 |  | Juliane Brüggen |
 |
03.01.2022 16:45 Uhr |
Die Methode hat einige Limitationen, wie die Autoren der Studie betonen, vor allem die Datenqualität betreffend. Die verfügbaren Daten sind demnach in bestimmten Indikationen begrenzt. Für chronische Krankheiten, die mit einem hohen Leidensdruck einhergehen, stünden beispielsweise mehr Social-Media-Daten zur Verfügung als für weniger schwerwiegende und akute Leiden. Altersverteilung und Zugang zum Internet begrenzen die Datenqualität weiter: Nur Patientengruppen, die auf Social-Media-Plattformen aktiv sein können und dies tatsächlich auch sind, werden erfasst.
Zudem müsse die Richtigkeit der Daten hinterfragt werden, da Patienten üblicherweise keine Fachleute sind und keine medizinischen Fachbegriffe verwenden. Häufig könnten sie nicht zwischen Komorbiditäten und Nebenwirkungen unterscheiden. Bots sind ein weiteres Problem. Sie werden von Algorithmen gesteuert und verhalten sich in den sozialen Medien wie Menschen, um bestimmte Inhalte und Meinungen zu verbreiten. Nicht zuletzt sind rechtliche und ethische Faktoren relevant: Der Datenschutz und die Richtlinien der Plattformen müssen beachtet werden, aus ethischer Sicht außerdem die Privatsphäre und die Anonymität der User.
Die geringe Datenqualität könnte insgesamt zu einer hohen Verzerrung der Stichprobe (engl. sampling bias) führen, so die Wissenschaftler. Die Ergebnisse sind dann nicht repräsentativ für die Zielgruppe. Selbst wenn sie repräsentativ wären, müsste aber noch von unvollständigen und inkonsistenten Daten ausgegangen werden. Das Forscherteam resümiert schließlich, dass Social Media Mining weiter untersucht werden muss, um den tatsächlichen Nutzen für die Entwicklung von Arzneimitteln zu bewerten. Die Methode habe aber das Potenzial, patientenrelevante Innovationen voranzubringen.
