Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

les messages d'Anti-vaccination écartent plus facilement que le positif ceux sur Twitter, chercheurs trouvent

Sur Twitter, un service populaire microblogging et de social-mise en réseau, déclarations au sujet des vaccins peut avoir des effets inattendus -- les messages positifs peuvent pétarder, selon une équipe des chercheurs de Penn State aboutis par Marcel Salath-, un professeur adjoint de biologie. L'équipe a suivi le pro-vaccin et les messages d'anti-vaccin auxquels des usagers de Twitter ont été exposés et a puis observé comment ces usagers ont exprimé leurs propres sentiments au sujet d'un vaccin neuf pour la grippe de combat H1N1 -- une souche virale responsable de la grippe de porcs. Les résultats, qui peuvent aider des agents de la Santé à améliorer des stratégies pour des efforts de vaccination-conscience, seront publiés en la Science de caractéristiques du tourillon EPJ à l'heure d'été orientale des États-Unis de midi 12h00 (17h00 GMT) le 4 avril 2013.

Les chercheurs ont commencé en amassant tous les gazouillements par des mots clés liés à la vaccination et expressions pendant la pandémie 2009 H1N1. Ils ont alors suivi les sentiments des usagers au sujet du vaccin H1N1. Pour trier et classer les gazouillements, Salath-- l'équipe a demandé à des stagiaires d'État de Penn de calibrer un sous-ensemble fait au hasard d'environ 10 pour cent et eux comme positif, négatif, neutre, ou inutile. Par exemple, un gazouillement exprimant un désir d'obtenir le vaccin H1N1 serait considéré positif, alors qu'un gazouillement exprimant la conviction que le tort vaccinique de causes serait considéré négatif. Un gazouillement au sujet d'un vaccin différent ; par exemple, le vaccin hépatite B, serait considéré inutile.

Ensuite, l'équipe avait l'habitude les grades des stagiaires pour concevoir un algorithme d'ordinateur pour cataloguer les 90 pour cent demeurants des gazouillements selon les sentiments qu'ils ont exprimés. « Les gazouillements humain-évalués ont servi « d'apprendre le jeu » que nous avons employé « enseignons » à l'ordinateur comment calibrer les gazouillements exactement, » Salath- avons expliqué. Après que les gazouillements se soient analysés par l'algorithme d'ordinateur, le comptage final était des sentiments positifs, négatifs, ou neutres d'expression de 318.379 gazouillements au sujet du vaccin H1N1.

Après catégorisation des gazouillements, son équipe de Salath- et a alors développé un modèle statistique avec l'information comprenant le nombre de microbloggers que chaque usager de Twitter était suivant. De plus, les chercheurs enregistrés si ceux ont suivi des microbloggers ont tendu à biper négativement ou franchement au sujet du vaccin H1N1. Également été compris dans le modèle a le nombre de gazouillements chacun négatifs ou de positif des microbloggers suivis envoyés. « Combien le pro-vaccin ou les personnes d'anti-vaccin un usager de Twitter suit est juste une mesure. Également important est combien négatifs ou positif bipe chaque microblogger suivi puis annonce à ses dispositifs de tension, » Salath- a dit. « Il pourrait être qu'un usager de Twitter suit seulement 5 microbloggers d'anti-vaccin, mais si ces 5 microbloggers tous envoient 10 gazouillements négatifs par jour, qui pourrait avoir un choc important. » Autre mesure inclus dans le modèle statistique étaient le numéro de chaque usager de Twitter des usagers réciproques -- combien de paires de microbloggers se suivaient -- et l'histoire des propres gazouillements négatifs des dispositifs de tension et de positif.

La première conclusion inattendue de l'équipe était que l'exposition au sentiment négatif était contagieuse, alors que l'exposition aux sentiments positifs n'était pas. « Il est difficile se démêler cause et l'effet dans les caractéristiques de ce type, ainsi nous pouvons seulement spéculer au sujet pourquoi nous avons vu ceci se produire, » de Salath- avons dit. « Celui que la raison, l'observation préoccupe parce qu'elle propose que les avis négatifs sur la vaccination puissent écarter plus facilement que des avis favorables. »

La conclusion en second lieu inattendue de l'équipe était que des microbloggers avec des relations plus réciproques de Twitter tendues pour être influencé différemment selon si les sentiments vacciniques de leurs liens étaient positifs ou négatifs. « Nous avons constaté que, dans des relations microblogging réciproques, les sentiments négatifs étaient plus socialement contagieux que des sentiments positifs, » Salath- avons dit. « Quand un microblogger a eu beaucoup de liens réciproques de Twitter avec les usagers qui ont exprimé des sentiments d'anti-vaccin, il a tendu à biper bien plus de sentiments d'anti-vaccin lui-même. » Intéressant, cependant, son équipe de Salath- et a constaté que la même n'a pas jugé vrai pour des microbloggers avec les liens réciproques avec les usagers qui ont exprimé des sentiments de pro-vaccin ; c'est-à-dire, les sentiments de pro-vaccin n'ont pas semblé encourager des gens à biper des sentiments plus positifs de leurs propres moyens.

« Notre troisième conclusion était la plus bizarre et peut-être le plus discouraging, » Salath- a dit. Lui et son équipe ont regardé le volume pur de dispositifs de tension de gazouillements de négatif ou de positif reçus -- indépendant de combien de personnes les usagers ont suivies. « Comme on pouvait s'y attendre, nous avons constaté qu'un grand volume de gazouillements de négatif a semblé encourager des gens à biper plus négativement. Mais étrangement, un grand volume de gazouillements de positif a semblé encourager des gens à biper plus négativement, aussi, » Salath- a dit. « En d'autres termes, les messages de pro-vaccin ont semblé pétarder quand assez de eux ont été reçus. »

Les espoirs de Salath- de concevoir Twitter complémentaire étudie pour vérifier si on peut observer les mêmes effets pour des sentiments exprimés au sujet d'autres vaccins, ainsi qu'au sujet d'autres problèmes de santé tels que l'usage antibiotique, suivant un régime, et s'exerçant. « Tandis que certains de nos résultats de l'étude H1N1 peuvent sembler frustrants, il y a des côtés positifs, » Salath- a dit. « D'abord, nous avons une voie éprouvé-et-vraie de suivre et analyser la richesse des caractéristiques à l'extérieur là sur Twitter. En second lieu, d'autres études peuvent indiquer pourquoi les messages positifs semblent encourager le bip négatif ; peut-être il y a quelque chose au sujet de la façon de laquelle le message est donné. Par exemple, les agents de la Santé publics pourraient employer cette information pour envoyer les messages positifs d'une manière dont serait pour avoir l'effet destiné. »

Source: