2023-11-05-世界卫生组织-Value_of_social_media_and_other_online_listening_posts_in_Pharmacovigilance_-_Questions_4页_190kb

会议内容总结

1. 会议问题与回答

问题1：参考文献与方法工具

• 风险因素信号检测：
  • 引用了Hopstadius和Norén关于局部模式发现的文章。
  • 引用了WHO通讯和Boyd关于头孢曲松和肝炎的文章。
• 方法工具：
  • VigiPoint：Juhlin等人提出的数据驱动数据探索方法。
  • VigiRank：结合多方面“证据强度”的信号检测改进方法。
  • VigiGroup：通过共识聚类识别病例系列。
  • Web-RADR：WHO提出的社交媒体监测项目。
• 课程计划：UMC考虑未来为公共卫生人员增加信号检测方法的课程。

问题2：社交媒体信号检测挑战

• 数据偏见：非服药群体信息、社交媒体使用不持续。
• 真假信息：由AI自动工具难以完全解决，强调人工审核的必要性。
• 可比基线：未明确解决方案。

问题3：信号检测应用中的真正验证：以2019冠状病毒疫苗为例

• 通过分析原始信源以辨别传言，虽存在一定风险但需要从比例与影响来评估响应。
• 处理策略：用人工分类标签（如不可信来源）辅助风险识别。

问题4：信号探测及感知分析（关于PEEK平台）

• 支持问卷回答者
  • 数据代表性/多语言处理：社交媒体可能自然导致偏见，但用于早期警告时代表性假定较宽松；主要抓取英语、法语、西班牙语、俄语语料。
  • 访问问题与API修改：通过商业供应商获取数据（权力、防火墙等可绕过），预期不依赖Twitter等第一手API。
  • 伦理审查：数据不含个人身份，WHO合规发布与使用；未偏离原始文档用途。
• 研究方法说明：
  • 不采用“词频驱动再映射情感”而是“建立语义词典结合AI识别”。
  • 收集目标为预先构建的真正关切语料（药物、副作用等）。
  • “信号识别后再映射风险”系人工解读判断阶段。

问题5：自发报告中叙事信息的处理（依赖用户开发工具）

• UMC认为叙事捕捉对信号评估重要，并开发工具支持PV评估者从中寻找线索。

问题6：社交媒体ADR检测的规则性与局限

• 可能局限包括非代表性用户群、药物被"拔高"讨论，以及AI预训练模型对某些话题的屏蔽，对使用社交媒体进行信号检测需谨慎。

问题7：未注来源/内容于信号检测背景下的检验（验证性处理）

• UMC展示平台有标签分类（如不可信网站）。
• 提供如Pulsar集成新闻较评价（NewsGuard），支援来源透明度判断。

评论要点

• LLM如ChatGPT等可用于文本生成，但对特定内容可能受限。
• 信号挖掘与信息背景来源应用场景不同。
• AI生成信息可能放大虚假内容，需要防范手段。
• 应坚持伦理标准。