Vacunas anticovid y trombosisel miedo en las redes sociales

  1. Sergio Arce Garcia 1
  2. Cano-Garcinuño, María-Isabel 2
  3. Quiles-Cano, Cristina 3
  4. Cano-Pérez, Julia 4
  1. 1 Universidad Internacional de La Rioja
    info

    Universidad Internacional de La Rioja

    Logroño, España

    ROR https://ror.org/029gnnp81

  2. 2 Servicio de Salud del Principado de Asturias (SESPA)
    info

    Servicio de Salud del Principado de Asturias (SESPA)

    Oviedo, España

  3. 3 Servicio Madrileño de Salud (SERMAS)
  4. 4 Hospital Universitario de Valencia
Erakutsi afiliazioak +
Aldizkaria:
Revista de Comunicación y Salud: RCyS

ISSN: 2173-1675

Argitalpen urtea: 2024

Alea: 14

Zenbakia: 1

Orrialdeak: 1-19

Mota: Artikulua

DOI: 10.35669/RCYS.2024.14.E307 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Beste argitalpen batzuk: Revista de Comunicación y Salud: RCyS

Laburpena

Fundamentos: El presente artículo tiene como objetivo analizar la relación existente en la red social Twitter en español entre trombos y vacunas anticovid. Métodos: Se utilizaron técnicas de machine learning y análisis estadístico masivo para la determinación de redes sociales formadas, sus relaciones, análisis de sentimientos y emociones y discursos principales por minería de texto durante cuatro meses. Para ello se recogieron 915.825 mensajes que hablaran de trombosis a lo largo de los cuatro primeros meses del año 2021. Resultados: Se encontró un aumento muy destacado de mensajes alrededor desde mediados de marzo e incrementándose fuertemente a principios de abril, coincidiendo con los casos detectados y suspensiones temporales de ciertas vacunas en Estados Unidos y Europa. El principal de mensajes procede de España, aunque México centra el debate en Latinoamérica. Conclusiones: Se pudieron determinar un aumento de mensajes de alta carga emocional, principalmente negativa, así como mensajes desinformativos y conspirativos especialmente desde unos grupos sin referentes significativos. Los difusores de noticias de desinformación sobre vacunas son enviados por pequeñas cuentas nano-influencers o cuentas falsas utilizando posibles técnicas astroturfing.

Erreferentzia bibliografikoak

  • Arce García, S., & Menéndez Menéndez, M.I. (2018). Aplicaciones de la estadística al framing y la minería de texto en estudios de comunicación. Información, cultura y sociedad, 39, 61-70. https://doi.org/10.34096/ics.i39.4260.
  • Barabasi, A.L. (2016). Network Science. Cambridge (UK): Cambridge University Press.
  • Barrie, C., & Chun-ting, H.J. (2021). AcademictwitteR: an R package to access the Twitter Academic Research Product Track v2 API endpoint. Journal of Open Source Software, 6(62), 3272. https://doi.org/10.21105/joss.03272.
  • Bastian, M., Heymann, S., & Jacomy, M. (2009). Gephi: An Open Source Software for Exploring and Manipulating Networks. In Third International ICWSM Conference: Proceedings del Third International ICWSM Conference; San Jose, California, EEUU.
  • Baviera, T. (2018). Influence in the political Twitter sphere: Authority and retransmission in the 2015 and 2016 Spanish General Elections. European Journal of Communication, 33(3), 321-337. https://doi.org/10.1177/0267323118763910.
  • Blázquez-Serna, P. (6 de mayo de 2021). Janssen se recupera de las polémicas por los trombos y reaviva la campaña de vacunación. COPE. https://bit.ly/3hzsXSt.
  • Broniatowski, D.A, Drezde, M., & Ayers, J.W. “First Do No Harm”: Effective Communication About COVID-19 Vaccines. American Journal of Public Health, 111(6), 1055-1057. https://doi.org/10.2105/AJPH.2021.306288.
  • Campos-Domínguez, E., & Calvo, D. (2017). La campaña electoral en Internet: planificación, repercusión, y viralización en Twitter durante las elecciones españolas de 2015. Comunicación y Sociedad, 29, 79-101.
  • Casero-Ripollés, A., Feenstra, R., & Tormey, S. (2016). Old and new media logics in an electoral campaign. The case of Podemos and the Two-Way Street mediatization of politics. The International Journal of Press/Politics, 21(3), 378-397. https://doi.org/10.1177/1940161216645340.
  • Cines, D.B., & Bussel, J.B. (2021). SARS-CoV-2 Vaccine–Induced Immune Thrombotic Thrombocytopenia. New England Journal of Medecine, 384, 2254-2256. https://doi.org/10.1056/NEJMe2106315.
  • Corvalán, D. (2020). Las vacunas como bienes sociales ¿Será la COVID una oportunidad para una estrategia integral?. Ciencia, Tecnología y Política, 3(5). https://doi.org/10.24215/26183188e047.
  • Ekman, P. (1992). An argument for basic emotions. Cognition and Emotion, 6(3), 169–200.
  • Gaus, D. (2021). Covid-19: Vacunas. Practica Familiar Rural. Health in Latin America, 6(1). https://doi.org/10.23936/pfr.v6i1.196.
  • Grady, D., & Robbins, R. (17 de marzo de 2021). Vacuna AstraZeneca: ¿deberías preocuparte por los trombos y el sangrado?. The New York Times. https://nyti.ms/3rbXHME.
  • Hernández, A.F., Calina, D., Poulas, K., Docea, A.O., & Tsatsakis, A.M. (2021). Safety of COVID-19 vaccines administered in the EU: Should we be concerned?. Toxicol Rep, 8, 871-879. https://doi.org/10.1016/j.toxrep.2021.04.003.
  • Jacomy, M., Venturini, T., Heymann, S., & Bastian, M. (2014) ForceAtlas2, a Continuous Graph Layout Algorithm for Handy Network Visualization Designed for the Gephi Software. PLOS ONE, 9(6): e98679. https://doi.org/10.1371/journal.pone.0098679.
  • Konstantinides, S. (2021). Thrombotic complications of vaccination against SARS-CoV-2: what pharmacovigilance reports tell us - and what they don't. Eur Respir Journal, 58, 210111. https://doi.org/10.1183/13993003.01111-2021.
  • Lakoff, G. (2007). No pienses en un elefante. Madrid: Ediciones Complutense.
  • Levi, S. (2019). #Fakeyou. Fake news y desinformación.1a ed. Barcelona: Rayo Verde Editorial.
  • Mohammad, S.M. (2016). Sentiment Analysis: Detecting Valen7ce, Emotions, and Other Affectual States from Text. Emotion Measurement, 201-237. https://doi.org/10.1016/B978-0-08-100508-8.00009-6.
  • Mohammad, S.M., & Turney, P.D. (2012). Crowdsourcind a word-emotion association lexicon. Computational Intelligence, 29(3), 436–465. https://doi.org/10.1111/j.1467-8640.2012.00460.x.
  • Mosleh, M., Martel, C., Eckles, D., & Rand, D. (2021) Perverse Downstream Consequences of Debunking: Being Corrected by Another User for Posting False Political News Increases Subsequent Sharing of Low Qual23ity, Partisan, and Toxic Content in a Twitter Field Experiment. In CHI '21: Proceedings del 2021 CHI Conference on Human Factors in Computing Systems;Yokohama, Japón. Yokohama: Association for Computing Machiner, 1–13. https://doi.org/10.1145/3411764.3445642.
  • Ministerio de Salud y Bienestar Social (2021). Situación de casos confirmados por Covid-19. Madrid: Ministerio de Salud y Bienestar Social. https://bit.ly/3wzuwEf
  • Pariser, E. (2011). The filter bubble. 1a ed. Nueva York: Penguin Books Ltd.
  • Plutchik, R. (1980). A general psychoevolutionary theory of emotion. In: Emotion: Theory, Research, and Experience. Academic Press. Inc. 3–33.
  • RT (16 de abril 2021). Calculan que las vacunas de Pfizer y Moderna provocan 30 veces más casos de trombosis de la vena porta que la de AstraZeneca. Russia Today (RT). https://bit.ly/3r7TtFQ.
  • Sautera, D.A., Eisner, F., Ekman, P., & Scott, S.K. (2010). Cross-cultural recognition of basic emotions through nonverbal emotional vocalizations. Proc Natl Acad Sci USA, 107(6), 2408–2412. https://doi.org/10.1073/pnas.0908239106
  • Smadja, D.M., Yue, Q.Y., Chocron, R., Sanchez, O., & Lillo-Le Louet, A. (2021) Vaccination against COVID-19: insight from arterial and venous thrombosis occurrence using data from VigiBase. Eur Respir Journal, 58: 2100956. https://doi.org/10.1183/13993003.00956-2021
  • Swati, U., Pranali, C., & Pragati, S. (2015). Sentiment analysis of news articles using machine learning approach. International journal of advances in electronics and computer science, 2(4),114-116.
  • vacunacovid.gob (2021). Estrategia de vacunación COVID-19 Información oficial sobre la vacunación contra el nuevo coronavirus. Ministerio de Salud y Bienestar Social. https://www.vacunacovid.gob.es/
  • Van der Linden, S., Maibach, E., Cook, J., Leiserowitz, A., & Lewandowsky, S. (2017) Inoculating Against Misinformation. Science, 358(6367), 1141–1142. https://doi.org/10.17863/CAM.26207.
  • WHO (Organización Mundial de la Salud) (2021). COVAX: colaboración para un acceso equitativo mundial a las vacunas contra la COVID-19. https://www.who.int/es/initiatives/act-accelerator/covax.
  • Williams, M. (2021). The Science of Hate. 1a ed. Londres: Faber Ltd.
  • Zhang, J., Carpenter, D., & Ko, M. (2013). Online astroturfing: A theoretical perspective.In Nineteeth Americas Conference on Information Systems AMCIS. Proceedings of the Nineteeth Americas Conference on Information Systems; Chicago, Illinois, EEUU.
  • Zhu, X., Kim, Y., & Park, H. (2019). Do Messages Spread Widely Also Diffuse Fast? Examining the Effects of Message Characteristics on Information Diffusion. Computers in Human Behavior, 103, 37-47. https://doi.org/10.1016/j.chb.2019.09.006.
Datuen iturria: Dialnet