Medical Informatics III
Side Effect Analysi̇s of Biontech Vaccine from Internet Comments with Turkish Natural Language Processing
Ayşe Gül Eker, Kadir EkerThe COVID-19 pandemic has affected the whole world for the last 2 years. Known precautions for protection; cleaning, mask, distance and vaccination. It seems possible to prevent the spread of the disease with vaccination and to gain community immunity against the disease by vaccinating a sufficient number of people. Emergency use approval has been given for Pzifer/Biontech: mRNA, Sinovac: Inactive, Sputnik V: Viral vector vaccines in Turkey. The Pfizer-BioNTech vaccine became the “first fully approved vaccine” from the FDA against coronavirus in the world. Its production uses technology known as mRNA (messenger RNA or courier RNA). mRNA-based vaccines do not use the live virus that causes COVID-19 like conventional vaccines. For this reason, it has caused people to be hesitant about this vaccine. In this study, data on ‘Biontech vaccine side effects’ on the internet were collected and analyzed with the Latent Dirichlet Allocation model.
Türkçe Doğal Dil İşleme ile İnternet Yorumlarından Biontech Aşısının Yan Etki Analizi
Ayşe Gül Eker, Kadir EkerCOVID-19 pandemisi son 2 yıldır tüm dünyayı etkisi altına almıştır. Korunmak için bilinen önlemler; temizlik, maske, mesafe ve aşılanmadır. Aşılanma ile hastalığın yayılmasını engellemek, yeterli sayıda kişiye aşı yapılması ile hastalığa karşı toplum bağışıklığı kazanmak mümkün görünmektedir. Türkiye’de Pzifer/ Biontech: mRNA, Sinovac: İnaktif ,Sputnik V: Viral vektör aşılarına acil kullanım onayı verilmiştir. PfizerBioNTech aşısı dünyada korona virüse karşı FDA’dan “tam onaylanan ilk aşı” oldu. Üretiminde mRNA (messenger RNA veya kurye RNA) olarak bilinen teknoloji kullanılır. Mrna tabanlı aşılar, geleneksel aşılardaki gibi COVID-19’a neden olan canlı virüsü kullanmamaktadır. Bu nedenle de insanların bu aşı konusunda çekimser davranmasına neden olmuştur. Bu çalışmada internetteki ‘Biontech aşısının yan etkileri’ ile ilgili veriler toplanmış ve Gizli Dirichlet Ayrımı (Latent Dirichlet Allocation- LDA) modeli ile analiz edilmiştir.