search for




 

Analysis of Online Health Counseling on Abnormal Menstruation after COVID-19 Vaccination: The Potential of Utilizing Social Media Data for Pharmacovigilance
Yakhak Hoeji 2023;67(5):294-301
Published online October 31, 2023
© 2023 The Pharmaceutical Society of Korea.

Jae Ryoun Lee*,***, Soo Min Jeon**, Hye-Won Kim*, Jeong-Yeon An*, Sol-Mi Jeong*, and Jin-Won Kwon*,#

*BK21 FOUR Community-Based Intelligent Novel Drug Discovery Education Unit, College of Pharmacy and Research Institute of Pharmaceutical Sciences, Kyungpook National University
**College of Pharmacy, Jeju National University
***Daegu-Gyeongbuk Medical Innovation Foundation
Correspondence to: #Jin-Won Kwon, MPH, PhD, BK21 FOUR Community-Based Intelligent Novel Drug Discovery Education Unit, College of Pharmacy and Research Institute of Pharmaceutical Sciences, Kyungpook National University, Daegu 41566, South Korea
Tel: +82-53-950-8580; Fax: +82-53-950-8557
E-mail: jwkwon@knu.ac.kr
Received June 13, 2023; Revised August 25, 2023; Accepted September 28, 2023.
Abstract
Recent developments in big data technologies have highlighted the potential of enhancing the role of pharmacovigilance. This study aims to assess the potential of utilizing social media for pharmacovigilance using online health counseling on abnormal menstruation after receiving vaccination for coronavirus disease. We crawled relevant posts regarding vaccine adverse events published on Naver Jisik-iN from February 2021 to August 2022 using keywords “vaccine” and “menstruation.” After preprocessing all collected posts, selected posts were classified based on vaccination information and type of adverse events. A descriptive statistical analysis was performed to analyze the characteristics and timing of the selected posts and their association with vaccination. Following preprocessing, 4,154 posts were chosen, and the highest number of posts was generated in October 2021. Among them, 87.75% (n=3,645) were posted after vaccination. Of the 3,645 posts, certain, probable, and possible associations were identified in 63.40, 4.83, and 31.74% posts. The most frequently reported symptom was change in the menstrual cycle, and serious adverse events that required medical attention were observed in 3.05% cases. The study results present a potential pharmacovigilance strategy that leverages social media to complement the voluntary reporting system.
Keywords : Pharmacovigilance, Social media, Covid-19 vaccine, Adverse events, Abnormal menstruation
서 론(Introduction)

의약품 허가 시 안전성과 유효성을 입증하는 임상시험은 중요하다. 하지만 제한된 조건에서 수행되는 임상시험은 부작용 정보를 찾아내는데 한계가 있다. 이러한 한계점을 극복하기 위해 국내를 포함한 많은 국가는 의약품 이상사례를 감시하는 제도를 운영하고 있다.

미국은 FAERS (FDA Adverse Event Reporting System)를 통해 의약품 부작용 보고서, 투여 오류 및 품질 불만족 등 이상사례에 대한 정보를 수집하고, 한국은 KARES (Korea Adverse Event Reporting System)을 운영한다.1) 약물 감시 제도를 운영하지만 저조한 보고율은 문제점으로 지적된다. FAERS를 통해 보고되는 이상사례는 실제 부작용 사례의 1~13% 정도로 보고율이 낮음을 확인할 수 있다.2)

또한, 보고되는 대부분의 이상사례는 의사나 약사, 간호사 등 의료기관이나 제약회사를 통해 보고되기 때문에 부작용 정보가 축소 보고의 제약점을 안고 있으며, 보고된 이상사례도 보고자에 따라 정보의 질이 달라지는 단점을 가진다.3)

빅데이터 기술의 발전은 의약품 이상반응 감시제도의 문제점을 보완할 수 있다. 빅데이터는 디지털 환경에서 생성되는 데이터로 그 규모가 방대해 부작용 정보도 충분히 존재할 것이며, 데이터 수집이 가능하다면 유용하게 활용할 수 있다. 또한, 다양한 연령층으로부터 폭넓은 의견을 수집할 수 있어 짧은 시간 내 데이터 수집이 가능하다. 빅데이터의 장점을 활용한다면 의약품 이상반응을 감시하는 기능을 개선할 수 있다.4)

2019년부터 시작된 COVID-19 감염병을 치료하기 위해 세계 각국의 제약사에서는 의약품 개발에 집중했고, 일반적으로 10년 이상 소요되는 백신 개발을 불과 1년이 되지 않는 짧은 기간 내에 개발했다. 절박한 수요와 막대한 자금 지원으로 백신이 개발될 수 있었다. 개발 기간 동안 임상시험에는 약 2만명 정도가 참여해 백신을 투여하였고, 약 2개월 동안 임상시험이 이뤄진 후 백신이 허가되었다.

절박한 수요는 백신 허가 후 빠른 접종이 이루어졌으며, 높은 접종율은 입원율과 사망률이 크게 감소시켰다. 하지만 백신 부작용에 대한 우려도 빠르게 퍼졌다. 각국의 보건기관은 가장 우려되는 심근염과 혈전증을 중심으로 부작용 정보를 수집했다.5) 영국의 국가보건의료서비스(NHS, National Health Service)의 경우 심각한 부작용은 드물며, 대부분의 부작용은 접종 부위 통증, 피로감, 근육통 등 가벼운 수준이라고 발표했다.6) 하지만 발표한 내용과 달리 탈모, 안면마비 등 알려지지 않은 부작용이 각종 온라인 커뮤니티를 통해 알려졌다. 특히, 여성 접종자를 통해 부정출혈, 월경 이상 반응을 겪고 있다는 게시물이 등장하였고, 월경 이상을 겪고 있다는 청와대 국민청원이 등장해 3만 명 이상의 동의를 구했다.7) 대중적인 관심은 의료계의 조사를 이끌어내었고, 백신과 부작용 간의 연관성을 조사하는 계기가 될 수 있었다. 질병관리청의 보고서에 따르면 백신 접종이 시작한지 6개월이 지나 ‘부정출혈, 생리 등’의 사례가 신고되어 기타 관심증상으로 처음으로 분류되었으며, 접종이 시작된 지 8개월이 지나 ‘이상자궁출혈’로 이상반응 증상으로 분류되었다.8)

2021년 8월, 미국국립보건원에서도 COVID-19 백신 접종과 월경 이상 사례에 대해 관심을 가지고 연구를 지원했다.9) 또한, COVID-19 백신 접종 후 이상사례에 대해 설문조사한 연구에서는 전체 응답자(n=5,975,363) 중 1.06% (n=63,815) 응답에서 월경 이상 사례를 감지할 수 있었다.10) 국외에서도 월경 이상에 대한 COVID-19 백신의 잠재적 영향에 대해 관심이 있으며, 적지 않은 응답자가 월경 이상을 겪고 있음을 확인할 수 있었다.

이번 연구에서는 COVID-19 백신과 관련된 월경 이상에 대한 정보를 제한된 대상자로부터 얻는 것이 아닌 소셜미디어 플랫폼을 통해 폭넓게 수집하고 백신과 관련성 높은 사례를 분석함으로써 의약품 부작용의 인과성 분석에 소셜미디어의 역할을 고려하고자 한다.

방 법(Methods)

데이터 수집

의약품 이상사례에 대한 정보를 수집하기 위해 국내 점유율이 높은 소셜미디어 중 하나인 네이버(NAVER)의 Q&A서비스 네이버지식인(https://kin.naver.com/)을 선정했다. 네이버 지식인은 사용자가 올린 질문이나 궁금한 내용에 대해 해당 분야의 전문가와 정보 교류가 가능하기 때문에 이상사례에 대한 정보를 사용자로부터 얻을 수 있어 선정했다.

이번 연구에서는 네이버 지식인에 게시된 정보 중 사용자가 올린 백신 부작용에 대한 질문만을 수집했다. 게시물을 수집한 방법은 파이썬(python)을 활용해 크롤링(Crawling)하였다. 크롤링은 웹사이트(website), 하이퍼 링크(hyperlink), 정보 자원을 자동화된 방법으로 수집, 분류, 저장하는 기술을 정의하며, 텍스트, 영상, 그림 등 비정형 데이터를 수집하는데 용이하다. 파이썬 환경에서 Pandas, Beautifulsoup, Requests, DataFrame 모듈을 사용하여 검색어와 관련된 게시물을 수집했다.11)

검색어는 월경 이상과 관련성 높은 게시물을 수집하기 위해 <백신 생리>, <백신 월경>으로 설정해 수집하였으며, 수집한 게시물은 COVID-19 백신 접종이 시작된 시점인 2021년 2월부터 2022년 8월까지 생성된 게시물을 수집했다.

데이터 전처리

백신과 관련성 높은 게시물을 선정하기 위해 데이터 전처리 과정을 거쳤다.

우선, 파이썬(python) 코드 오류로 중복 수집된 게시물을 삭제하였다. 또한, 데이터양이 많아 생성기간을 나눠서 수집하는 과정에서 중복하여 수집된 게시물을 제거하였다.

두번째 단계에서는 월경과 관련성이 없는 이상 사례에 대한 게시물과 COVID-19 백신과 관련성이 없는 게시물을 제거하였다. 세번째 단계에서는 게시물의 생성된 시점을 기준으로 COVID-19 백신 접종 전 게시물과 접종 후 생성된 게시물로 구분하였다.

데이터 분류

백신 접종 후 생성된 게시물을 읽고 분류기준에 따라 게시물을 분류하였다.

교육을 받은 3명의 연구자가 수집된 게시물을 읽고 평가하며, 평가 결과가 일치하지 않을 경우 합의에 의해 재평가하여 정확성을 높였다.

분류기준은 백신과의 관련성, 백신 접종횟수, 백신 제조사, 월경 이상 사례에 따라 분류하였다.

백신과의 관련성 평가는 WHO-UMC 인과성 평가기준을 활용하여 백신 접종과 시간적 선후관계가 성립되는 게시물에 대해 평가하였다. 다른 의약품이나 질환으로 설명할 수 없을 경우는 확실함(Certain), 다른 의약품이나 질환의 가능성이 적을 경우는 상당히 확실함(Probable/Likely), 임신, 스트레스 등 다른 의약품이나 질환으로 설명할 수 있는 경우는 가능함(Possible)으로 3가지로 분류하여 관련성 평가를 하였다.12)

백신 접종횟수는 최초 접종의 경우 1차 접종(1st shot), 재 접종의 경우 2차 접종(2nd shot), 3차 접종 이상은 부스터 샷(Booster shot)으로 구분하였다. 다수의 접종 차수가 확인되거나 접종 차수가 확인되지 않는 경우도 구분하였다.



Fig. 1. Flowchart of Posts Selection

백신 제조사는 국내 백신 접종이 많이 이뤄진 상위 4개의 백신(화이자, 아스트라제네카, 모더나, 얀센)을 기준으로 구분하였다. 노바백스, 시노백 등 접종이 적은 백신은 기타로 분류하였다.

백신 이상 사례를 구분한 기준은 COVID-19 백신과 월경 이상과 관련성을 다루고 있는 문헌을 통해 이상사례 4개(Irregular bleeding, Menstrual periodic change, Menstrual pain, Abnormal menstrual blood volume and color)를 기준으로 설정하였다. 설정한 기준에 분류되지 않는 경우는 기타로 분류하였다.10)

또한, 의료기관에서 제공하는 의학정보13)를 근거로 심각한 이상 사례와 관련된 질병을 확인할 수 있었으며, 질병을 진단하는 기준을 분류기준으로 설정해 의료인의 도움이 필요한 심각한 이상사례로 분류하는 심각도 평가를 실시하였다.

게시물의 생성시기에 따른 증감 변화를 분석하기 위해 접종 전 게시물과 접종 후 게시물의 생성시기에 따라 월별로 분류했으며, 정부의 백신 정책과 연관하여 증감 변화를 분석했다. 또한, 정부기관에서 배포하는 코로나19 예방접종 안전성 보고서를 통해 의료기관으로부터 신고되는 현황과 접종 후 게시물 수를 월별로 비교해 분석하고 기술통계학 방법에 따라 표와 그림을 정리하여 제시하였다.

결 과(Results)

데이터 선정

검색어로 수집된 게시물의 수는 15,526개이다. 첫번째 단계에서는 파이썬의 코드 오류로 중복되어 수집되거나 수집 기간이 겹쳐 중복으로 수집된 게시물을 제거해 10,172개로 선정했다. 두 번째 단계에서는 월경 및 COVID-19 백신과 관련성이 없는 게시물을 제거하여 4,154개의 게시물을 선정했다. 세번째 단계에서는 게시물의 생성된 시점을 기준으로 접종 전 게시물과 접종 후 게시물로 구분하였다. 백신 접종 후 생성된 게시물은 3,645개로 87.75%에 해당한다. 백신 접종 전에 생성된 게시물도 12.25%로 높은 비율을 차지한다.

데이터 분석

백신 접종 후 생성된 게시물(n=3,645)을 기준에 따라 분류된 결과를 분석하였다(Table 1).

Characteristics of Posts Related to Menstrual Changes (N=3645)
Relation assessment of vaccine and menstrual changesa N %
Certain 2312 63.43
Probable/Likely 176 4.83
Possible 1157 31.74
Vaccination Series
1st shot 554 15.20
2nd shot 1006 27.60
Booster shot. 278 7.63
Multiple series are mentioned b 302 8.29
No mention 1505 41.29
Vaccine manufacturer
Pfizer 1380 36.62
Moderna 277 7.15
AstraZeneca 19 0.55
Janssen 3 0.07
Mix-and-match vaccination 20 0.58
Others c 3 0.12
No mention 1943 53.31
Types of adverse event (duplication)
Irregular bleeding d 1330 36.49
Menstrual periodic change e 2333 64.01
Menstrual pain 198 5.43
Abnormal menstrual blood volume and color 494 13.55
Othersf 10 0.27

aWHO-UMC causality categories

Causality term Assessment criteria
Certain - Event or laboratory test abnormality, with plausible time relationship to drug intake.
- Cannot be explained by disease or other drugs.
Probable/Likely - Event or laboratory test abnormality, with plausible time relationship to drug intake.
- Unlikely to be attributed to disease or other drugs
Possible - Event or laboratory test abnormality, with plausible time relationship to drug intake.
- Could also be explained by disease or other drugs

bWhen adverse events are reported across multiple series.

cIn the case of inoculation with other vaccines, such as Sinovac and Novavax.

dAll bleeding other than menstrual blood was considered irregular bleeding. And menstruation again after menopause, Abnormal continuation of menstruation.

eDelay in regular menstrual period.

fCases showing the possibility of early menopause or another disease suspected.



백신과의 관련성 평가는 WHO-UMC 인과성 평가기준을 활용했다. 최종 선정한 게시물(3,645개)은 백신 접종과 시간적 선후관계가 성립되어 3단계로 평가하였다. 다른 의약품이나 질환으로 설명할 수 없는 게시물은 63.43%의 높은 비율을 차지했다. 다른 의약품이나 질환의 가능성이 적어 보이는 경우는 31.74%로 확인되었으며, 다른 의약품이나 질환으로 설명할 수 있는 경우는 4.83%로 확인되었다.

게시물의 정보를 확인하여 백신 접종 차수와 제조사를 분류했다. 게시물의 58.71%는 게시물을 통해 접종 차수 확인이 가능했으며, 백신 접종 차수 중 2차 접종시기에 생성된 게시물이 27.60%로 가장 많이 차지했다. 백신 제조사에 대한 정보는 53.31%가 언급되지 않아 접종한 백신의 제조사를 확인하지 못했다. 반면 46.69%는 제조사 정보 확인이 가능했으며, 화이자가 36.62%로 많은 비율을 차지하였다. 다음은 7.15%로 모더나가 뒤를 이었다. 이 같은 비율은 국내 백신 접종 현황과 유사한 비율이다. 코로나19 예방접종 안전성 보고서를 참고하면 화이자가 가장 높은 접종비율을 차지하고 있으며, 월경 이상 신고현황도 화이자가 다른 백신과 비교해 높은 비중을 차지하고 있음을 볼 수 있다(Supplement Table 1, 2).

월경 이상 사례 중 가장 많이 확인된 증상은 월경 주기 변화가 가장 많았다. 64.01%로 확인되었으며, 월경 주기가 예정보다 미뤄진 경우가 특히 많았다. 두번째로 많은 증상은 부정출혈로 31.00%의 비율을 차지했다. 백신 접종 후 하혈을 하였다는 게시물과 폐경 후 다시 월경이 시작했다는 게시물도 확인할 수 있다.

심각한 이상반응으로 분류한 게시물은 111건으로 최종 선정된 게시물에 대비할 때 3.05 %정도를 차지한다. 가장 높은 비율을 차지한 증상은 월경 주기가 3달 이상 미뤄진 증상이 많았다. 이외에도 2주 마다 월경을 하거나 비정상적으로 월경 시 출혈량이 많은 증상, 폐경으로 의심되는 증상도 확인할 수 있다(Table 2).

Severity assessment a (N=3645)
Criteria Number of responses (%) Examples
Irregular bleeding Frequent menstruation b 20 (0.55 %) - I keep bleeding every two weeks for two months
- I have been suffering from illegal bleeding for a year
- I have menstruation three times a month.
- I’m continuing for more than a certain period.
Menstrual Periodic change In case of delay lasting more than 3 months c 69 (1.89 %) - I haven’t had my period for three months
- It’s been so long since I've had my period.
Menstrual pain Menstrual pain lasts more than three days 2 (0.05 %) - Extreme pain, nausea, cold sweat.
- I’m still suffering from menstrual pain on the 3rd day
Abnormal menstrual blood volume and color Abnormally large amount of menstruation d 14 (0.38 %) - Even an overnight sanitary pad can't handle the amount
- It’s uncomfortable enough to interfere with my daily life.
Others Early menopause e 6 (0.16 %) - Recent hormone tests were normal and showed no signs of menopause, but suddenly diagnosed with menopause after vaccination.
Total - 111 (3.05 %) -

aEvaluate which posts appear to require medical help

bEpimenorrhea: menstrual abnormality in which the menstrual cycle repeats within 24 days.

cAmenorrhea: symptoms of not having menstruation more than three times the previous menstrual cycle or more than six months.

dHypermenorrhea: menstrual abnormalities with excessive menstrual bleeding.

ePremature ovarian failure: Menopause before the age of 40



게시물을 생성시점에 따라 분류하였다. 우선, 접종 후 게시물이 생성되는 수를 월별로 살펴보면 2021년 3월부터 게시물이 생성되었음을 확인할 수 있다. 게시물은 2021년 10월에 가장 많이 생성되었으며, 이후 게시물 수가 줄어드는 경향을 보인다. 접종 전 게시물도 2021년 3월에 처음으로 생성되었으며, 2021년 12월까지 증가하는 경향이었으며, 이후 게시물 생성이 감소했다.

게시물은 COVID-19 백신의 첫 접종이 이루어진 2021년 2월 26일 이후에 처음 생성되었으며, 2021년 7~8월에 크게 증가했다. 이 기간은 22학년도 대입수능을 준비하는 수험생 및 교직원을 대상으로 우선 접종이 이뤄진 시점이다. 이후 성인(18~49세)을 대상으로 대규모 접종이 이뤄지면서 이상반응 사례에 관한 게시물 수는 가파르게 증가했다. 1차, 2차 접종과 부스터 샷 접종이 이뤄진 2022년 1월까지 500개 이상의 게시물이 생성되었 다. 백신 패스 정책 철회 이후는 게시물 생성 수가 크게 감소했다(Fig. 2).



Fig. 2. The number of Posts per month and Public policy

의료기관으로부터 신고된 월경 이상 신고현황과 접종 후 게시물 수를 월별 누적현황으로 비교했다. 접종 후 게시물은 2021년 3월에 처음 생성된 것을 확인할 수 있다. 2022년 3월까지 증가했으며, 이후 증가세가 둔화하는 것을 볼 수 있다. 의료기관으로부터 신고된 월경 이상 사례는 2021년 9월에 처음 확인할 수 있었다. 이후 2022년 2월까지 증가했으며, 이후 증가세가 둔화되었다(Fig. 3).



Fig. 3. Comparison between AERS and Social media.
Accumulation comparison monthly between the number of Adverse Events identified by AERS and the number of posts on social media
고 찰(Discussion)

정보수집을 위한 소셜미디어의 활용

많은 국가에서 의약품으로 인한 피해를 최소화하기 위해 이상반응에 대한 정보를 수집하고 평가하는 시스템을 운영한다.

국내에서 운영하는 시스템은 수동적 약물 감시로 제약회사나 지역의약품안전센터로부터 주로 수집되는 정보를 평가한다.14) 의료종사자 또는 제약실무자를 통해 환자의 증상, 건강 상태 등 부작용 정보를 수집하기 때문에 전문지식을 바탕으로 인과성을 평가하는데 유용하다. 하지만 소비자가 쉽게 구매할 수 있는 일반의약품 사용으로 인한 이상사례, 타인에게 말하기 민감한 이상사례 등 소비자로부터 직접 정보를 수집할 수 있는 방법이 부족하다.

이번 연구를 통해 약물감시 시스템의 한계점으로 고려되는 저조한 보고율을 보완하기 위해 능동적 감시를 위한 정보원으로 소셜미디어의 활용가능성을 확인할 수 있었다.

네이버의 Q&A서비스는 여러 분야의 전문가와 정보 교류가 가능했으며, 건강상담을 위해 작성된 게시물 중 87.75% 게시물에 대해 COVID-19 백신과의 인과성 평가, 접종 백신의 정보, 이상반응 사례 등 정보 확인이 가능하다. 의약품 이상사례 보고시스템(KAERS)에 필요한 필수정보 4가지(의심되는 증상, 복용한 의약품 정보, 환자정보, 보고자 정보)와 비교할 때, 이상사례를 분석하는데 활용이 가능하다.

특히, 월경 이상 사례와 같이 타인에게 말하기 민감할 수 있는 이상 사례에 대한 정보를 소셜미디어를 통해 정보 수집이 가능하다는 점을 확인할 수 있었다.

외국의 경우 다양한 소셜미디어를 통해 개인의 약물 사용법과 약물 부작용에 대한 경험 교환과 정보를 공유하는데 활용하고 있다. Twitter, Facebook과 같은 일반 소셜미디어는 방대한 정보를 얻을 수 있는 장점이 있지만 불필요한 정보가 많아 분석하는데 어려움이 있다. 반면, MedHelp, WebMD, HealthBoards 등 의료∙보건분야로 전문화된 소셜미디어는 정보의 양이 일반 소셜미디어보다 적지만 정확한 정보를 수집하는데 활용하고 있다.15)

외국사례를 통해 네이버의 Q&A 서비스는 분야별로 구분되어 있어 정확성 높은 정보를 수집하는데 일반 소설미디어보다 약물감시를 위한 활용가능성이 높다.

능동적 약물감시를 위한 소셜미디어의 활용

외국사례를 통해 이상사례를 발견하는 과정에서 환자 또는 소비자의 의견을 활용하는 사례를 살펴볼 수 있었다.

유럽의약품청(EMA, European Medicines Agency) 에서는 의료빅데이터를 기반으로 하는 통합시스템(ENCePP)을 구축하여 유럽 전역에 정보 수집을 위한 네트워크를 형성해 모니터링을 강화했다. 또한, 표준화된 연구가 수행될 수 있도록 가이드라인을 개발하고 교육프로그램을 제공하고 있다.16)

미 식품의약품청(FDA, Food and Drug Administration)의 의약품평가연구센터(CDER, Center for Drug Evaluation and Research)에서는 하버드대학교 필그림 건강관리연구소를 협연센터로 지정하여 2016년부터 능동적 약물감시를 위한 센티널 프로그램을 운영하고 있다.17) 그리고 Twitter, Facebook과 같은 소셜미디어를 이용하여 약물 부작용과 투약 오류와 관련된 안전 정보를 제공하여, 잠재적인 문제를 식별하고 추적하는 역할을 수행한다. 소셜미디어를 통해 감지한 의미가 있는 단서(Signals)는 약물의 종류와 소셜미디어에 따라 다르지만 규제당국보다 3개월에서 9년 미리 단서를 감지할 수 있다고 한다.15)

이번 연구에서도 소셜미디어의 게시물을 수집하여 능동적 약물감시의 활용가능성을 확인했다. Fig. 3은 의약품 이상반응을 보다 빨리 감지할 수 있음을 보여준다. 이상반응 보고시스템(AERS)으로 신고된 월경 이상 사례는 2021년 9월에 코로나19 예방접종 안정성 보고서8)를 통해 확인 가능했으며, 소셜미디어를 통해 확인한 월경 이상 사례는 COVID-19 백신이 첫 투여된 후 몇 일이 지나지 않은 2021년 3월에 확인할 수 있었다. 또한, Fig. 2는 백신 접종 전 생성된 게시물을 통해 약물에 대한 소비자의 불안감을 감지할 수 있었다.

이러한 부분은 규제기관의 본 조사가 착수하기 전 사전조사 자료 또는 본 조사가 착수하는 계기를 만들어주는 역할로 소셜미디어가 역할을 할 수 있을 것으로 보인다.

한계점

소셜미디어를 통해 수집한 정보를 기반으로 의약품 이상반응 단서를 추적하는데 한계점을 가진다. 첫째, 소셜미디어를 통해 수집한 정보가 특정 연령층에 편향된 정보가 될 수 있다. 소셜미디어를 주로 이용하는 연령층을 고려했을 때, 전 연령층을 대표하는 표본으로 활용하기엔 부족하다. 소셜미디어 활용이 전연령층으로 익숙해진다면 소셜미디어를 통해 얻은 정보가 더 의미 있는 정보가 될 것이다.

둘째, 정보가 많은 소셜미디어의 장점은 오히려 단점이 될 수 있다. COVID-19 백신에 대한 가짜 뉴스, 잘못된 소문이 시민들 에게 불안감을 조성한 사례를 통해 잘못된 정보를 가려내고 제거할 수 있는 시스템이 필요하다.18) 이러한 부분은 자연어 처리기술(Natural Language Process)과 기계적 학습 알고리즘을 향상시켜 해결할 수 있다. 현재 컴퓨터 기술은 인간의 언어를 완벽하게 분석하지 못해 한계점을 가지고 있다. 그래서 방대한 양의 소셜미디어 자료로부터 의미 있는 단서를 감지하기 위해 앞으로 연구개발이 필요하다.

셋째, 능동적 약물감시를 위한 소셜미디어 내 정보 수집과 분석 과정에서 개인정보 침해와 관련된 문제가 제기될 수 있다. 이를 위해 약물감시를 목적으로 수집되는 정보를 활용하는 절차에 대한 명확한 규정과 지침이 필요하다.

결 론(Conclusion)

본 연구는 소셜미디어 플랫폼에서 사용자들이 COVID-19 백신 접종 후 경험한 월경 이상 사례에 대한 게시물을 수집하여 분석했다. 이를 위해 대규모의 정보를 확보하고, 이상 사례에 대한 특징과 경향을 파악할 수 있었다. 이 연구는 자발적 이상반응 보고 시스템의 한계점을 극복하면서도 의미 있는 안전성 문제를 파악할 수 있는 약물 감시 방안으로 소셜미디어를 활용할 수 있다는 가능성을 제시했다.

감사의 말씀(Acknowledgment)

This research was supported by BK21 FOUR Community- Based Intelligent Novel Drug Discovery Education Unit, Kyungpook National University.

Conflict of Interest

모든 저자는 이해 상충을 가지고 있지 않음을 선언한다.

Authors’ Positions

Jae-Ryoun Lee : Graduate student

Soo-Min Jeon : Professor

Hae-Yen Kim : Undergraduate student

Jeong-Yen Ahn : Undergraduate student

Sol-Mi Jeong : Undergraduate student

Jin-Won Kwon : Professor

References
  1. KIDS (2023) What is KAERS?. https://www.drugsafe.or.kr/iwt/ds/ko/report/WhatIsKAERS.do. Accessed 02, 2023.
  2. Cocos Aea. (2017) Deep learning for pharmacovigilance: recurrent neural network architectures for labeling adverse drug reactions in Twitter posts. Journal of the American Medical Informatics Association 24:813-821.
    Pubmed KoreaMed CrossRef
  3. Kim H-H (2017) Big Data Analysis Technology Trends for Drug Adverse Event Predictions. Korea Information Processing Society Review 24:14-21.
  4. Pappa D, Stergioulas LK (2019) Harnessing social media data for pharmacovigilance: a review of current state of the art, challenges and future directions. International Journal of Data Science and Analytics 8:113-135.
    CrossRef
  5. NHS (2023) COVID-19 vaccines side effects and safety. https://www.nhs.uk/conditions/covid-19/covid-19-vaccination/covid-19-vaccines-side-effects-and-safety. Accessed 19 March 2023.
  6. Lee Seah (2021) Respond to Women's Anxiety "Vaccinated, Low Blood, Menstrual Disorder". womennews. http://www.womennews.co.kr/news/articleView.html?idxno=215675. Accessed 19 March 2023.
  7. KDCA (2021) COVID-19 vaccination safety report (Week 31). https://ncv.kdca.go.kr/board.es?mid=a11707010000&bid=0032. Accessed January 2023.
  8. National Institutes of Health (2021) Item of Interest: NIH funds studies to assess potential effects of COVID-19 vaccination on menstruation. https://www.nichd.nih.gov/newsroom/news/083021-COVID-19-vaccination-menstruation. Accessed 19 March 2023.
  9. Wong KK, Heilig CM, Hause A, Myers TR, Olson CK, Gee J, Marquez P, Strid P, Shay DK (2022) Menstrual irregularities and vaginal bleeding after COVID-19 vaccination reported to v-safe active surveillance, USA in December, 2020-January, 2022: an observational cohort study. Lancet Digit Health 4:e667-e675.
    Pubmed KoreaMed CrossRef
  10. Michael Walker (2021) Python Data Cleaning Cookbook. Wikibook.
  11. Son MK, Lee YW, Jung HY, Yi SW, Lee KH, Kim SU, Jeong JH, Park JJ, Park JW, Hong CS (2008) Comparison of the Naranjo and WHO-Uppsala Monitoring Centre criteria for causality assessment of adverse drug reactions. Korean J Med 74:181-187.
  12. SNUH (2023) Medical information from Seoul National University Hospital. https://terms.naver.com/list.naver?cid=51007&categoryId=51007. Accessed 19 March 2023.
  13. Korea Institute of Drug Safety & Risk Management. (2023) Trends in Reporting Safety Information on Drugs, etc. in 2022: 18. https://nedrug.mfds.go.kr/bbs/2/67/.
  14. Lee JY, Lee YS, Kim DH, Lee HS, Yang BR, Kim MG (2021) The Use of Social Media in Detecting Drug Safety-Related New Black Box Warnings, Labeling Changes, or Withdrawals: Scoping Review. JMIR Public Health Surveill 7:e30137.
    Pubmed KoreaMed CrossRef
  15. Jung SY, Choi NK, Lee J, Park BJ (2014) Use of big data for drug safety monitoring and decision making. J Korean Med Assoc 57:391-397.
    CrossRef
  16. Kang DY (2017) The Active Pharmacovigilance System: A Postscript of Visiting the Harvard Pilgrim Health Care Institute. Journal of Pharmacoepidemiology and Risk Management 9:45-47.
  17. Portelli B, Scaboro S, Tonino R, Chersoni E, Santus E, Serra G (2022) Monitoring User Opinions and Side Effects on COVID-19 Vaccines in the Twittersphere: Infodemiology Study of Tweets. Original Paper. J Med Internet Res 24:e35115.
    Pubmed KoreaMed CrossRef


June 2024, 68 (3)
Full Text(PDF) Free
Supplementary File

Social Network Service
Services

Cited By Articles
  • CrossRef (0)

Funding Information