Les sentiments envers les vaccins COVID-19, qu’ils soient positifs ou négatifs, donnent un aperçu des taux de vaccination ultérieurs, trouve une étude des messages Twitter connexes. Les résultats offrent de nouvelles perspectives sur l’influence des médias sociaux sur les mesures de santé publique.
L’étude, menée par des chercheurs du Courant Institute of Mathematical Sciences de l’Université de New York et de la NYU Grossman School of Medicine, a montré que le sentiment positif, exprimé sur Twitter, envers les vaccinations était suivi, une semaine plus tard, par augmente des taux de vaccination dans la même zone géographique tandis que le sentiment négatif était suivi, dans la même région, par diminue dans les taux de vaccination la semaine suivante.
L’étude a déployé un cadre d’analyse de données volumineuses en temps réel à l’aide d’algorithmes d’analyse des sentiments et de traitement du langage naturel (NLP). Le système prend des tweets en temps réel et identifie les tweets liés aux vaccins et les classe selon certains thèmes et fournit une analyse des sentiments, cataloguant les tweets comme positifs, négatifs ou neutres.
« Nous devons comprendre l’hésitation à la vaccination et l’impact des médias sociaux sur sa création et sa diffusion », déclare Megan Coffee, MD, PhD et professeure adjointe de clinique à la Division des maladies infectieuses et de l’immunologie au sein du Département de médecine de la NYU Grossman School of Medicine, l’un des auteurs de l’article, paru dans la revue Maladies infectieuses cliniques. « Il s’agit d’une première étape vers la création d’un baromètre pour suivre le sentiment et les thèmes liés à la réticence à la vaccination. »
Comme l’épidémie de COVID nous a placés davantage devant des ordinateurs et que la réticence à la vaccination a façonné l’épidémie, nous avons besoin d’outils comme celui-ci pour suivre et comprendre l’impact des médias sociaux sur la réticence à la vaccination pour cette épidémie et pour les futures épidémies.
Anasse Bari, professeur agrégé de clinique en informatique au Courant Institute of Mathematical Sciences de NYU et auteur de l’article
La vaccination peut aider à mettre fin aux poussées continues et aux nouvelles variantes de la pandémie de COVID, notent les chercheurs. Mais la réticence à la vaccination, observent-ils, sape l’impact de la vaccination individuellement et collectivement. À cela s’ajoute le rôle des médias sociaux, qui amplifient de plus en plus les informations et la désinformation concernant la vaccination, soulevant des questions sur la façon dont, spécifiquement, ces plateformes affectent les taux de vaccination.
Pour résoudre ce problème, les auteurs de l’article ont développé une application d’analyse de données volumineuses basée sur le traitement du langage naturel (NLP), l’analyse des sentiments (SA) et Amazon Web Services (AWS).
Cet outil a permis aux chercheurs de suivre plusieurs sujets liés aux vaccins tels qu’ils apparaissaient dans des dizaines de phrases. Les sujets comprenaient : le complot, la peur, la liberté de la santé, les alternatives naturelles, les effets secondaires, la sécurité, la confiance/méfiance, les fabricants de vaccins, les sources établies et l’hésitation, entre autres. Ces sujets et expressions connexes leur ont permis d’associer des « scores de sentiment » à la vaccination ; positif, négatif ou neutre.
Ils ont également utilisé un ensemble de données couramment déployé, l’ensemble de données Dataport de l’Institute of Electrical and Electronic Engineers (IEEE), qui a étiqueté les scores de sentiment des tweets concernant le coronavirus par emplacement géographique aux États-Unis. L’ensemble de données analysé comprenait plus de 23 000 tweets liés au vaccin du 20 mars 2021 au 20 juillet 2021. Les chercheurs ont également examiné les données quotidiennes de vaccination contre le COVID aux États-Unis, État par État.
Dans l’ensemble, les données ont montré qu’une fois que les vaccins étaient disponibles pour tous les adultes – vers la mi-avril 2021 -, une augmentation du sentiment positif dans certaines régions des États-Unis a été suivie d’une augmentation du taux de vaccination une semaine plus tard. En revanche, dans les régions où il y a eu une baisse du sentiment, une baisse des taux de vaccination a suivi une semaine plus tard.
Notamment, le cadre d’analyse des mégadonnées a montré qu’au cours des premiers mois de la pandémie, et avant le début du déploiement du vaccin à la fin de 2020, le sentiment positif et négatif envers les vaccins était similaire, avec un sentiment positif légèrement plus élevé. Par contre, après le déploiement du vaccin a commencé, les tweets de sentiment négatif ont dépassé les positifs.
« Parce que les taux de vaccination se sont avérés suivre au niveau régional avec le sentiment vaccinal de Twitter, un outil d’analyse plus avancé pourrait potentiellement prédire les changements dans l’adoption du vaccin ou guider le développement de campagnes ciblées sur les réseaux sociaux et de stratégies de vaccination », déclare Bari, qui dirige l’analyse prédictive du Courant Institute. et laboratoire de recherche sur l’IA.
« Cette méthode nous permet de commencer à identifier les modèles d’hésitation à la vaccination dans le temps et dans l’espace », ajoute Coffee. « Mais, il ne peut que surveiller, et non influencer, l’hésitation à la vaccination, qui change constamment. Plus de travail est nécessaire pour renforcer la confiance dans les vaccins vitaux et annuler l’influence de la négativité vaccinale. »
