Coincidir los tuits con los códigos postales puede resaltar los puntos críticos de las dudas sobre la vacuna contra el COVID-19

Crédito: Unsplash/CC0 Dominio público

Los funcionarios de salud pública se están enfocando en el 30 % de la población elegible que sigue sin vacunarse contra el COVID-19 a partir de finales de octubre de 2021, y eso requiere averiguar dónde están esas personas y por qué no están vacunadas.

Las personas siguen sin vacunarse por muchas razones, incluida la creencia en teorías de conspiración infundadas sobre la enfermedad, las vacunas o ambas; desconfianza en el establecimiento médico; preocupaciones sobre riesgos y efectos secundarios; miedo a las agujas; y dificultad para acceder a las vacunas. Para orientar sus mensajes y alcance geográficamente y de acuerdo con el tipo de vacilación, los funcionarios de salud pública necesitan buenos datos para guiar sus esfuerzos. Los métodos de encuesta tradicionales son útiles pero tienden a ser costosos.

Otro enfoque es evaluar la reticencia a la vacuna a través de la lente de las redes sociales. Como investigadora de inteligencia artificial, analizo los datos de las redes sociales mediante el aprendizaje automático. Mi última investigación, realizada con la estudiante de posgrado Sara Melotte y aceptada para su publicación en la revista PLOS Digital Health, predice el grado de reticencia a vacunarse a nivel de código postal en las áreas metropolitanas de EE. UU. mediante el análisis de tuits geolocalizados.

Descubrimos que mediante el procesamiento de datos de Twitter geolocalizados mediante técnicas de aprendizaje automático fácilmente disponibles, podíamos predecir con mayor precisión la renuencia a vacunarse por código postal que mediante el uso de atributos de códigos postales como el precio promedio de la vivienda y la cantidad de centros de atención médica. e instalaciones de servicios sociales.

Los límites de las encuestas

Las encuestas, como la encuesta Gallup COVID-19 lanzada en 2020, estiman los niveles de reticencia a la vacunación en la población general mediante el sondeo de una muestra representativa con una pregunta de duda sobre la vacuna Sí/No: Si una vacuna aprobada por la Administración de Drogas y Alimentos para prevenir el coronavirus/COVID-19 estuviera disponible en este momento sin costo alguno, ¿aceptaría vacunarse? La vacilación estimada de la vacuna es el porcentaje de personas que responden «No». Como se demostró tanto en nuestra investigación como en el trabajo de otros, factores como la ubicación, los ingresos y los niveles de educación se correlacionan con la vacilación de la vacuna.

Una desventaja general de tales encuestas es que las preguntas detalladas son costosas de administrar. Los tamaños de las muestras tienden a ser pequeños debido a las limitaciones de costos y las tasas de falta de respuesta. Este último se ha visto exacerbado recientemente por la polarización política. Los métodos computacionales de las ciencias sociales, que utilizan algoritmos informáticos para analizar grandes cantidades de datos, son otra opción, pero pueden tener problemas para interpretar el texto ruidoso de las redes sociales para obtener información.

Minería de Twitter

Nuestro trabajo asume el desafío de usar datos de Twitter disponibles públicamente para predecir con precisión la reticencia a la vacunación en un código postal determinado. Nos enfocamos en los códigos postales de las principales áreas metropolitanas, que son conocidas por su alta actividad de tuits. Los usuarios también activan el GPS con más frecuencia en estas áreas.

Como primer paso, descargamos todos los tweets de un conjunto de datos disponible públicamente llamado GeoCoV19, que filtra los tweets para que sean lo más relevantes posible para COVID-19. Luego, utilizando una metodología revisada por pares, filtramos los tweets a tweets habilitados para GPS de las principales áreas metropolitanas. Luego dividimos aleatoriamente los tweets en un conjunto de entrenamiento y un conjunto de prueba. El primero se usó para desarrollar el modelo, mientras que el segundo se usó para evaluar el modelo.

Entrenar un modelo para predecir la vacilación de vacunas de un código postal es como dibujar una línea recta a través de un conjunto de puntos para que que la línea se acerque lo más posible al centro de los puntos, lo que se conoce como línea de mejor ajuste. La línea indica la tendencia en los datos. El primer paso es convertir el texto sin procesar de los tweets en puntos de datos.

Las redes neuronales profundas recientemente desarrolladas pueden convertir automáticamente el texto en puntos de datos para que los tweets con significados similares estén más cerca unos de otros. Básicamente, usamos una red de este tipo para convertir nuestros tweets en puntos de datos y luego entrenamos nuestro modelo de aprendizaje automático en esos puntos de datos. Validamos nuestro modelo utilizando los resultados de la encuesta Gallup COVID-19.

Nuestro método funcionó mejor en la predicción de altos niveles de reticencia a la vacuna que los métodos que solo usan características genéricas, como precios promedio de viviendas dentro del código postal, en lugar de datos de redes sociales. También demostramos que nuestro modelo es efectivo en presencia de tweets que no están relacionados con vacunas o COVID-19. El conjunto de datos GeoCov19 es bueno, pero incluye muchos tweets que no son relevantes específicamente para las vacunas y una fracción pequeña pero no trivial que no es relevante para COVID-19 en absoluto.

Detección temprana y prevención

En una investigación que actualmente se encuentra en revisión por pares, desarrollamos algoritmos que extraen automáticamente las posibles causas de la vacilación de las vacunas y su alcance en las redes sociales. Nuestro análisis preliminar confirma que, si bien algunas causas son el resultado de teorías de conspiración e información errónea, otras se basan en preocupaciones legítimas, como los posibles efectos secundarios de las vacunas.

Esperamos que las personas con estas inquietudes estén mucho más dispuestas a vacunarse si se les presentan fuentes confiables de información que calmen sus temores. En el futuro, los funcionarios de salud pública podrían usar el aprendizaje automático para la detección temprana de dudas sobre las vacunas en las redes sociales. Luego, podrían usar algoritmos para distribuir automáticamente información específica y atacar la propagación de información errónea relacionada con la salud.

Estos futuros sistemas digitales de salud pública podrían conducir a resultados más saludables, tanto en el ámbito físico como en el digital. .

Explore más

La vacilación de la vacuna COVID-19 podría provocar miles de muertes adicionales Proporcionado por The Conversation

Este artículo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el artículo original.

Cita: Los tweets coincidentes con los códigos postales pueden resaltar los puntos críticos de la vacilación de la vacuna COVID-19 (8 de noviembre de 2021) consultado el 29 de agosto de 2022 en https://medicalxpress.com/news/2021 -11-tweets-codes-spotlight-hot-covid-.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.