論文の概要: Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers
- arxiv url: http://arxiv.org/abs/2209.04874v2
- Date: Sat, 19 Nov 2022 02:28:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 11:04:29.940421
- Title: Doctors vs. Nurses: Understanding the Great Divide in Vaccine Hesitancy
among Healthcare Workers
- Title(参考訳): 医師対看護婦:医療従事者におけるワクチンヘシタシーの大分枝の理解
- Authors: Sajid Hussain Rafi Ahamed, Shahid Shakil, Hanjia Lyu, Xinping Zhang,
Jiebo Luo
- Abstract要約: 医者は新型コロナウイルスワクチンに対して全体的に陽性であることがわかりました。
医師は新型ワクチンよりもワクチンの有効性を懸念している。
看護婦は子供に対する潜在的な副作用にもっと注意を払う。
- 参考スコア(独自算出の注目度): 64.1526243118151
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Healthcare workers such as doctors and nurses are expected to be trustworthy
and creditable sources of vaccine-related information. Their opinions toward
the COVID-19 vaccines may influence the vaccine uptake among the general
population. However, vaccine hesitancy is still an important issue even among
the healthcare workers. Therefore, it is critical to understand their opinions
to help reduce the level of vaccine hesitancy. There have been studies
examining healthcare workers' viewpoints on COVID-19 vaccines using
questionnaires. Reportedly, a considerably higher proportion of vaccine
hesitancy is observed among nurses, compared to doctors. We intend to verify
and study this phenomenon at a much larger scale and in fine grain using social
media data, which has been effectively and efficiently leveraged by researchers
to address real-world issues during the COVID-19 pandemic. More specifically,
we use a keyword search to identify healthcare workers and further classify
them into doctors and nurses from the profile descriptions of the corresponding
Twitter users. Moreover, we apply a transformer-based language model to remove
irrelevant tweets. Sentiment analysis and topic modeling are employed to
analyze and compare the sentiment and thematic differences in the tweets posted
by doctors and nurses. We find that doctors are overall more positive toward
the COVID-19 vaccines. The focuses of doctors and nurses when they discuss
vaccines in a negative way are in general different. Doctors are more concerned
with the effectiveness of the vaccines over newer variants while nurses pay
more attention to the potential side effects on children. Therefore, we suggest
that more customized strategies should be deployed when communicating with
different groups of healthcare workers.
- Abstract(参考訳): 医師や看護師などの医療従事者は、ワクチン関連情報の信頼できる情報源として期待されている。
新型コロナウイルスワクチンに対する彼らの意見は、一般市民のワクチン摂取に影響を与える可能性がある。
しかし、医療従事者の間でもワクチンの根絶は重要な問題である。
そのため,ワクチンの根絶のレベルを下げるためには,彼らの意見を理解することが重要である。
医療従事者の新型コロナウイルスワクチンに対する視点をアンケートを用いて調査した。
報告によると、看護師の間では、医師に比べてワクチンのヘシタシーがかなり多く見られる。
新型コロナウイルス(COVID-19)のパンデミックで現実の問題に対処するために、研究者が効果的に効果的に活用してきたソーシャルメディアデータを用いて、この現象をはるかに大規模かつ微粒で検証し研究するつもりです。
より具体的には、キーワード検索を使って医療従事者を識別し、対応するtwitterユーザーのプロフィール記述から医師や看護師に分類する。
さらに,無関係なツイートを除去するために,トランスフォーマーに基づく言語モデルを適用する。
感情分析と話題モデリングは、医師や看護師が投稿したツイートの感情とテーマの違いを分析し比較するために用いられる。
医師は新型コロナウイルスワクチンに対して概して肯定的であることが分かりました。
負の方法でワクチンを議論するときの医師や看護師の焦点は一般的に異なる。
医師は、新しいワクチンに対するワクチンの効果をより心配し、看護師は子供に対する潜在的な副作用にもっと注意を払う。
したがって、医療従事者の異なるグループとのコミュニケーションにおいて、よりカスタマイズされた戦略を展開すべきである。
関連論文リスト
- Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳(メタデータ) (2022-12-16T13:57:41Z) - "COVID-19 was a FIFA conspiracy #curropt": An Investigation into the
Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。
我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文 参考訳(メタデータ) (2022-06-12T19:41:01Z) - Winds of Change: Impact of COVID-19 on Vaccine-related Opinions of
Twitter users [19.08902619892565]
新型コロナウイルス(COVID-19)ワクチンを社会規模で投与することは、新型コロナウイルスの感染拡大を防ぐための最も適切な方法だと考えられている。
この世界的なワクチン接種は、ソーシャルメディアプラットフォーム上のワクチンに対する支持と懸念を強く表明する反Vaxxersと反Vaxxersの可能性を自然に引き起こした。
この研究の目的は、Twitterの談話データのレンズを使って、この理解を改善することである。
論文 参考訳(メタデータ) (2021-11-20T19:33:51Z) - Vaccine skepticism detection by network embedding [0.0]
本稿では,Vax-懐疑的コンテンツとpro-vaxxerを効果的に区別する技術を開発した。
数百万のエッジを持つグラフに対して,いくつかのノード埋め込みとコミュニティ検出モデルをデプロイします。
論文 参考訳(メタデータ) (2021-10-20T12:30:51Z) - Sentiment Analysis and Topic Modeling for COVID-19 Vaccine Discussions [10.194753795363667]
われわれは、Twitter上で新型コロナウイルスに関するツイートを詳細に分析する。
その結果、大多数の人はワクチンの有効性に自信を持ち、ワクチン接種を希望していることがわかった。
否定的なツイートは、しばしばワクチン不足の苦情、注射後の副作用、ワクチン接種後の死亡の可能性と関連付けられている。
論文 参考訳(メタデータ) (2021-10-08T23:30:17Z) - Insight from NLP Analysis: COVID-19 Vaccines Sentiments on Social Media [6.965634726663563]
パンデミックの最中、英国と米国住民のツイートをTwitter APIから収集しました。
VADERによる感情分析を行い、個人の影響をカウントできる新しい方法を提案した。
その結果、予防接種が進むにつれて、有名人がソーシャルメディアに意見転換を導く可能性が示唆された。
論文 参考訳(メタデータ) (2021-06-08T03:37:22Z) - The illicit trade of COVID-19 vaccines on the dark web [55.45786602961871]
初期の分析によると、ダークウェブマーケットプレース(DWM)は新型コロナウイルス(COVID-19)のパンデミックの開始と同時に、新型コロナウイルス関連製品(マスクや新型コロナウイルス検査など)の提供を開始した。
そこで,2021年7月までに194件のDWMを分析した結果,ワクチンが利用可能となった重要な期間を含む,これまでの調査範囲と深度を広げた。
従来のDWM製品ではレクリエーション薬が最も影響を受けており、2020年3月以降、新型コロナウイルスの言及は着実に増加している。
論文 参考訳(メタデータ) (2021-02-10T14:52:54Z) - Dark Web Marketplaces and COVID-19: before the vaccine [53.447910186085586]
2020年1月1日から11月16日までの間に、30のダークウェブマーケットプレースから抽出された851,199件の分析を行った。
新型コロナウイルス製品に直接関連した788のリストを同定し、製品カテゴリーの時間的進化をモニタリングする。
新型コロナウイルス(COVID-19)パンデミックの間、オンラインのシャドーエコノミーがどのように発展してきたのかを明らかにし、DWMの継続的なモニタリングの重要性を強調します。
論文 参考訳(メタデータ) (2020-08-04T14:27:41Z) - COVID-19 Vaccine Acceptance in the US and UK in the Early Phase of the
Pandemic: AI-Generated Vaccines Hesitancy for Minors, and the Role of
Governments [10.64167691614925]
ワクチン開発における人工知能の使用は、ワクチンの受容に影響を与えなかった。
ワクチンの有効性を明示したヴィグネットは、ワクチンの受け入れを増加させた。
論文 参考訳(メタデータ) (2020-06-15T06:47:13Z) - Falling into the Echo Chamber: the Italian Vaccination Debate on Twitter [65.7192861893042]
われわれは、Twitter上での予防接種に関する議論が、予防接種ヘシタントに対する潜在的な不安にどのように影響するかを調査する。
予防接種懐疑派や擁護派が独自の「エチョ室」に居住していることが判明した。
これらのエコーチャンバーの中心には熱心な支持者がいて、高い精度のネットワークとコンテンツベースの分類器を構築しています。
論文 参考訳(メタデータ) (2020-03-26T13:55:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。