مقدمه و اهمیت تحقیق

شیوع جهانی ویروس کرونا (COVID-19) نه تنها سلامت عمومی را به چالش کشید، بلکه منجر به انتشار گسترده اطلاعات، نظرات و بحث‌های عمومی، به ویژه در فضای مجازی، پیرامون روش‌های درمانی و داروهای مرتبط با این بیماری شد. درک چگونگی شکل‌گیری و تغییر افکار عمومی نسبت به داروها، خصوصاً آن‌هایی که خارج از پروتکل‌های رسمی (استفاده غیرمصوب یا Off-label) مورد بحث قرار می‌گرفتند، برای مدیریت صحیح بحران سلامت، مقابله با اطلاعات نادرست و هدایت استراتژی‌های سلامت عمومی، امری حیاتی است. این پژوهش با تمرکز بر پلتفرم توییتر، به تحلیل عمیق نگرش‌ها و دیدگاه‌های کاربران در مورد داروهای مختلف مورد استفاده در دوران همه‌گیری کووید-۱۹ می‌پردازد.

اهمیت این مطالعه در چندین جنبه کلیدی نهفته است:

• مقابله با اطلاعات نادرست: توییتر به دلیل ماهیت سریع و گسترده خود، بستری مناسب برای انتشار سریع اطلاعات نادرست و تئوری‌های توطئه پیرامون داروها است. درک الگوهای این بحث‌ها می‌تواند به شناسایی و خنثی‌سازی این اطلاعات کمک کند.
• درک شکاف بین علم و عموم: گاهی شکاف قابل توجهی بین توصیه‌های علمی و پذیرش عمومی داروها وجود دارد. این پژوهش به بررسی این شکاف و دلایل احتمالی آن، از جمله تأثیرات سیاسی و اجتماعی، می‌پردازد.
• هدایت سیاست‌گذاری‌های سلامت: نتایج این تحقیق می‌تواند به سازمان‌های بهداشت، نهادهای نظارتی و سیاست‌گذاران کمک کند تا استراتژی‌های هدفمندتری را برای اطلاع‌رسانی، آموزش عمومی و مدیریت بحران‌های سلامت در آینده تدوین کنند.
• پایش سلامت عمومی در دوران بحران: فضای مجازی، به ویژه شبکه‌های اجتماعی، آیینه‌ای از افکار و احساسات عمومی در زمان بحران است. تحلیل این داده‌ها امکان پایش زنده و درک پویا از وضعیت روانی و نگرشی جامعه را فراهم می‌آورد.

نویسندگان و زمینه تحقیق

این پژوهش توسط تیمی از محققان برجسته در حوزه‌های مرتبط با علوم کامپیوتر، پردازش زبان طبیعی، یادگیری ماشین و پزشکی انجام شده است. نویسندگان اصلی شامل Yining Hua, Hang Jiang, Shixu Lin, Jie Yang, Joseph M. Plasek, David W. Bates و Li Zhou هستند. زمینه کاری این محققان، که غالباً به موضوعات تقاطع فناوری و سلامت می‌پردازد، این پژوهش را در زمره تحقیقات پیشگام در زمینه کاربرد هوش مصنوعی و تحلیل داده‌های کلان در درک پدیده‌های اجتماعی و سلامت قرار می‌دهد.

دسته‌بندی‌های علمی این مقاله شامل:

• کامپیوتر و جامعه (Computers and Society): بررسی چگونگی تأثیر فناوری و ابزارهای دیجیتال بر جامعه و تعاملات انسانی.
• محاسبات و زبان (Computation and Language): تمرکز بر تحلیل و پردازش زبان انسان توسط ماشین.
• یادگیری ماشین (Machine Learning): استفاده از الگوریتم‌های یادگیری ماشین برای استخراج الگوها و دانش از داده‌ها.
• کاربردها (Applications): تمرکز بر پیاده‌سازی و استفاده عملی از تکنیک‌های محاسباتی و یادگیری ماشین در مسائل واقعی.

این تخصص چندوجهی، اعتبار علمی مقاله را تضمین کرده و رویکرد جامع آن را در تحلیل داده‌های پیچیده توییتر ممکن ساخته است.

چکیده و خلاصه محتوا

هدف اصلی این پژوهش، درک بحث‌های عمومی و نگرش‌ها نسبت به داروهای مرتبط با کووید-۱۹، اعم از داروهای با تأیید رسمی و داروهای مورد استفاده خارج از پروتکل (غیرمصوب)، با استفاده از تجزیه و تحلیل حجم وسیعی از داده‌های منتشر شده در توییتر بوده است. محققان یک خط لوله پردازش زبان طبیعی (NLP) را برای فهم دیدگاه‌های کاربران نسبت به این داروها در طول زمان توسعه داده‌اند.

مطالعه گذشته‌نگر شامل جمع‌آوری ۶۰۹,۱۸۹ توییت از کاربران ساکن آمریکا بین ۲۹ ژانویه ۲۰۲۰ تا ۳۰ نوامبر ۲۰۲۱ بوده است. چهار داروی مورد بررسی، به دلیل جلب توجه عمومی قابل توجه در دوران همه‌گیری، انتخاب شده‌اند:

• هیدروکسی‌کلروکین (Hydroxychloroquine) و ایورمکتین (Ivermectin): داروهایی که شواهد حکایتی (Anecdotal Evidence) برای اثربخشی آن‌ها مطرح بود و بحث‌های زیادی را برانگیختند.
• مولنوپیراویر (Molnupiravir) و رمدسیویر (Remdesivir): داروهایی که توسط سازمان غذا و داروی آمریکا (FDA) برای بیماران واجد شرایط تأیید شده بودند.

تحلیل روند زمانی (Time-trend Analysis) برای بررسی محبوبیت داروها و رویدادهای مرتبط به کار گرفته شد. همچنین، تحلیل محتوا و تحلیل جمعیت‌شناختی (Demographic Analysis) برای درک دلایل احتمالی پشت مواضع کاربران انجام پذیرفت. نتایج نشان داد که هیدروکسی‌کلروکین و ایورمکتین، به خصوص در دوران اوج بیماری، بحث‌های بسیار بیشتری را نسبت به مولنوپیراویر و رمدسیویر به خود اختصاص دادند. بحث‌ها پیرامون هیدروکسی‌کلروکین و ایورمکتین به شدت رنگ سیاسی به خود گرفت و با تئوری‌های توطئه، شایعات و تأثیر چهره‌های مشهور مرتبط بود. توزیع مواضع بین دو حزب اصلی سیاسی آمریکا (جمهوری‌خواه و دموکرات) تفاوت معنی‌داری داشت؛ جمهوری‌خواهان تمایل بیشتری به حمایت از هیدروکسی‌کلروکین (۵۵٪) و ایورمکتین (۳۰٪) داشتند. در مقابل، افراد با سابقه کاری در حوزه سلامت، بیشتر با هیدروکسی‌کلروکین مخالفت می‌کردند (۷٪)، در حالی که جمعیت عمومی تمایل بیشتری به حمایت از ایورمکتین (۱۴٪) نشان داد. این مطالعه تأیید کرد که کاربران شبکه‌های اجتماعی درک‌ها و مواضع متفاوتی نسبت به استفاده مصوب و غیرمصوب از داروها در مراحل مختلف همه‌گیری کووید-۱۹ دارند، که نیازمند طراحی استراتژی‌های مناسب توسط سیستم‌های بهداشتی، نهادهای نظارتی و سیاست‌گذاران برای نظارت و کاهش اطلاعات نادرست و ترویج استفاده ایمن از داروها است.

روش‌شناسی تحقیق

روش‌شناسی این پژوهش بر پایه‌ی تحلیل داده‌های حجیم شبکه‌های اجتماعی، به طور مشخص توییتر، و استفاده از ابزارهای پیشرفته پردازش زبان طبیعی (NLP) و یادگیری ماشین بنا شده است. تیم تحقیقاتی یک فرآیند چندمرحله‌ای را برای استخراج و تحلیل اطلاعات مد نظر خود طی کرده است:

1. گردآوری داده:

   داده‌های مطالعه شامل ۶۰۹,۱۸۹ توییت منتشر شده توسط کاربران واقع در ایالات متحده آمریکا در بازه زمانی ۲۹ ژانویه ۲۰۲۰ تا ۳۰ نوامبر ۲۰۲۱ بود. انتخاب این بازه زمانی، دوران پرتلاطم همه‌گیری و بحث‌های پیرامون داروها را پوشش می‌دهد.

2. انتخاب داروها:

   چهار داروی کلیدی که بیشترین توجه عمومی را در دوران کووید-۱۹ به خود جلب کردند، برای تحلیل انتخاب شدند: هیدروکسی‌کلروکین و ایورمکتین (که اغلب با شواهد حکایتی مورد بحث بودند) و مولنوپیراویر و رمدسیویر (که داروهای تأیید شده توسط FDA بودند).

3. پردازش و تحلیل زبان طبیعی (NLP):

   یک خط لوله (pipeline) مبتنی بر NLP برای درک محتوای توییت‌ها توسعه داده شد. این خط لوله شامل مراحل زیر بوده است:

   • شناسایی موجودیت نام‌گذاری شده (Named Entity Recognition – NER): تشخیص و استخراج نام داروها، بیماری‌ها، و سایر مفاهیم کلیدی.
   • تحلیل احساسات (Sentiment Analysis): تعیین نگرش کلی کاربر (مثبت، منفی، خنثی) نسبت به هر دارو.
   • دسته‌بندی موضوعی (Topic Modeling): شناسایی موضوعات اصلی مورد بحث پیرامون هر دارو (مانند سیاست، علم، تئوری توطئه).
   • استخراج روابط (Relation Extraction): درک ارتباط بین موجودیت‌های مختلف در متن توییت.
4. تحلیل روند زمانی (Time-trend Analysis):

   با استفاده از داده‌های زمانی توییت‌ها، الگوهای تغییر محبوبیت و حجم بحث‌ها پیرامون هر دارو در طول زمان مورد بررسی قرار گرفت. این تحلیل برای همبستگی دادن بحث‌ها با رویدادهای مهم (مانند اعلام نتایج مطالعات، اخبار مربوط به واکسیناسیون، موج‌های بیماری) انجام شد.

5. تحلیل جمعیت‌شناختی و محتوایی:

   محققان تلاش کردند تا با تحلیل ویژگی‌های کاربران (تا حد امکان قابل دسترسی از داده‌های عمومی توییتر، مانند انتساب سیاسی) و محتوای توییت‌ها، دلایل احتمالی پشت مواضع متفاوت کاربران را شناسایی کنند. این بخش شامل بررسی نسبت حمایت یا مخالفت با داروها بر اساس گرایش سیاسی و زمینه حرفه‌ای (مانند افراد با پیشینه پزشکی) بود.

پیچیدگی داده‌های توییتر و ماهیت پویا و اغلب غیرساختاریافته آن‌ها، استفاده از این رویکرد ترکیبی را ضروری ساخته است تا بتوان تصویری جامع و قابل اعتماد از نگرش عمومی به دست آورد.

یافته‌های کلیدی

این تحقیق نتایج قابل توجهی را در خصوص درک نگرش عمومی نسبت به داروهای کووید-۱۹ ارائه می‌دهد:

1. حجم و ماهیت بحث‌ها:

   هیدروکسی‌کلروکین و ایورمکتین به طور قابل توجهی بیش از مولنوپیراویر و رمدسیویر مورد بحث قرار گرفتند. این حجم بالای بحث، خصوصاً در دوران پیک‌های همه‌گیری، نشان‌دهنده حساسیت و توجه عمومی به این داروها است.

   نکته کلیدی: بحث در مورد داروهای فاقد تأییدیه رسمی (هیدروکسی‌کلروکین و ایورمکتین) بسیار داغ‌تر و گسترده‌تر از داروهای مصوب بود.

2. قطبی‌شدن سیاسی:

   بحث‌ها پیرامون هیدروکسی‌کلروکین و ایورمکتین به شدت تحت تأثیر عوامل سیاسی قرار داشت. این موضوع با تئوری‌های توطئه، شایعات و تأثیرپذیری از اظهارنظر چهره‌های مشهور یا سیاسی مرتبط بود.

   نکته کلیدی: تفاوت معناداری (P < .001) در مواضع کاربران بر اساس وابستگی سیاسی آن‌ها مشاهده شد. جمهوری‌خواهان تمایل بیشتری به حمایت از هیدروکسی‌کلروکین (۵۵٪) و ایورمکتین (۳۰٪) نشان دادند، در حالی که دموکرات‌ها مواضع محتاطانه‌تری داشتند.

3. تفاوت در نگرش گروه‌های مختلف:

   افراد با سابقه کاری در حوزه سلامت (Healthcare Professionals) تمایل بیشتری به مخالفت با هیدروکسی‌کلروکین (۷٪) نسبت به جمعیت عمومی داشتند. این نشان‌دهنده اتکای بیشتر این گروه به شواهد علمی و پروتکل‌های تأیید شده است.

   نکته کلیدی: جمعیت عمومی نسبت به افراد متخصص، تمایل بیشتری به حمایت از ایورمکتین (۱۴٪) نشان داد، که می‌تواند بازتابی از پذیرش گسترده‌تر شایعات و اطلاعات حکایتی در میان عموم باشد.

4. پویایی زمانی و رویدادها:

   تحلیل روند زمانی نشان داد که میزان بحث در مورد داروها به طور مستقیم با شیوع بیماری و رویدادهای رسانه‌ای مرتبط بود. به عنوان مثال، در زمان اوج بیماری یا پس از انتشار اخباری (حتی تایید نشده) درباره اثربخشی داروها، میزان توییت‌ها افزایش می‌یافت.

5. پیچیدگی ادراک عمومی:

   یافته‌ها به وضوح نشان می‌دهند که کاربران شبکه‌های اجتماعی درک‌ها و مواضع متفاوتی نسبت به استفاده از داروها، چه با تأیید رسمی و چه خارج از پروتکل، در مراحل مختلف همه‌گیری کووید-۱۹ دارند. این تفاوت‌ها تحت تأثیر عوامل مختلفی از جمله سیاست، شایعات، و نظرات افراد مورد اعتماد قرار می‌گیرند.

کاربردها و دستاوردها

یافته‌های این پژوهش دارای کاربردهای عملی و دستاوردهای مهمی برای حوزه‌های مختلف سلامت و جامعه است:

• توسعه استراتژی‌های مقابله با اطلاعات نادرست:

  شناسایی دقیق منابع و ماهیت اطلاعات نادرست پیرامون داروها، امکان طراحی کمپین‌های آگاهی‌بخشی مؤثرتر و هدفمندتر را برای نهادهای سلامت عمومی فراهم می‌آورد. به عنوان مثال، درک تأثیرگذاری تئوری‌های توطئه و چهره‌های مشهور، به مسئولین کمک می‌کند تا پیام‌های خود را در کانال‌های مناسب و با زبانی مؤثرتر منتشر کنند.

• تقویت اعتماد عمومی به نهادهای علمی و نظارتی:

  با درک دلایل مخالفت یا موافقت گروه‌های مختلف با داروها، می‌توان شکاف بین جامعه علمی و عموم مردم را کاهش داد. این امر نیازمند ارتباط شفاف و مستمر بین دانشمندان، پزشکان و عموم جامعه است.

• پایش پویا سلامت عمومی:

  استفاده از ابزارهای تحلیل داده‌های شبکه‌های اجتماعی، مانند آنچه در این پژوهش انجام شد، به عنوان یک سیستم هشدار اولیه برای شناسایی روندهای نگران‌کننده در بحث‌های سلامت عمل می‌کند. این امر به سازمان‌ها اجازه می‌دهد تا قبل از تبدیل شدن یک شایعه به باور عمومی، با آن مقابله کنند.

• کمک به سیاست‌گذاری‌های مبتنی بر شواهد:

  نتایج این تحقیق می‌تواند به سیاست‌گذاران در درک بهتر فضای عمومی و شکل‌دهی به سیاست‌هایی کمک کند که هم با یافته‌های علمی همسو باشند و هم ملاحظات اجتماعی و روانی جامعه را در نظر بگیرند.

• پیشرفت در حوزه پردازش زبان طبیعی و هوش مصنوعی:

  توسعه و به‌کارگیری خط لوله NLP در این مطالعه، نمونه‌ای موفق از کاربرد این فناوری‌ها در تحلیل پدیده‌های پیچیده اجتماعی و سلامت است و می‌تواند الگویی برای مطالعات آتی در سایر زمینه‌ها باشد.

نتیجه‌گیری

پژوهش حاضر با تکیه بر تحلیل حجم عظیم داده‌های توییتر، نشان می‌دهد که در دوران همه‌گیری کووید-۱۹، نگرش عمومی به داروها، چه آن‌هایی که مورد تأیید رسمی قرار گرفته بودند و چه آن‌هایی که خارج از پروتکل (غیرمصوب) مورد بحث قرار می‌گرفتند، بسیار پیچیده، پویا و به شدت تحت تأثیر عوامل اجتماعی و سیاسی بوده است. هیدروکسی‌کلروکین و ایورمکتین، به دلیل طرح بحث‌های غیرعلمی و سیاسی، توجه عمومی بسیار بیشتری را به خود جلب کردند و با تئوری‌های توطئه و عدم قطعیت‌های علمی آمیخته شدند.

یافته کلیدی این است که صرف وجود دارو یا حتی تأیید رسمی آن، تضمین‌کننده پذیرش عمومی نیست؛ بلکه نحوه اطلاع‌رسانی، قطبی‌شدن سیاسی، و انتشار اطلاعات (چه درست و چه نادرست) در فضای عمومی، نقش تعیین‌کننده‌ای در شکل‌گیری افکار عمومی ایفا می‌کند. تفاوت‌های آشکار در نگرش بین گروه‌های سیاسی مختلف و همچنین بین متخصصان سلامت و عموم مردم، لزوم رویکردهای ارتباطی متفاوت و هدفمند را برجسته می‌سازد.

در نهایت، این مطالعه تأکید می‌کند که سیستم‌های سلامت، نهادهای نظارتی و سیاست‌گذاران باید با درک عمیق‌تری از نحوه شکل‌گیری بحث‌ها در شبکه‌های اجتماعی، استراتژی‌های هوشمندانه و چندوجهی را برای پایش و مقابله با اطلاعات نادرست تدوین کرده و به ترویج استفاده ایمن و مبتنی بر شواهد از داروها بپردازند. این امر نه تنها برای مدیریت بحران‌های بهداشتی کنونی، بلکه برای تقویت تاب‌آوری جامعه در برابر چالش‌های آتی سلامت، امری ضروری است.