二号站平台_2号站代理注册登录中心

2号站注册登录社交媒体能否为公共卫生工作提供信息?

未知

二号站总代谁

2014年3月14日,healthmap2006年由波士顿儿童医院(Boston’s Children’s Hospital)的研究人员创建的在线数据库healthmap2006年收集了来自各种在线来源的疾病病例记录。9天后,世界卫生组织正式宣布该地区爆发埃博拉疫情。
 
虽然当一篇新闻文章在网上发布时,二号站平台“健康地图”软件首先发现了病毒的爆发,但其他类型的信息来源已被证明对研究人员继续追踪病毒非常有价值——最近在刚果民主共和国。艾米丽·科恩(Emily Cohn)在波士顿儿童医院(Boston Children’s Hospital)的HealthMap网站工作。微博包含术语“埃博拉”或证据的具体症状,如发烧、关节或肌肉疼痛,咳嗽或吐血是由机器学习算法和标记添加到信息来自网络新闻媒体,官方报告,和其他来源来创建一个地图的情况下,时间轴和投影预测未来的情况下在某些领域。“社交媒体通过地理位置收集位置信息,”科恩说。“这是我们使用的最实时的数据源。”
 
“健康地图”的研究人员也使用社交媒体数据创建一个全球地图Zika病毒和流感的美国地图,他们并不是唯一兴奋使用数据挖掘社交媒体和其他在线来源如谷歌搜索跟踪和或许一天预测疾病的爆发。在这一领域的研究已经证明的价值从互联网用户生成数据来预测过去的爆发,和希望社交媒体和互联网搜索有一天帮助实时追踪疾病的传播,产生线索病原体的迁移速度比传统的监测系统。
 
此外,德州农工大学(Texas A&M University)传播学研究员Lu Tang指出,社交网站上的帖子常常包含人们对疾病的态度和行为——例如,一个人是否计划疏散或接种疫苗以避免疾病。“我们可以在社交媒体上发现疾病爆发,”她说,“但我们也可以知道人们是怎么想的。”
 
社交媒体地图
 
社交媒体网站Twitter于2007年在社交媒体领域爆发。2010年,该网站有3000万用户每月至少登录一次。到2019年底,这一数字已增至1.45亿。很明显,这个网站对各行各业的人来说都是一个强大的工具,包括公共卫生官员和科学家。
 
在2011年的一篇文章中,研究人员追溯挖掘Twitter数据从2009年开始,今年的H1N1猪流感大流行,并发现使用预先确定的关键词如“流感”“达菲”,和“疫苗”可以提供准确的实时估计流感病例的数量在一个地理区域两周前美国疾病控制和预防中心可以追踪使用医院确诊病例记录。
 
其他研究也提供了类似的有希望的结果,即使用社交媒体来跟踪疾病的地理分布,并预测在特定地区可能出现多少病例。2012年,“健康地图”的研究人员回顾了2010年海地霍乱爆发前100天的媒体文章、推特和政府报告,发现这些数据可能比官方病例数据提前两周揭示了疾病传播的趋势。2014年的一项研究表明,将来自Twitter的数据与疾病控制与预防中心的流感样疾病监测网络(ILINet)的数据相结合,可以比单独依赖ILINet获得更准确的实时流感预测。
 
科恩说,社交媒体数据有助于克服监测工作覆盖范围的差异对疾病地图构成的挑战,西非报告埃博拉病例的方法不一致突出了这一问题。她在给《科学家》杂志的一封电子邮件中写道,社交媒体“从其他方面代表不足的人群中获取数据”,比如那些获得医疗服务有限或无法获得医疗服务的人群。

同样的道理也适用于互联网搜索的数据——就在Twitter出现的时候,谷歌意识到了这一点。这家互联网巨头设计了一个平台,从世界各地挖掘搜索数据,寻找与疾病爆发(尤其是流感)相关的词汇。2013年,《自然》杂志报道称,该项目的准确性“几乎与疾控中心自己的监测数据完全吻合——而且它比疾控中心的监测数据快了好几天”。《自然》杂志指出,谷歌继续在29个国家部署该系统,以跟踪流感病例,后来又跟踪登革热病例,但该项目一再高估了流感的流行程度。该公司承认,媒体报道可能导致了估计数字的夸大,二号站平台但表示算法已经得到了改进。
 
谷歌资助的研究人员还宣布,该项目未能在他们的数据中发现非季节性的2009年H1N1流感疫情。“谷歌流感趋势是成功的,直到它不再是,”Kristian Andersen说,他是加利福尼亚拉霍亚市斯克里普斯研究所的传染病遗传学家。外部科学家在《科学》(Science)杂志上报道称,该项目失败的部分原因是,该算法根据疾病控制与预防中心的官方流感报告显示的流感病例高峰时期人们搜索的内容,来识别与流感相关的搜索词,而不是选择与感染或症状直接相关的关键字。安徒生解释说,这一调查发现了许多与流感无关的术语,比如“高中篮球季”,作为冬季运动,它通常与流感季相关。2015年,该公司关闭了谷歌流感趋势项目。
 
确保关键字能够代表研究人员想要跟踪的内容,这对于从社交媒体网站提取数据的研究人员来说也是一个挑战。韩国成均馆大学(Sungkyunkwan University)研究健康数据的计算机科学家Soo-Yong Shin指出,处理海量搜索数据、推文或Facebook帖子的算法需要在多种语言中工作,目标术语可能需要随着时间的推移而演变。2015年在韩国爆发中东呼吸综合征(MERS)之前,只有专家熟悉这个缩写词,但“现在每个人都知道‘MERS’,”Shin说。随着越来越多的人根据他们在新闻中看到的东西在twitter上发布关于中东呼吸综合征的消息,基于他自己的一套搜索词的报道的准确性在一年后从大约98%下降到60%。文本挖掘算法也容易出现误报。例如,“比伯热”——一个俚语,指的是对流行歌手贾斯汀·比伯的迷恋——经常被认为可能与引起发烧的疾病有关。
 
因此,虽然计算机可以做很多工作,但以这种方式跟踪疾病需要人类专家,他们可以验证和解释输入的信息。此外,德州农工大学的唐说,虽然社交媒体可能会让研究人员接触到医疗体系中代表性不足的群体,但它可能会错过其他人群。Twitter上的用户往往比他们所在地区的平均水平更年轻,受教育程度更高。“Twitter用户只代表了一部分人口,”她说。“如果只关注Twitter,你将不可避免地错过一些人群,比如老年人、受教育程度较低的人,或者生活在互联网连接不完善的农村地区的人。”
 
许多研究人员认为,与其完全依赖搜索或社交媒体数据,不如像HealthMap那样,整合来自不同来源的信息,包括标准媒体和官方报道。乔治亚州立大学(Georgia State University)数学流行病学家杰拉尔多•乔维尔(Gerardo Chowell)表示:“整合这些大数据源,包括社交媒体信息,是一个非常有前途的领域,我相信在未来几年里,它将产生一些非常丰硕的成果。”

发表评论 (已有 条评论)

评论列表

    快来评论,快来抢沙发吧~