Prognose der Infektionskrankheit mit Webdaten verbreiten

Genauso wie Sie auf Twitter oder Facebook für einen Puls aktivieren könnte geschehen um dich herum, Forscher an einer ansteckenden Krankheit computergestützten Modellierungsprojekt wenden sich an anonymisierten social Media und anderen öffentlich zugänglichen Web-Daten zur Verbesserung ihrer Fähigkeit zur Prognose Ausbrüche entstehen und entwickeln Tools, die Gesundheitsbehörden helfen können, wie sie reagieren auf was.

Mining Wikipedia Daten

"Geht es um ansteckende Krankheit Prognose, vor der Kurve immer problematisch ist, weil Daten aus amtlichen Volksgesundheit Quellen Retrospektive,", sagt Irene Eckstrand von den National Institutes of Health, die das Projekt, genannt Modelle von ansteckenden Krankheit Agent Studie (MIDAS) finanziert. "In Echtzeit, anonymisierte Daten aus social Media und andere Internetquellen in Krankheit Modellierungs-Tools zu integrieren, kann hilfreich sein, aber es auch Herausforderungen."

Um zu helfen, im Webs zu bewerten Experimente durchgeführt, Potenzial für Verbesserung der ansteckenden Krankheit Prognose Bemühungen, MIDAS Forscher Sara Del Valle des Los Alamos National Laboratory Proof-of-Concept mit Daten, die Wikipedia stündlich jedem Interessenten frei. Del Valle Forschungsgruppe Modelle basierend auf der Seite Ansicht Geschichten der krankheitsbezogenen Wikipedia-Seiten in sieben Sprachen. Die Wissenschaftler testeten die neuen Modelle gegen ihre andere Modelle, die auf offiziellen Gesundheitsdaten berichtet aus Ländern mit diesen Sprachen angewiesen sind. Durch den Vergleich der Ergebnisse der verschiedenen Modellierungsansätze, festgestellt Los Alamos Team, dass die Wikipedia-basierte Modellierungsergebnisse für Grippe und Dengue-Fieber besser als bei anderen Krankheiten durchgeführt.

"Wir konnten uns Wikipedia verwenden, um die Zahl der Menschen Vorhersagen, die in bis zu 4 Wochen krank werden könnten", erklärt Del Valle, die vor kurzem veröffentlichte Ergebnisse aus einer ähnlichen Studie, die das Potenzial dieses Ansatzes, saisonale Grippe Ausbreitung Prognose bestätigt.

Del Valle stellt fest, dass die Wikipedia, die Prognose, dass Ansatz einige Einschränkungen aufweist. Zum Beispiel kann geringe Nutzung des Internets in Ländern, in denen bestimmte Krankheiten sind helfen erklären, warum ihre Gruppe Modelle der Cholera weniger gut als die der Grippe und Dengue-Fieber durchgeführt.

Entwicklung der Apps

"Studieren wie social Media und zugehörige Informationen angemessen und effektiv einsetzbar für ansteckende Krankheit Prognose auch wichtig ist," sagt Eckstrand.

Zu diesem Zweck kooperiert die MIDAS-Gruppe unter der Leitung von Stephen Eubank von Virginia Tech mit einem Bezirk Epidemiologe in Virginia Department of Health zu testen und erweitern potentiell die Anwendung von einem Programm namens EpiDash.

EpiDash ist eine Plattform, die lernfähige Algorithmen verwendet, um anonymisierte öffentlichen Tweets nach Schlüsselwörtern, die im Zusammenhang mit Grippe, Norovirus und Lyme-Borreliose-Bildschirm. Überwachung der Aufstieg und Fall von Tweets zu einem Thema kann Beihilfen Bemühungen erkennen und reagieren auf neue Trends der Krankheit.

Eubank merkt wie Del Valle eine Vielzahl von Besonderheiten in der Nutzung von social Media für die Krankheit Überwachung und Vorhersage. Dazu gehören technische Hürden, wie z. B. Einbindung schnell wechselnde Hashtags oder Schlagwörtern sowie Bedenken hinsichtlich der Privatsphäre. Seine Gruppe veröffentlichte kürzlich einen Artikel, der ethischen Standards für Forschung mit Twitter Daten vorschlägt.

Digitale Daten hat dazu beigetragen, dass die MIDAS Ermittler Lauren Ancel Meyers von der University of Texas at Austin eine Influenza Überwachungssystem namens Texas pandemische Grippe Toolkit, eine Reihe von Online-Tools, mit denen Texas Gesundheitsbehörden zur Bewertung der möglichen Wirksamkeit verschiedener Maßnahmen wie antivirale Medikamente, Impfstoffe und Schließung von Schulen zu bauen.

Die MIDAS-Forscher einig, dass neue Informationsquellen, wie öffentlich zugänglichen Web-Daten in computational Modelling-Tools integrieren Seuchenüberwachung und Prognose revolutionieren könnte. Meyers sagt: "Wir sind nur an die Spitze des Eisbergs."

Die Forschung in diesem Artikel berichtet wurde teilweise unter Zuschüsse, U01GM097658, U01GM070694 und U01GM087719 von NIH finanziert.

This in Life Science-Artikel wurde bereitgestellt, um LiveScience in Zusammenarbeit mit der Nationales Institut der allgemeinen medizinischen Wissenschaften und ein Teil der National Institutes of Health .