TY -非盟的沙,Zubair盟——Surian,制成迪迪盟——Dyda阿马利亚AU - Coiera,恩里科盟——Mandl Kenneth D AU -邓恩,亚当·G PY - 2019 DA - 2019/11/4 TI -自动评价的可信度与疫苗相关的网页分享在社交媒体:Twitter监测研究乔- J地中海互联网Res SP - e14007六世- 21 - 11 KW -健康错误KW -信誉评价KW -机器学习KW -社会媒体AB -背景:用于评估卫生信息可信度的工具应用起来很耗时，而且需要针对具体情况的专门知识，限制了它们在出现错误信息时迅速识别和减缓传播的作用。目的:本研究的目的是估计与疫苗相关的Twitter帖子链接到低可信度网页的比例，并衡量这些帖子的潜在影响力。方法:从2017年1月至2018年3月在推特上分享的143003个与疫苗相关的独特网页中取样，我们使用一个7点检查表，根据经过验证的工具和指南调整，手动评估474个网页的可信度。它们被用来训练几个分类器(随机森林、支持向量机和循环神经网络)，使用来自Web页面的文本来预测信息是否满足7个标准中的每一个。在评估所有其他网页的可信度时，我们使用关注者网络来评估相对于7点清单定义的可信度评分的潜在风险。结果:表现最好的分类器能够区分低可信度、中等可信度和高可信度，准确率为78%，标记低可信度网页的精度超过96%。在一组独特的网页中，11.86%(143003个中的16961个)被估计为低可信度，它们产生了9.34%(176亿个中的16.4亿个)的潜在风险。据估计，全球有200万至8000万推特用户浏览了100个最受欢迎的低可信度网页链接。结论:结果表明，尽管一小部分低可信度的Web页面能够接触到大量的受众，但低可信度的Web页面往往比其他Web页面能够接触到更少的用户，并且在特定的子人群中更普遍地共享。 An automatic credibility appraisal tool may be useful for finding communities of users at higher risk of exposure to low-credibility vaccine communications. SN - 1438-8871 UR - //www.mybigtv.com/2019/11/e14007 UR - https://doi.org/10.2196/14007 UR - http://www.ncbi.nlm.nih.gov/pubmed/31682571 DO - 10.2196/14007 ID - info:doi/10.2196/14007 ER -