這篇論文提出了一個模型，可以估計像COVID-19這樣的緊急情況下社會的情緒，透過間接與病毒相關的關鍵詞。模型追蹤情緒隨感染率和政府命令變化而變化的情況，展示情緒隨時間變化的情況。在紐約市、洛杉磯和芝加哥等城市的測試中，模型表現可靠，反映了疫情期間情緒趨勢。這種方法可能有助於分析各種緊急情況，未來可作為政策支持工具補充傳統調查。 PubMed DOI

ChatGPT是OpenAI開發的AI語言模型，可能改變資訊搜尋方式。雖有教育品質疑慮，但可能整合至網路搜尋。研究發現ChatGPT對抗COVID-19疫苗陰謀論，中立看待強制接種，並列出利弊。可用來對抗疫苗錯誤資訊，但不可取代世衛組織等可靠來源。 PubMed DOI

新冠疫情全球衝擊深遠，造成許多人喪生且醫療資源吃緊。失業問題嚴重，經濟壓力大。各界人士積極抗疫，科學家研發有效疫苗。雖疫苗證實有效，但對接種仍有疑慮，受網路假訊息及名人影響。ChatGPT對疫苗誤解回應顯示AI潛力，可解疑慮促進接種。 PubMed DOI

研究利用自然語言處理技術，改善COVID-19疫苗不良事件報告系統的信號管理。通過分析醫學文獻，成功排除了17%與疫苗接種後不良事件相關的不均衡信號。雖然有些技術表現不佳，但GPT-3.5在醫學術語方面達到78%的準確率。這種方法有助於提升疫苗安全監測的效率。 PubMed DOI

社群媒體對資訊傳播和公眾意見塑造很重要。研究分析了數百萬篇有關ChatGPT和COVID-19疫苗的帖子，探討線上平台如何影響大眾看法。研究使用主題分析和情感分析來了解不同平台和事件對線上討論的影響。結果顯示，COVID-19疫苗討論因為緊迫性而傳播速度快，而ChatGPT討論則發展較緩慢。 PubMed DOI

研究探討2022年12月1日至2023年3月1日間ChatGPT推出後的初期反應和情緒。透過分析Twitter數據，發現公眾對這個聊天機器人的討論集中在擔憂和意見上。研究指出ChatGPT受到正負面評價，人們對其能力和影響持有著興奮與謹慎並存的態度。 PubMed DOI

研究使用ChatGPT分析社群媒體上對HPV疫苗接種的情緒，結果顯示在20個回應中，準確區分支持或反對疫苗的能力很高。ChatGPT對公眾對HPV疫苗的看法有潛力，但需注意在特定健康議題下模型的限制。 PubMed DOI

研究指出，社群媒體可幫助監控HPV疫苗疑慮。透過語言模型分析超過653,000則推文，發現不良反應、個人經驗及疫苗強制接種等議題。2020年後，推文中出現個人經驗及父母同意和透明度的討論。這方法有助於針對性干預、揭露錯誤資訊，並改善公共衛生宣導。 PubMed DOI

在網路時代，人們習慣上透過線上平台搜集資訊和分享看法，包括在醫療保健領域。這項研究聚焦於中國患者在COVID-19大流行期間的醫療經驗和醫院評價如何轉變。透過分析網路上的患者資料，來了解在特定情況下的醫療互動。研究目的在比較大流行前、期間和後不同類型醫院的患者評論。利用ChatGPT辨識負面醫院評價，提出改善患者滿意度的建議。研究收集了中國頂尖醫院的患者評論，並運用統計工具進行分析。研究結果顯示，在大流行期間，患者評論與醫院評分有關聯，不同類型醫院的負面評價也不同。兒童醫院面臨等候時間和治療效果問題，產科醫院則有醫護人員態度問題，腫瘤醫院則需改進檢查和治療效率。這項研究凸顯了大流行對患者評論的影響，並為醫院管理者提供改善醫患關係和醫院表現的見解，尤其是在公共衛生危機時期。 PubMed DOI

這項研究探討生成性大型語言模型（LLMs）在分析公共健康相關社交媒體內容的可行性，特別是疫苗言論。研究發現，LLMs通常能有效識別人類專家所關注的主題，且錯誤信息出現率較低。雖然LLMs的分析深度不及人類專家，但專家認為其生成的主題仍然合理且相關。總體來看，LLMs在處理健康相關社交媒體內容方面展現出顯著潛力，未來可能有助於公共健康策略的制定與社區關注的理解。 PubMed DOI