Warum sich gegen Impfungen gerichtete Meinungen so leicht verbreiten können
Die Weltgesundheitsorganisation (WHO) stufte die zögerliche Haltung gegenüber Impfstoffen im Jahr 2019 – noch vor der COVID-19-Pandemie – unter die 10 größten globalen Gesundheitsbedrohungen ein. Die Abneigung gegen Impfungen steigt seit langem https://health.ec.europa.eu/other-pages/basic-page/health-eu-newsletter-214-focus_de (in Europa und trägt zum Ausbruch vermeidbarer Erkrankungen wie Masern bei. Wie genau entstehen solche Haltungen? Wodurch werden die Ansichten über Impfungen beeinflusst, und wie verbreiten sich die Meinungen der Menschen, die sie befürworten oder ablehnen? Das Projekt DYNAMOD-VACCINE-DATA, das mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen durchgeführt wurde, hat ein neues Licht auf diese komplexe Dynamik geworfen. Entscheidend ist, dass der Teil der untersuchten Bevölkerung, der eine neutrale Einstellung zu Impfstoffen hat, leichter auf die Seite der Impfgegnerschaft gezogen werden kann. Die Arbeit konzentrierte sich auf Impfdaten bis 2019, einschließlich Daten über das Vertrauen in Impfstoffe und die Durchimpfung in mehr als 140 Ländern. „Die neutrale Bevölkerung war in Bezug auf ihre Meinung eher auf der Seite der Impfgegnerschaft. Wir konnten einen höheren potenziellen Einfluss auf Personen mit neutralen Ansichten feststellen und das Impfverhalten im folgenden Jahr vorhersagen“, sagt Dino Carpentras, Marie Skłodowska-Curie-Stipendiat und ehemaliger Forscher an der Universität Limerick.
Wie Charaktere in einem Videospiel
Um diesen Zusammenhang und seine Auswirkungen zu verstehen, verwendete das DYNAMOD-VACCINE-DATA-Team unter der Leitung von Mike Quayle Modelle der Meinungsdynamik in Kombination mit realen Daten, um den sozialen Einfluss nachzuweisen. „Modelle der Meinungsdynamik haben viel mit Videospielen gemeinsam: Sie modellieren Systeme, die aus Charakteren – Agenten genannt – bestehen und bestimmten Regeln folgen. Sie ahmen nach, wie Menschen miteinander interagieren, wodurch die Meinungsdynamik zu einem leistungsfähigen Instrument zur Untersuchung sozialer Phänomene wird“, erklärt Carpentras. Das Team recherchierte die Auswirkungen der Verwendung echter Meinungsdaten in solchen Modellen, die bisher weitgehend unerforscht waren.
Einflussmuster kartieren
Sie erarbeiteten außerdem eine Methode, um diese Daten als Netzwerk darzustellen, Verbindungen zwischen Einstellungen zu erkennen und auf dieser Grundlage Vorhersagen zu treffen. „In der Praxis können wir mit der Netzwerkmethode überprüfen, ob Personen, die eine Antwort gewählt haben, wahrscheinlich auch eine andere wählen. So lassen sich Zusammenhänge zwischen Antworten herstellen, die von denselben Personen ausgewählt wurden, und zwischen Personen, die dieselben Antworten ausgewählt haben“, erläutert Carpentras. So konnte das Team herausfinden, dass Personen mit einer neutralen Einstellung zum Impfen stärker mit der Impfgegnerschaft verbunden waren: Die beiden Gruppen hatten mehr Einstellungen miteinander gemeinsam als mit der Gruppe der Menschen, die Impfungen befürworten. Menschen, die eine neutrale Haltung einnahmen, ließen sich daher eher von der Impfgegnerschaft beeinflussen. Diese Ergebnisse geben nicht unbedingt die Dynamik wieder, die während der jüngsten Pandemie herrschte, stellt Carpentras fest: „Meinungen werden vor allem dadurch geprägt, dass Menschen diskutieren. Die Modelle beruhen hauptsächlich auf langsamen und horizontalen Prozessen; während der COVID-19-Krise hat sich der Rhythmus der Diskussion massiv erhöht, während der politische Diskurs und die Medien (d. h. vertikale Prozesse) eine grundlegende Rolle spielten.“
Mehr Vertrauen durch gezielte Kommunikation
In Zukunft könnten die Projektergebnisse jedoch dazu beitragen, Maßnahmen zu ergreifen, die das Vertrauen in Impfungen stärken: „Das Netzwerk verdeutlicht die Verbindungen zwischen der neutralen und der gegen Impfungen gerichteten Seite in verschiedenen Gesellschaften. Je kürzer dieser Abstand ist, desto größer ist die Anfälligkeit für eine Impfverweigerung.“ Simulationen belegen, wie sich die Ausrichtung von Kommunikationskampagnen auf verschiedene Bevölkerungsgruppen auf die Ergebnisse der einzelnen Szenarien auswirken könnte. Die bisherigen Ergebnisse deuten darauf hin, dass die Methode möglicherweise auch auf andere soziale Fragen angewandt werden könnte. Wenn sie durch weitere Untersuchungen bestätigt wird, könnte sie wichtige Anhaltspunkte für die Vorhersage und Beeinflussung von Einstellungen zu Fragen wie dem Klimawandel liefern.
Schlüsselbegriffe
DYNAMOD-VACCINE-DATA, Impfverweigerung, Impfdaten, Meinungsdynamikmodelle, Impfungen befürworten, Impfgegnerschaft, COVID-19
