基于社交媒体话语的HPV疫苗区域覆盖率关联分析：以中国微博为例

《Journal of Virus Eradication》：Association between HPV vaccine-related social media discourse and regional HPV vaccine coverage in China

　　

摘要
背景：中国的人乳头瘤病毒（HPV）疫苗接种率仍远低于世界卫生组织（WHO）的目标。本研究考察了微博上HPV疫苗相关话语是否与中国区域疫苗覆盖率相关联。
方法：研究人员收集了2022年1月至2022年12月期间微博上HPV疫苗相关帖子，并额外收集了2025年1月至2025年12月期间的帖子用于时间比较。研究人员微调了一个Chinese-RoBERTa-wwm-ext模型对帖子主题进行分类，从而识别话语焦点并区分其与覆盖率关联的性质。采用嵌套留一交叉验证的多变量回归分析评估微博帖子相关变量与区域覆盖率之间的关联，并与使用社会经济指标（经济、教育、医疗、就业）构建的模型进行比较。
结果：主要分析共纳入29,638条有效帖子。约30%的帖子与“疫苗推广”和“疫苗接种体验”相关，构成两大最常见主题。总帖量与HPV疫苗覆盖率强相关（单剂：r = 0.869，95%置信区间[0.744, 0.936]，P < 0.001；三剂：r = 0.920 [0.840, 0.961]，P < 0.001），超过所有纳入的社会经济因素。总帖量模型的性能优于社会经济模型（LOOCV R²：单剂0.643对0.606；三剂0.818对0.662）。排除回顾性主题后，潜在前瞻性帖子加上社会经济因素改善了预测（LOOCV R²：单剂0.620对0.593；三剂0.797对0.720）。2025年，帖子数量减少48.1%，其中主题1相关帖子下降最为显著。
结论：微博上HPV疫苗话语与区域覆盖率相关联。社交媒体信号在常规社会经济指标之外提供了补充信息，可作为一种补充性公共卫生监测工具，用于识别区域需求和障碍。

**论文解读：基于微博HPV疫苗话语与区域覆盖率关联的研究**

**一、研究背景与问题**

宫颈癌是女性最常见的癌症之一，2022年全球新发病例约66万例，死亡约35万例，其发病率和死亡率在女性所有癌症中均居第四位。在中国，宫颈癌占所有妇科癌症的40%以上，2022年新发病例约11万例，严重威胁女性健康。人乳头瘤病毒（HPV）是宫颈癌的必要但非充分病因，HPV疫苗接种可降低约70%的宫颈癌发病率。为到2030年消除宫颈癌这一公共卫生问题，世界卫生组织（WHO）于2020年设定了全球目标，其中包括90%的女孩在15岁前完成全程HPV疫苗接种。中国于2016年7月首次批准HPV疫苗上市，接种率从2017年的0.01%提升至2022年的10.15%，但仍处于较低水平；9-14岁女孩的单剂覆盖率仅为4%，远低于WHO目标。疫苗覆盖率受医疗可及性和公众疫苗接受度共同影响，社会经济指标（如教育、贫困、保险状况）在很大程度上反映了可及性和接受度方面的差异。在政策和经济支持充分的情况下，提升公众疫苗认知和解决疫苗犹豫尤为关键。传统的疫苗信心和犹豫调查主要通过线下或线上问卷调查进行，而在互联网时代，社交媒体平台已成为公众传播和获取健康信息、讨论公共卫生议题的重要渠道。已有研究分析了中国公众对HPV疫苗的态度，但大多从整体视角描述，未与区域HPV疫苗覆盖率建立关联。中国不同地区的HPV疫苗覆盖率差异显著，部分西部省份的单剂覆盖率甚至低于5%，这是中国宫颈癌消除计划面临的关键挑战之一。因此，本研究旨在调查中国公众对HPV疫苗的关注度，并确定微博上的疫苗话语是否与区域HPV疫苗覆盖率相关联。

**二、研究内容与结论**

研究人员从微博平台收集了2022年1月至12月与HPV疫苗相关的帖子，并额外收集了2025年1月至12月的数据用于时间比较。通过微调Chinese-RoBERTa-wwm-ext深度学习模型对帖子主题进行分类，采用多变量回归模型（嵌套留一交叉验证）分析不同区域帖子的数量及主题与疫苗覆盖率之间的关联，并与纳入社会经济变量的模型进行比较。研究结果显示，微博上HPV疫苗相关话语与中国区域HPV疫苗覆盖率存在显著关联，尤其是三剂覆盖率。总帖量与单剂覆盖率（r = 0.869）和三剂覆盖率（r = 0.920）均呈强正相关，且相关性超过任何单一社会经济因素。基于总帖量的模型在样本外预测性能上优于社会经济模型（单剂LOOCV R²：0.643对0.606；三剂：0.818对0.662）。在排除回顾性主题（接种体验和疫苗市场混乱）后，潜在前瞻性帖子与社会经济因素结合的模型进一步提升预测能力（单剂LOOCV R²：0.620对0.593；三剂：0.797对0.720）。2025年帖子总量较2022年减少48.1%，其中表达接种期望的主题1相关帖子降幅最大。研究还发现，不同主题的帖子与覆盖率的关联性质不同，回顾性主题（如接种体验）的强关联不能解释为前瞻性信号，而主题1、主题5和主题6更具前瞻性。此外，社会媒体话语与社会经济指标具有互补性，可反映公众关注度、感知障碍和信息需求等结构指标未能充分测量的维度。研究表明，社交媒体监测可作为一种补充性公共卫生监测工具，用于识别区域需求和障碍，但不能替代传统监测和调查。

**三、主要关键技术方法**

研究人员使用Python网络爬虫抓取微博帖子数据，样本来自中国31个省份，时间跨度为2022年1月至12月（主要分析）及2025年1月至12月（时间比较）。帖子经过去重、过滤无效IP和无有效内容后，最终纳入29,638条帖子。研究人员设计了一个包含6个主题的注释框架（接种期望、政策与宣传、接种体验、市场乱象、接种困难、科普知识），由两名研究人员独立注释2000条帖子并协商解决分歧。采用Chinese-RoBERTa-wwm-ext预训练模型进行微调，该模型基于RoBERTa架构并采用全词掩蔽（wwm）技术，通过五折交叉验证和多数投票集成增强稳定性。模型在测试集上取得宏观F1分数0.8530，微观F1分数0.8562。统计分析使用多变量回归，采用嵌套留一交叉验证（LOOCV）进行变量选择，评估模型性能。HPV疫苗覆盖率数据来自已发表文献，基于中国免疫规划信息系统（CIIS）电子疫苗注册数据，社会经济数据来自中国官方统计年鉴。

**四、研究结果与结论总结**

**1. 帖子主题分布与区域差异**
在29,638条有效帖子中，主题3（接种体验和感受）占比最高（30.69%），其次是主题2（政策与宣传，27.75%）、主题6（科普，19.37%）、主题1（接种期望，12.92%）、主题5（接种困难，10.57%）和主题4（市场乱象，5.74%）。中国HPV疫苗覆盖率呈现东高西低的显著区域不均衡，社交媒体讨论也反映了这一差异。高覆盖率省份（如北京、上海）以疫苗科普类帖子为主，而低覆盖率省份更关注政策和宣传主题。

**2. 单变量相关分析**
无论主题类型，疫苗相关帖子数量与区域覆盖率均显著相关。总帖量与单剂覆盖率（r = 0.869）和三剂覆盖率（r = 0.920）的相关系数超过所有社会经济因素。主题3相关帖量与覆盖率相关性最强（单剂r = 0.895；三剂r = 0.942）。排除主题3或同时排除主题3和主题4后，潜在前瞻性帖量与覆盖率的关联有所下降，与单剂覆盖率的相关性不再强于人均GDP。

**3. 多变量模型构建与比较**
基于总帖量构建的模型对区域覆盖率的样本外预测性能优于社会经济模型（单剂LOOCV R²：0.643对0.606；三剂：0.818对0.662）。当考虑潜在前瞻性帖子时，模型泛化性能下降，对单剂覆盖率不再具有优势。在同时纳入帖子相关变量和社会经济因素的完整模型中，排除主题3和主题4后模型性能提高（单剂0.620对0.593；三剂0.797对0.720），排除主题3后也有类似改善。完整模型中使用潜在前瞻性帖子与社会经济因素结合时，性能优于单独使用社会经济因素、帖子数量变量或主题特定变量构建的模型。

**4. 2025年时间比较**
2025年1月至12月共检索到31,865条原始帖子，较三年前减少48.1%。男性用户发帖比例（54.24%对35.20%）和有影响力用户发帖比例（50.84%对37.19%）均显著增加。除主题6相关帖子数量增加外，其他主题帖子数量均出现不同程度下降，其中主题1下降最为显著，仅为三年前水平的7.86%。

**5. 讨论与结论**
社会媒体话语与覆盖率之间的关联具有主题依赖性：回顾性主题（如接种体验）的强关联不能视为前瞻性信号，而前瞻性主题（接种期望、接种困难、科普需求）则可能捕捉未满足的需求和信息缺口。总帖量混合了前瞻性信号和回顾性叙述，主题特定的度量更有助于解释关联的性质。三剂覆盖率与主题变量的增量关联更强，可能反映第一剂接种更多受价格和可及性影响，而完成全程接种依赖于持续关注和需求。社会媒体话语可能反映了社会结构指标未完全测量的公众注意力和感知障碍维度，两者具有互补性。地理位置上的差异表明不同疫苗推广阶段存在不同需求：低覆盖率地区需要政策支持和特殊优惠，高覆盖率地区需要维持需求、促进全程接种并纠正错误信息。男性及有影响力用户参与增加提示HPV疫苗接种正被构建为更广泛的公共卫生议题。社交媒体监控的优势在于实时性和可操作性，但不应作为疫苗信心的独立衡量标准或替代调查和结构指标。研究局限性包括生态学观察设计不能推断因果、单位数量少导致统计功效有限、微博用户代表性不足、IP定位不精确、帖子计数以互联网用户而非适龄人口标准化、社会经济数据存在时间错配、以及缺乏2022年后覆盖率数据等。结论：微博上HPV疫苗相关话语与中国区域HPV疫苗接种覆盖率强相关，尤其是三剂覆盖率。社交媒体话语反映了区域疫苗接种环境，但在排除回顾性话语后，潜在前瞻性社交媒体信号与社会经济因素结合仍保留补充信息价值。未来需要将时间对齐的社交媒体数据、疫苗接种记录和个体层面调查数据相结合的纵向研究，以确定主题特异的社交媒体信号能否可靠预测HPV疫苗接种行为的变化。