以及父母和癌症幸存者的倡导者。
用于内容分析的代码本。
带有明确错误信息元素的反疫苗Instagram帖子范例。
人类乳头状瘤病毒
PM是第一作者,撰写手稿,概念化研究问题,并参与所有数据分析和解释。MK先导数据收集和colead数据分析并编写结果。MH和PS协助数据分析和结果。EK领先社交网络数据分析和解读。AL协助撰写手稿、数据分析和概念化研究问题。这项研究得到了美国国家癌症研究所(3P30CA056036-18S3和R01-CA229324-01A)的支持。
没有宣布。