社会媒体上健康错误信息的流行:系统评价

介绍

在过去的二十年里，互联网用户越来越多地使用社交媒体寻求和分享健康信息[1]。这些社交平台获得了来自所有社会群体的健康信息消费者的广泛参与，无论性别或年龄[2]。卫生专业人员和组织也在利用这一媒介传播有关健康习惯的卫生相关知识和预防疾病的医疗信息，因为它提供了一个前所未有的机会，可以在人群中提高卫生知识、自我效能和治疗依从性[3.-9]。然而，这些公共工具也为前所未有的社会和健康风险打开了大门[10，11]。虽然这些平台已证明对促进健康有用[7，12]，最近的研究表明，虚假或误导性的健康信息可能比科学知识更容易通过社交媒体传播，[13，14]。因此，有必要了解健康错误信息是如何传播的，以及它如何影响决策和健康行为[15]。

尽管“健康错误信息”一词越来越多地出现在我们的社会中，但由于社会媒体生态系统的内在活力和广泛的健康主题，其定义正变得越来越难以捉摸[16]。使用一个广泛的术语，可以包括科学文献中各种各样的定义，我们在这里将健康错误信息定义为基于轶事证据的健康相关主张，错误的，或由于缺乏现有的科学知识而具有误导性[1]。这一一般定义将考虑，一方面，信息是虚假的，但不是为了造成伤害而创建的(即，misinformation)，另一方面，信息是虚假的或基于现实，但故意创建伤害特定的人，社会群体，机构或国家(即，disinformation和malinformation)。

最近，COVID-19大流行凸显了社交媒体上卫生错误信息的根本作用，也凸显了卫生信息的质量和准确性，以便管理当前的公共卫生危机和随后的信息大流行。事实上，目前，通过社交媒体传播健康错误信息已经成为一个主要的公共卫生问题[17]。对社交媒体上的健康信息缺乏控制被用作当前要求规范在线信息的质量和公众可得性的证据[18]。事实上，尽管今天卫生专业人员和决策者对控制卫生错误信息的必要性达成了广泛共识，但仍然没有多少证据表明，通过社交媒体传播虚假或误导性健康信息在不久的将来可能对公共卫生产生影响。尽管最近的研究正在探索有效打击网上健康错误信息的创新方法[19-22]，需要进一步的研究来描述和捕捉这一复杂的社会现象[23]。

更具体地说，在公共卫生领域发现了四个知识空白[1]。首先，我们必须确定主要的健康错误信息趋势，并具体评估它们在不同社交平台上的流行程度。其次，我们需要了解互动机制和因素，这些机制和因素使得通过社交媒体逐步传播健康错误信息成为可能(例如，疫苗接种神话、神奇饮食、基于轶事证据的替代疗法以及误导性的健康产品广告)。诸如错误信息的来源、在线社区的结构和动态、社交媒体渠道的特性、寻求健康信息的人的动机和概况、健康信息的内容和框架以及错误信息共享的背景等因素，对于通过这些平台了解健康错误信息的动态至关重要。例如，尽管社交机器人在政治竞选和选举期间通过社交媒体平台传播错误信息的作用得到了广泛认可，但社交媒体上的健康辩论也受到社交机器人的影响[24]。目前，社交机器人被用来推广某些产品，以增加公司利润，以及有利于某些意识形态立场或与健康证据相矛盾(例如疫苗)[25]。第三，流行病学和公共卫生研究的一个关键挑战是，不仅要确定这些工具在传播健康错误信息方面的有效影响，还要确定它们对不健康或危险行为的发展和繁殖的影响。最后，关于卫生干预措施，我们需要知道哪些战略在打击和减少卫生错误信息的负面影响方面是最好的，同时又不降低利用这些工具传播卫生信息的固有沟通潜力。

根据上述差距，最近的一份报告代表了对社交媒体上的健康错误信息进行比较研究的第一步[16]。通过对文献的系统回顾，本研究提供了用于健康错误信息研究的主要主题、研究领域、方法和技术的一般特征。然而，尽管为使人们理解这一高度复杂的现象作出了值得赞扬的努力，但今天仍然明显缺乏客观指标来衡量卫生方面的错误信息问题。

考虑到这些广泛的考虑因素，本系统综述旨在专门解决知识差距问题。为了指导这一知识领域的未来研究，我们的目标是确定和比较社交媒体平台上健康错误信息主题的流行程度，特别关注研究的方法学质量和为解决这一公共卫生问题而实施的各种分析技术。

方法

指导方针

是次系统检讨是根据系统检讨及荟萃分析的首选报告项目指引[26]。

入选标准

包括以下研究:(1)目标是解决社交媒体上健康错误信息的研究，系统地搜索健康错误信息，并明确讨论错误信息的影响、后果或目的;(2)研究结果以实证结果为基础，采用了定量、定性和计算方法;(3)研究重点是社交媒体平台(如Twitter、Facebook、Instagram、Flickr、新浪微博、VK、YouTube、Reddit、Myspace、Pinterest和WhatsApp)。为了便于比较，我们纳入了2000年之后至2019年3月发表的英文研究。

排除标准

如果文章涉及一般的卫生信息质量，或者部分提及卫生错误信息的存在而没有提供经验性发现，则排除。我们没有纳入与其他社交媒体平台上发布的内容有关的研究。在筛选过程中，缺乏方法学质量的论文也被排除在外。

搜索策略

我们在2019年3月使用PubMed搜索引擎搜索MEDLINE和PREMEDLINE。根据先前的研究结果[16]，查询搜索与以下三个基本分析维度相关的MeSH术语和关键词(在整个稿件中)，这些维度阐明了我们的研究目标:(1)社交媒体，(2)健康，(3)错误信息。MeSH术语是社交媒体和健康(即，这个术语包括健康行为)和(错误信息或信息寻求行为或沟通或健康知识，态度，实践)。根据最初的搜索结果，我们添加了一些关键词(从符合纳入标准的文章中提取)，专门关注社交媒体上的健康错误信息问题。使用MeSH术语的搜索补充了以下关键词:社交媒体(例如，“Twitter”或“Facebook”或“Instagram”或“Flickr”或“新浪微博”或“YouTube”或“Pinterest”)和健康和错误信息(例如，“不准确的信息”或“劣质信息”或“误导性信息”或“寻求信息”或“谣言”或“八卦”或“恶作剧”或“都市传说”或“神话”或“谬论”或“阴谋论”)。这个初始搜索检索了1693条记录。此外，该搜索策略也适用于Scopus(3969条记录)和Web of Science(1541条记录)。搜索词的完整描述可以在多媒体附录1。

研究选择

我们总共收集了5018篇研究文章。在去除重复后，我们筛选了3563篇文章，检索到226篇潜在的符合条件的文章。在下一阶段，我们独立进行了全文选择纳入过程(k=0.89)。分歧由双方协商解决。最后，本系统综述共纳入69篇文章(图1)。

‎ 查看此图

数据提取

在第一阶段，用VSL提取数据，然后用VSL和JAG进行核对。为了评估所选研究的质量，并考虑到文章中发现的各种方法和方法，我们根据以前的工作编写了一份提取表格[27-29]。每个抽取表格包含62个项目，其中大部分是封闭问题，可以使用预定义的表格(是/好，否/差，部分/一般等)回答。根据这一编码方案，我们提取了以下四个不同的信息领域:(1)描述性信息(27项)，(2)搜索策略评估(8项)，(3)信息评估(6项)，以及(4)定量或定性研究的方法和报告的质量和严谨性(15项)。多媒体附录1)。字段2中的问题，在以前的研究中使用过[27]，评估了所提供信息的质量，以证明搜索策略的报告性、系统性和综合性(S分)。字段3中的项目衡量了对与健康有关的错误信息的评估的严格程度(E分)[27]。字段4包含用于研究过程质量总体评价的项目，是否定量[28]或定性的[29]。这种Q-score方法考虑了研究和报告的一般方面，如研究、方法和讨论的质量。对于每个信息字段，我们将原始分数计算为每个项目的总和，即“是”或“好”为1分，“一般”为0.5分，“不”或“差”为0分(多媒体附录2)。这些问题的目的是为了保证所选研究的质量。

此外，为了能够比较所选研究中使用的方法，将研究分为几类。被归类为“内容/文本分析”的研究使用了与文本和内容分析相关的方法，强调词/话题频率、语言查询词计数、n-grams等。第二类“评价内容”将方法侧重于评价内容和信息的研究组合在一起。总的来说，这些研究分析了社交媒体上发布的信息的不同维度。第三类“评价质量”包括以全球方式分析所提供信息质量的研究。这个类别考虑了除内容之外的其他维度，如可读性、准确性、有用性和信息来源。第四类“情绪分析”包括方法侧重于情绪分析技术的研究(即测量社交媒体上对话的反应和一般语气的方法)。最后，“社会网络分析”类别包括那些方法基于社会网络分析技术的研究。这些研究的重点是衡量错误信息如何在社交媒体上传播，信息质量与其在这些社交平台上的受欢迎程度之间的关系，用户与意见之间的关系，回声室效应和意见形成。

在可供全文审查的226项研究中，157项因各种原因被排除在外，包括研究主题不关注健康错误信息(n=133)。我们还排除了基于网站而非社交媒体平台的研究(n=16)、没有评估健康信息质量(n=6)或评估机构沟通(n=5)的研究、非实证研究(n=2)和研究方案(n=1)。此外，有2篇论文因缺乏质量要求(Q评分<50%)而被排除。最后，本综述的方案在国际前瞻性系统评价注册(PROSPERO CRD42019136694)上注册。

结果

健康错误信息的流行

最终，69项研究被确定为符合条件，它们涵盖了广泛的健康主题和社交媒体平台，最常见的数据来源是Twitter(29/ 69,43%)，其次是YouTube(25/ 69,37%)和Facebook(6/ 69,9%)。不太常见的来源是Instagram、MySpace、Pinterest、Tumblr、WhatsApp和VK，或者它们的组合。总体而言，90%(61/69)的研究发表在卫生科学期刊上，只有7%(5/69)的研究发表在传播学期刊上。绝大多数的文章分析了只用一种语言写的帖子(63/69,91%)。只有一小部分分摊员额使用一种以上的语文(6/ 69,10 %)。

表1按主题和社交媒体平台对研究进行分类[30.-97]。它还包括卫生错误信息帖子的普遍程度。这些主题围绕以下六个主要类别进行阐述:疫苗(22/ 69,32%)、毒品或吸烟问题(16/ 69,22%)、非传染性疾病(13/ 69,19%)、大流行病(7/ 69,10%)、饮食失调(6/ 69,9%)和医疗(5/ 69,7%)。S分、E分、Q分的质量评价结果见多媒体附录3。

图2显示了按不同主题和社交媒体类型分组的健康错误信息的流行程度。根据所选研究中发现的健康错误信息帖子的百分比对研究进行排序。这些作品也根据所研究的社交媒体类型进行了分类。通过这种方式，专注于Twitter、Tumblr或Myspace的论文被归类为“微博客”。此外，关注YouTube、Pinterest或Instagram的论文被归类为“媒体分享”平台。此外，关于Facebook、VK或WhatsApp的论文也被纳入了“社交网络”平台的范畴。虽然所有话题都出现在所有不同的社交媒体平台上，但我们发现它们的流行程度存在一些差异。一方面，疫苗、药物和流行病是微博平台(即Twitter或MySpace)上更为流行的话题。另一方面，在媒体分享平台(如YouTube、Instagram或Pinterest)和社交网络平台(如Facebook、VK或WhatsApp)上，非传染性疾病和治疗是最普遍的话题。更具体地说，Twitter是关于疫苗(10/69)、药物或吸烟产品(10/69)、流行病(4/69)和饮食失调(3/69)的工作最常用的来源。 For studies on noncommunicable diseases (9/69) or treatments (5/69), YouTube was the most used social media platform.

总体而言，在与水烟和水烟等吸烟产品有关的研究中，健康方面的错误信息最为普遍[33，59，71]、电子烟和毒品，如阿片类药物和大麻[45，70，97]。关于疫苗的健康错误信息也很常见。然而，研究报告了不同程度的健康错误信息，这取决于所研究的疫苗类型，人类乳头状瘤病毒(HPV)疫苗受到的影响最大[67，68]。与上述主题相比，与饮食或支持饮食失调有关的健康错误信息较少[35，93]。以疾病(即非传染性疾病和大流行病)为重点的研究也报告了中等程度的误传率[56，85]，特别是在癌症的情况下[76，96]。最后，在评估医疗方面存在的健康错误信息的研究中，观察到的健康错误信息水平最低。尽管关于烧伤的急救信息或关于植牙的信息在数量和质量上都有限，但这些主题的误传率很低。手术治疗错误信息最不普遍。这是因为与手术治疗相关的内容主要来自公众号，使得网上信息完整可靠。

‎ 查看此图

在不同的研究中使用的方法上，不同的社交媒体平台之间存在一定的差异。我们根据应用的方法将这些研究分为以下五类:社交网络分析(19/69)、内容评估(18/69)、质量评估(16/69)、内容/文本分析(12/69)和情感分析(4/69)。图3显示了研究中应用的不同方法，按社交媒体平台的类型分类，并按错误信息帖子的百分比排序。在YouTube和Instagram等平台中，侧重于健康信息质量和内容评估的方法较为常见，分别占22%(15/69)和12%(8/69)。在Twitter和Tumblr等微博平台上，19%(13/69)的研究使用的最多的方法是社交网络分析。最后，在Facebook、VK和WhatsApp等社交媒体平台上，方法与社交网络分析相关的研究占纳入研究的3%(2/69)，专注于内容评价的研究占纳入研究的4%(3/69)。

‎ 查看此图

错误信息的主题和方法

疫苗

总体而言，32%(22/69)的研究侧重于疫苗或与疫苗接种决策相关的主题。此外，14%(10/69)的选定文章侧重于关于疫苗接种潜在副作用的社交媒体讨论[23，36，48，53，55，60，65，77，87，88]， 12%(8/69)集中在围绕HPV疫苗的争论上[42，49-51，67，68，79，94]， 3%(2/69)集中于反疫苗运动[39，43]。根据社交媒体平台，9%(6/69)的研究集中在Twitter上关于疫苗的辩论和叙述，6%(4/69)的研究专门分析了该平台上的HPV辩论。关注YouTube的论文也遵循了类似的趋势，它们集中在HPV辩论和关于疫苗副作用和特定人群(如儿童自闭症)风险的公众讨论上。关于Facebook，所有的研究都特别关注疫苗接种决策。

大多数作者研究了语言使用的差异、异质社区结构对健康错误信息传播的影响，以及虚假个人资料或机器人在传播质量差、可疑或模糊的健康内容中所起的作用。根据这些担忧，作者指出有必要进一步研究采纳这些论点的人所处的环境[49]，以及替代教育的策略是否可以改善与反疫苗内容的斗争[51]。作者还建议密切关注社交媒体，因为这些工具被认为在传播错误信息方面发挥了重要作用。例如，回音室或Twitter上的异质社区结构所起的作用已被证明扭曲了用户接触到的与人乳头瘤病毒疫苗有关的信息[49]。从这个意义上说，人们普遍认为卫生专业人员应该更多地关注社交媒体上的反疫苗争论，这样他们才能更好地回应患者的担忧[36，43，65，77]。此外，政府机构也可以利用社交媒体平台来接触更多的人[39，55]。

毒品和吸烟

几项研究(16/69,22%)涉及电子烟、大麻、阿片类药物消费和处方药滥用的滥用和错误信息。涉及促进电子烟使用和其他形式吸烟(如水烟(即水管或narghiles))的研究占所分析文章的7%(5/69)。其余(16%，11/69)集中在药物错误信息的分析上。

根据主题，关于药物和阿片类药物的使用，研究调查了通过社交媒体平台传播错误信息[32，45，46，70，97]，消费与这些产品相关的错误信息，滥用药物以及在线医疗产品销售[61，66]。这些研究强调了与传播药物做法和滥用(主要是大麻和阿片类药物)有关的高误传率所造成的风险，特别是对年轻人而言[45]。此外，社交媒体平台被认为是直接向消费者非法推销受管制物质的潜在来源[66]。社交媒体上大多数与毒品有关的信息可能具有误导性或虚假声明，缺乏可靠的证据支持。32]。其他研究指出，社交媒体是非法促进直接向消费者销售受管制处方药的潜在信息来源[66]。以大麻素为例，通常有描述，鼓励，促进的内容[54]，甚至使非法物质的消费正常化[70]。

与药物研究不同，大多数论文分析了电子烟和水烟[33，34，59，71，73，78，82，95社交媒体和/或机器人在推广电子烟中的作用。关于电子烟，研究指出，否认健康损害的错误信息非常普遍[95]。从这个意义上说，值得注意的是错误信息来源的重要性。虽然就疫苗而言，健康错误信息的来源主要是具有特定兴趣的个人或群体(例如，反疫苗运动)，但发现社交媒体经常受到机器人(即自动执行诸如传播有关电子烟和其他烟草产品的积极话语等任务的软件应用程序)的错误信息的污染[78]。事实上，考虑到个人资料的科学外观，这些虚假账户可能会影响在线对话，从而有利于电子烟[78]。在这项研究中发现的一些说法否认了电子烟的危害。与这些发现一致的是，其他研究指出，赞成电子烟有助于戒烟的信息比例很高[95]。

我们发现，10%(7/69)的研究使用了侧重于评估帖子内容的方法。这些研究旨在探讨对药物滥用或其他形式的烟草消费的误解。沿着这条思路，另一项研究(1/ 69,1%)专注于评估内容的质量。作者评估了药品声明的真实性。特别是，我们发现7%(5/69)的研究使用了社交网络分析技术。这些研究分析了信息的受欢迎程度，基于它们是否促进了在线非法获取毒品以及用户与这些内容的互动。其他研究(3/ 69,3 %)使用了内容分析技术。这些研究评估了错误信息在平台和地理上的流行程度，作为一种“毒物监测”系统[34，46]。

非传染性疾病

相关比例(13/69,19%)的研究评估了非传染性疾病，如癌症、糖尿病和癫痫。大多数研究都集中在对YouTube信息质量的客观评价上[38，56，57，69，72，74，76，80，85]。总体而言，13%(9/69)的研究使用了评估信息质量的方法。作者分析了这些信息的有用性和准确性。此外，4%(3/69)的研究使用了与内容评估相关的方法。这些研究的主要目的是分析哪些是最常见的错误信息主题。此外，3%(2/69)使用社会网络分析，分析的主要目的是研究信息传播模式或科学上不准确的健康信息的社会传播。

一些研究评估了这一平台作为信息来源的潜力，特别是对卫生专业学生或公众的自我指导教育。不幸的是，研究结果的总体基调是，YouTube不是健康专业人士或健康信息寻求者的明智来源。关于糖尿病，发现误导性视频的概率很高[56]。误导视频宣传糖尿病的治疗方法，否定科学论据，或提供没有科学依据的治疗方法。此外，与糖尿病相关的误导性视频比基于证据的健康信息更受欢迎[74]，这增加了消费低质量健康内容的可能性。在高血压等其他慢性疾病中也发现了同样的错误信息模式[72]、前列腺癌[76]和癫痫[80]。

大流行病和传染病

结果表明，10%(7/69)的研究涉及与流行病和传染病(如H1N1)有关的错误信息[31，47，寨卡病毒[40，89]，埃博拉[58，84]和白喉[86]。所有这些研究都分析了大流行期间卫生信息寻求者以及卫生和政府当局如何使用在线平台。

我们发现14%(10/69)的研究对信息的质量进行了评估。为了实现这一点，大多数研究使用了外部工具，如DISCERN和AAD7自我护理行为。总体而言，9%(6/69)的论文评估了信息的内容。这些研究的重点是对错误信息问题的分析。另有4%(3/69)使用社交媒体分析来观察错误信息的传播。最后，3%(2/69)的人使用文本分析作为主要方法。这些研究的重点是研究健康错误信息的流行程度。

这些研究将社交媒体确定为自由讨论的公共论坛，并指出这种自由可能导致对轶事证据的谣言和对流行病的误解。因此，尽管社会媒体被描述为分享与健康有关的知识的论坛，但研究人员和卫生专业人员也认识到，这些工具是错误信息的来源，需要卫生专家加以控制[83，84]。因此，虽然社交媒体是人们共同分享经验和担忧的地方，但卫生专业人员可能会利用这些平台来打击对传染病的错误看法(例如，今天在COVID-19大流行期间发生的情况)。因此，社会媒体平台已被发现是促进政府机构和与卫生有关的工作人员健康的有力工具，而且是新的工具，例如，正在用于加强健康监测和干预，以打击错误的信念和错误的信息[31，89]。事实上，不同的作者都认为，在大流行危机期间，政府/卫生机构应该增加在社交媒体平台上的存在[47，58，84，86]。

饮食/饮食失调

关注饮食和饮食失调的研究占纳入研究的9%(6/69)。这组研究确定了支持饮食失调的群体和社交媒体中的话语[35以及支持饮食失调的信息是如何在这些平台上分享和传播的[91]。厌食症和贪食症是研究最多的饮食失调症。此外，促进饮食失调后的健康或恢复的话语经常与支持饮食失调的群体发表的话语进行比较[41，62，92，93]。总的来说，作者同意支持饮食失调的在线团体的相关性，成员之间的相互支持，以及他们加强自己的观点和健康行为的方式[35]。

总体而言，4%(3/69)的研究使用了社会网络分析技术。作者专注于分析饮食失调社区中个人与他们的参与之间的现有联系，或者将这些社区与其他社区(如健身社区)的凝聚力进行比较，这些社区促进了更健康的习惯。此外，3%(2/69)的研究评估了内容的质量，并特别侧重于对视频进行翔实的分析，也就是说，如果内容描述了厌食症或proana的健康后果，则将其归类为翔实的内容，相反，如果厌食症被描述为一种时尚或美丽的来源。此外，只有一项研究使用了内容分析技术。作者将这些帖子分为以下几类:proana, antiana和prorecovery。支持饮食失调的页面倾向于认同与身体相关的图片，因为他们认为支持饮食失调的社区的动机方面很重要[92]。支持饮食失调的主张包括减肥、想要某种体型或身体部位的特征、饮食失调、暴饮暴食和排便[62]。支持饮食失调的谈话也以提示和技巧的形式包含了大量的社会支持(例如，“如果你感到饥饿，就吃点冰片。这会让你感觉好像你正在吃一些实质性的东西”和“你们对泻药有什么感觉?”)[92]。

作者表示，关于社交媒体上的饮食失调，关注社区结构很重要。虽然人们普遍认为社区可以通过提供社会支持(如康复和福祉)来发挥积极作用，但社交媒体上的某些群体也可能重申支持饮食失调的身份[35]。事实上，两极分化的支持或反对饮食失调的社区可以成为封闭的回音室，社区成员有选择地接触到他们想要寻找的内容，因此只听到他们想听到的论点。在这种情况下，回音室效应可能解释了为什么宣传活动的范围有限，往往鼓励意见的两极分化，甚至可以加强支持饮食失调的意见的现有分歧[88]。

治疗和医疗干预

最后，我们发现7%(5/69)的研究评估了通过社交媒体推荐的不同医疗或疗法的健康信息的质量[63，81]。根据方法，6%(4/69)的研究评估了与建议治疗和疗法相关的信息质量。从这个意义上说，这些研究的基本目标是评估资料的质量和准确性。

与非传染性疾病的情况一样，专业人员扫描了社交网络，特别是YouTube，并评估了在线健康内容的质量，将其作为自我保健或卫生学生培训的适当工具。在某些特殊情况下，信息的质量和数量特别有限，例如牙科植入物和烧伤急救信息[30.，44]。然而，大多数手术治疗方法或工具在YouTube上都有足够高质量的信息[52，81]。关于这个话题，有必要指出错误信息的来源。在这种特殊情况下，大多数帖子都是由私营公司发布的。他们利用这些平台来推广他们的医疗产品。因此，与与公众密切相关的饮食失调和疫苗等其他话题相比，错误信息的数量相当低。总的来说，这些视频是准确的，呈现得很好，并以一种对卫生工作者和卫生信息寻求者都有用的方式阐述了治疗方法。

对审查文章的目标和主要结论的完整描述载于多媒体附录4。

讨论

主要发现

据我们所知，这项工作是第一次努力寻找客观和可比较的措施来量化社交媒体生态系统中健康错误信息的程度。我们的研究提供了主要健康错误信息主题的初步特征，并具体评估了它们在不同社交平台上的流行程度。因此，我们的系统综述为以下未解决的问题提供了新的见解，这些问题在社交媒体上的健康错误信息研究中反复强调:在不同的社交平台类型(即微博、媒体分享和社交网络)上，不同主题的健康错误信息有多普遍?

我们发现，社交媒体上的健康错误信息通常与以下六个主题领域有关:(1)疫苗，(2)饮食和饮食失调，(3)药物和新烟草产品，(4)流行病和传染病，(5)非传染性疾病，以及(6)医疗和健康干预。

关于疫苗，我们在不同的研究中发现了一些有趣的结果。尽管反疫苗思想传统上与反对科学和专家社区理性的情感话语联系在一起，但我们好奇地观察到，在某些在线讨论中，反疫苗团体倾向于将科学语言纳入他们自己的话语中，使用逻辑结构的陈述和/或较少使用情感表达[53]。因此，科学陈述的同化及其与轶事证据的结合可以通过访问和“喜欢”的逐步增加，在这些平台上迅速传播，这可以使反疫苗论点对卫生信息寻求者特别有说服力[53，55]。此外，我们发现必须考虑到这些在线群体的复杂和异构的社区结构。例如，那些更多接触到反疫苗信息的人往往比接触到积极或中立意见的用户传播更多关于疫苗的负面担忧(即，与疫苗犹豫有关的错误信息或意见)[49]。因此，负面/正面意见通过特定社交媒体平台的网络结构得到强化。此外，虚假档案往往会扩大辩论和讨论，从而破坏公众对疫苗有效性和安全性的可能共识，特别是在HPV的情况下;麻疹、腮腺炎和风疹(MMR);流感[23]。

正如我们在综述中观察到的，健康话题在我们研究的所有社交媒体平台上无处不在;然而，每个主题的健康错误信息流行程度因平台特征而异。因此，对人口健康的潜在影响是矛盾的，也就是说，根据主题和健康信息寻求者群体，我们发现了积极和消极的影响。例如，与饮食失调有关的内容往往是隐藏的，或者对公众不那么明显，因为支持饮食失调的社区使用他们自己的代码来接触特定的受众(例如，年轻群体)。[98]。举个简单的例子，值得一提的是使用昵称，比如proana表示厌食症，promia表示贪食症，这是一种接触有这些健康状况的人的方式，让人们更容易公开谈论他们的饮食失调。更积极的是，这些工具在健康危机期间的预防运动中发挥了作用。例如，在H1N1、埃博拉病毒和寨卡病毒大流行期间，以及最近正在进行的COVID-19大流行期间，Twitter等平台一直是传播循证卫生知识、专家建议和教育内容的宝贵工具，旨在避免谣言、风险行为和疾病的传播。31，89]。

在我们的审查过程中，根据不同的主题，我们发现了不同类型的错误信息声明。在疫苗问题上，错误的信息常常以科学的外表来反对科学证据[53]。与毒品有关的错误信息促进了这些物质的消费和滥用[66]。然而，这些说法缺乏科学证据支持[32]。与疫苗一样，影响在线对话的虚假账户也以支持电子烟的科学外表[82]。从这个意义上说，大多数帐户倾向于促进这些项目的使用和滥用。以美丽为最终目标，有关饮食失调的错误信息促使社交媒体用户改变了饮食习惯[91]。此外，我们发现社交媒体促进了支持饮食失调的在线社区的发展[35]。总的来说，结果表明，这类内容促进了不健康的做法，同时使饮食失调正常化。相反，与流行病/大流行病有关的错误信息并不是直接恶意的。关于这个话题的错误信息包括谣言、误解和由于缺乏科学知识而产生的怀疑[31]。这些发言是在大流行病引起的卫生紧急情况的框架内发表的。根据这些发现，我们注意到与非传染性疾病有关的发现。关注这一主题的信息通过谬论或都市传说促进了慢性疾病或无法治愈的疾病的治疗[85]。

在本研究中，我们重点分析了所获得的结果和作者的结论。我们的一些发现与最近的研究结果一致[16]。经过审查的研究表明，一方面，难以描述和评估社交媒体上健康信息的质量[1另一方面，由于试图理解社交媒体上健康错误信息的多学科和复杂现象，多学科的融合可能导致概念的模糊性。卫生和社会科学家正在研究这一研究领域。70，73]，以及来自计算机科学、数学、社会物理学等领域的研究人员[99，One hundred.]。因此，我们必须明白，研究固有的多学科和方法多样性，以及社交媒体的高度动态世界，是一个完美的匹配，使人们更难以找到解决健康错误信息问题的全面和横向解决方案。事实上，正如我们所发现的那样，关于疫苗、药物和新型吸烟产品的错误信息在媒体分享平台(如YouTube)和微博应用程序(如Twitter)上更为普遍，而关于非传染性疾病的错误信息在媒体分享平台上尤其普遍，用户可以在那里广泛描述疾病症状、医疗和治疗方法[76，85]。YouTube等平台由于其特点，为用户分享这类信息提供了更多的空间，而Twitter的天然活力使其成为具有不同政治或意识形态取向的在线社区(例如，支持/反对接种疫苗的社区)之间讨论的理想媒介。

最后，我们应该提到，目前的结果仅限于社交媒体数据的可用性和质量。尽管社会生活的数字化为研究人员提供了前所未有的健康和社会信息，可用于了解人类行为和健康结果，但获取这些在线数据变得越来越困难，必须采取一些措施来减轻偏见[40，43，67，79]。在过去的几年里，对隐私的新担忧出现了，导致政府加强了对数据访问和存储的监管。101，102]。因此，为了应对这些新指令，以及涉及数据共享和数据泄露的丑闻(如剑桥分析公司(Cambridge Analytica)案)，社交媒体公司正在开发新的控制措施和障碍，以限制其平台上的数据。这就是为什么免费访问应用程序编程接口(api)变得越来越困难，而通过api访问的社会数据范围正在逐渐减少的原因。这些获取数据的困难也决定了哪些平台是研究人员最常使用的，哪些没有使用，哪些将在不久的将来使用。

局限与优势

本研究存在一定的局限性。首先，卫生错误信息的概念定义是一个限制。无论如何，考虑到我们面对的是一个新的研究领域，我们考虑了一个广泛的定义，以便在选择研究时更具包容性和操作性。因此，我们纳入了尽可能多的论文，以便对尽可能多的主题进行分析。其次，从方法论的角度来看，我们的研究结果仅限于发表在英语期刊上的研究，并没有涵盖现有的所有社交媒体平台。此外，在进行系统综述时，我们发现了一些技术上的局限性。由于本研究课题的新颖性，我们的研究在比较不同的研究方面存在困难，这些研究具有具体的理论方法、工作定义、方法、数据收集过程和分析技术。选择的一些研究涉及观察设计(使用调查方法和文本分析)，而其他研究则基于应用自动或半自动计算程序，目的是对社交媒体上的健康错误信息进行分类和分析。最后，考虑到每种类型的社交媒体(即微博服务，视频分享服务或社交网络)的特定功能以及访问社交媒体数据的逐步障碍，我们在研究这些平台上的健康错误信息时需要考虑信息和选择偏差。根据这些偏见，我们应该思考这些工具背后的用户，以及我们如何将特定的发现(即应用于某些群体和社交媒体平台)推断到更广泛的社会背景。

尽管存在上述局限性，但有必要提及我们工作的优势。首先，我们认为这项研究代表了推进社交媒体上健康错误信息研究的第一步。与以前的工作不同，我们提供了一些措施，可以作为后续研究的指导和比较基线。此外，我们的研究强调了将未来的研究转向社交媒体平台的必要性，这可能是由于自动数据收集的困难，目前被研究人员所忽视。我们的研究还强调了研究人员和卫生专业人员探索使用这些数字工具促进健康的可能性的必要性，以及它们逐步殖民社交媒体生态系统的必要性，最终目标是打击不断涌入我们社会的健康错误信息浪潮。

结论

健康方面的错误信息在推特上以及与吸烟产品和毒品有关的问题上最为常见。尽管我们应该意识到在线意见流动的动态规模所固有的困难，但我们的系统审查提供了一个全面的比较框架，可以确定社交媒体上健康错误信息研究的后续行动领域。尽管存在上述局限性，但与以往的研究相比，我们的研究仍有一些进展。我们的研究提供了(1)概述了在不同社交媒体平台上发现的健康错误信息的流行程度;(2)以健康错误信息为重点的研究的方法学特征;(3)全面描述了本研究领域的研究现状和知识缺口。

根据所回顾的研究，最大的挑战在于难以描述和评估社交媒体上信息的质量。了解卫生错误信息的普遍程度和用于研究的方法，以及该领域目前的知识差距，将有助于我们指导未来的研究，特别是制定基于证据的数字政策行动计划，旨在通过不同的社交媒体平台解决这一公共卫生问题。