Comparación de las estructuras de difusión de información errónea y verídica en las redes sociales durante una emergencia de salud pública

[RESUMEN]. Objetivos. Elaborar un esquema operativo integral para detectar la información errónea principal sobre el zika distribuida en Twitter® en el 2016; reconstruir las redes por las que se difunde información mediante retuiteo; contrastar la información verídica frente a la errónea con diversos parámetros; e investigar cómo se difundió en las redes sociales la información errónea sobre el zika durante la epidemia. Métodos. Revisamos sistemáticamente los 5 000 tuits más retuiteados con información sobre el zika en inglés, definimos “información errónea” a partir de la evidencia, buscamos tuits que tuvieran información errónea y conformamos un grupo equiparable de tuits con información verídica. Elaboramos un algoritmo para reconstruir las redes de retuiteo de 266 tuits con información errónea y 458 tuits equiparables con información verídica. Calculamos y comparamos nueve parámetros para caracterizar la estructura de las redes a varios niveles, entre los dos grupos. Resultados. En los nueve parámetros se aprecian diferencias estadísticamente significativas entre el grupo de información verídica y el de información errónea. La información errónea en general se difunde mediante estructuras más sofisticadas que la información verídica. También hay una considerable variabilidad intragrupal. Conclusiones. Las redes de difusión de la información errónea sobre el zika en Twitter fueron sustancialmente diferentes que las de información verídica, lo cual indica que la información errónea se sirve de mecanismos de difusión distintos. Nuestro estudio permitirá formar una comprensión más holística de los desafíos que plantea la información errónea sobre salud en las redes sociales.

[ABSTRACT]. Objectives. To provide a comprehensive workflow to identify top influential health misinformation about Zika on Twitter in 2016, reconstruct information dissemination networks of retweeting, contrast mis- from real information on various metrics, and investigate how Zika misinformation proliferated on social media during the Zika epidemic. Methods. We systematically reviewed the top 5000 English-language Zika tweets, established an evidence-based definition of “misinformation,” identified misinformation tweets, and matched a comparable group of real-information tweets. We developed an algorithm to reconstruct retweeting networks for 266 misinformation and 458 comparable real-information tweets. We computed and compared 9 network metrics characterizing network structure across various levels between the 2 groups. Results. There were statistically significant differences in all 9 network metrics between real and misinformation groups. Misinformation network structures were generally more sophisticated than those in the real-information group. There was substantial within-group variability, too. Conclusions. Dissemination networks of Zika misinformation differed substantially from real information on Twitter, indicating that misinformation utilized distinct dissemination mechanisms from real information. Our study will lead to a more holistic understanding of health misinformation challenges on social media.

Comparación de las estructuras de difusión de información errónea y verídica en las redes sociales durante una emergencia de salud pública / Contrasting Misinformation and Real-Information Dissemination Network Structures on Social Media During a Health Emergency

RESUMEN Objetivos. Elaborar un esquema operativo integral para detectar la información errónea principal sobre el zika distribuida en Twitter® en el 2016; reconstruir las redes por las que se difunde información mediante retuiteo; contrastar la información verídica frente a la errónea con diversos parámetros; e investigar cómo se difundió en las redes sociales la información errónea sobre el zika durante la epidemia. Métodos. Revisamos sistemáticamente los 5 000 tuits más retuiteados con información sobre el zika en inglés, definimos "información errónea" a partir de la evidencia, buscamos tuits que tuvieran información errónea y conformamos un grupo equiparable de tuits con información verídica. Elaboramos un algoritmo para reconstruir las redes de retuiteo de 266 tuits con información errónea y 458 tuits equiparables con información verídica. Calculamos y comparamos nueve parámetros para caracterizar la estructura de las redes a varios niveles, entre los dos grupos. Resultados. En los nueve parámetros se aprecian diferencias estadísticamente significativas entre el grupo de información verídica y el de información errónea. La información errónea en general se difunde mediante estructuras más sofisticadas que la información verídica. También hay una considerable variabilidad intragrupal. Conclusiones. Las redes de difusión de la información errónea sobre el zika en Twitter fueron sustancialmente diferentes que las de información verídica, lo cual indica que la información errónea se sirve de mecanismos de difusión distintos. Nuestro estudio permitirá formar una comprensión más holística de los desafíos que plantea la información errónea sobre salud en las redes sociales.

ABSTRACT Objectives. To provide a comprehensive workflow to identify top influential health misinformation about Zika on Twitter in 2016, reconstruct information dissemination networks of retweeting, contrast mis- from real information on various metrics, and investigate how Zika misinformation proliferated on social media during the Zika epidemic. Methods. We systematically reviewed the top 5000 English-language Zika tweets, established an evidence-based definition of "misinformation," identified misinformation tweets, and matched a comparable group of real-information tweets. We developed an algorithm to reconstruct retweeting networks for 266 misinformation and 458 comparable real-information tweets. We computed and compared 9 network metrics characterizing network structure across various levels between the 2 groups. Results. There were statistically significant differences in all 9 network metrics between real and misinformation groups. Misinformation network structures were generally more sophisticated than those in the real-information group. There was substantial within-group variability, too. Conclusions. Dissemination networks of Zika misinformation differed substantially from real information on Twitter, indicating that misinformation utilized distinct dissemination mechanisms from real information. Our study will lead to a more holistic understanding of health misinformation challenges on social media.