트위터 반백신 트윗이 미국 COVID‑19 백신 접종과 사망에 미친 영향

초록

본 연구는 2021년 미국 전역의 트위터 반백신 트윗 노출이 백신 회피를 촉진하고, 그 결과 약 14 천 명이 백신을 맞지 않아 545건의 추가 감염과 8명의 사망을 초래했음을 관찰적 인과 분석과 확장된 SIR 모델을 통해 입증한다.

상세 분석

이 논문은 온라인 허위 정보와 실제 역학 결과 사이의 인과 관계를 밝히려는 시도로, 두 가지 핵심 요소를 결합한다. 첫째, 저자들은 2021년 2월부터 8월까지 미국 3천여 개 카운티에서 지리적으로 위치가 지정된 2,600만 건의 트윗을 수집하고, 텍스트 분류기를 이용해 ‘반백신’ 트윗을 220만 건으로 추출했다. 이때 각 카운티별 반백신 트윗 노출(E)은 단순 빈도가 아니라 리트윗 네트워크를 활용해 인접 카운티 간 확산 효과까지 반영한 가중치로 정의하였다. 둘째, 전통적인 SIR 모델에 ‘백신 접종(V)’과 ‘백신 회피(A)’ 두 상태를 추가한 SIR‑VA 모델을 설계했다. 핵심 파라미터 γ_e는 반백신 트윗 노출 1단위당 회피 인구가 증가하는 비율이며, 베이지안 MCMC 추정 결과 γ_e≈0.18(95 % CI 0.15–0.22)로 양의 값을 보였다. 이는 트윗 노출이 실제로 회피 인구를 늘린다는 강력한 증거다.

인과 추론은 그래프 모델을 통해 역방향 경로(회피 → 노출)까지 포함시켜 ‘역인과성’ 가능성을 통제했으며, 플랫폼·지리적 특이성을 검증하기 위해 다른 소셜 네트워크와의 상관관계를 조사하고, 카운티 단위 노출을 무작위 섞는 실험을 수행했다. 두 검증 모두 기존 결과가 사라지는 것을 확인해, 트위터 내 반백신 콘텐츠가 주요 원인임을 뒷받침한다.

모델 적합도 비교에서는 회피 변수를 제외한 단순 SIR‑V 모델보다 SIR‑VA 모델이 LOO‑CV와 베이지안 적합 점수에서 유의하게 우수했으며, 이는 회피를 명시적으로 고려한 것이 예측 정확도를 높인다는 점을 시사한다. 결과적으로 추정된 평균 치료 효과(ATE)는 −3.2 × 10⁻⁴(백신당 인구당)이며, 이를 전체 인구에 적용하면 약 14 천 명이 백신을 맞지 않은 것으로 계산된다. 백신 회피 인구에 대한 기존 백신 효능 데이터를 적용하면, 최소 545건의 추가 감염과 8명의 사망이 발생했을 것으로 추정한다.

한계점으로는 CDC 데이터의 보고 지연·보간, 트위터 지리표시 데이터의 대표성 부족, 반백신 트윗 정의의 불완전성, 백신 가용성에 대한 외생 요인 미반영 등을 들었다. 또한 γ_e를 모든 카운티에 동일하게 적용했기 때문에 실제 효과의 지역적 이질성을 과소평가했을 가능성이 있다. 향후 연구에서는 다른 플랫폼(인스타그램, 틱톡) 데이터와 정치·사회적 변수별 γ_e 차이를 탐색할 필요가 있다.

정책적 함의는 명확하다. 트위터와 같은 소셜 미디어에서 반백신 콘텐츠를 제한하거나 사실 검증을 강화하면, 백신 회피를 감소시켜 감염과 사망을 실질적으로 줄일 수 있다. 이는 현재 진행 중인 전염병뿐 아니라 향후 예방접종 캠페인에도 적용 가능한 중요한 교훈이다.