侯志远指导我院本科生使用深度学习模型揭示全球新冠疫苗接受度和信心的时空趋势

（供稿：周新宇，侯志远）

传统上，公共卫生态度和行为的研究通常通过问卷调查开展，成本较高、耗时较长、追踪困难。最近，伴随着机器学习技术的发展，社交媒体文本大数据可以被充分挖掘。基于社交媒体大数据的机器学习研究，成为一种社会倾听方法，可用于公共卫生风险、态度和行为的实时监测。

复旦大学侯志远副教授指导学院本科生，和伦敦卫生与热带医学院（LSHTM）等高校合作，以新冠疫苗接受度和信心为例，开展公共卫生和机器学习的交叉研究。研究团队利用人工标注数据训练了XLM-RoBERTa多语言深度学习模型，使用训练的深度学习模型分析了全球90种语言的1300万条社交媒体推文，揭示了新冠疫苗接受度和信心在135个国家或地区的时空变化趋势，阐述了新冠疫苗接受度和信心时空趋势的影响因素与公共卫生意义。研究成果以“Spatiotemporal trends in COVID-19 vaccine sentiments on a social media platform and correlations with reported vaccine coverage”为题，于2024年1月发表在世界卫生组织官方期刊Bulletin of the World Health Organization。

本研究将深度学习应用于海量的社交媒体数据，形成社会倾听技术，开展公共卫生风险、态度和行为的实时监测，可广泛应用于各类公共卫生事件。杂志编辑部认为，社会倾听技术时效性高，可以帮助政策制定者实时掌握政策措施对公众的影响，从而成为一种支撑政策调整的重要工具。

研究揭示了各国家（地区）推特上疫苗接受度和信心的差异，这一差异与各国公众对政府的信任度、治理水平、社会经济发展等因素显著相关。同时，推特上疫苗接受度是各国实际接种率的显著预测因子，体现了推特上疫苗相关讨论不仅仅停留在态度与表达层面，也会反应在行为之中。

研究发现，推特上疫苗接受度和信心在2021年3月到2022年初出现了全球范围内持续性的下降。通过固定效应模型发现，这一下降与各国疫苗接种扩展至青少年人群、疫苗供给变得充足、非药物干预措施放松以及疫苗副反应报道相关。

学院本科生周新宇、硕士研究生张旭为本文共同第一作者，侯志远副教授为本文通讯作者。该论文还获得“挑战杯”全国大学生课外学术科技作品竞赛上海赛区特等奖和国赛二等奖。

此外，侯志远副教授指导学院多名本科生，近年来在疫苗信心、公共卫生与机器学习交叉领域发表多篇论文。学院本科生赵思泓为第一作者的论文“The Prevalence, Features, Influencing Factors, and Solutions for COVID-19 Vaccine Misinformation: Systematic Review”，在2023年1月发表于JMIR Public Health and Surveillance。学院本科生童懿昕为共同第一作者的论文“Assessing COVID-19 vaccine hesitancy, confidence and public engagement: a global social listening study”，在2021年6月发表在Journal of Medical Internet Research。

文章链接：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10753281/

文章引用：Zhou X, Zhang X, Larson HJ, et al. Spatiotemporal trends in COVID-19 vaccine sentiments on a social media platform and correlations with reported vaccine coverage. Bull World Health Organ,2024;102(1):32-45.