Током 2015. године велика епидемија оспица у Диснеиланду шокирала је родитеље у фундаменталној промени перспективе вакцинације. У годинама пре, опажена потреба за ММР вакцином је опала, а са њом и проценат деце која су била заштићена од оспица. Након што су се стотине људи разболеле, што је натјерало родитеље да се вакцинишу, стопе су се поново повисиле.
Можда би требало бити очигледно да би прескакање вакцинације довело до више болесне деце, али већина америчких родитеља ових дана никада није морала да се брине због оспица. Постоји динамична интеракција између перципираног ризика од болести и перципираног ризика од вакцина, објашњава Цхрис Бауцх. Професор примењене математике на Универзитету Ватерлоо, Бауцх је гледао трендове на друштвеним медијима пре и након избијања Диснеиланда и приметио да, статистички гледано, може да прати расположење јавности према вакцинама и види повећани ризик од болести пре него што се догоди. Он и његови сарадници у новембру су објавили дело у Зборнику Националне академије наука .
„Свако има интуицију за преусмеравање бодова од тестера. Ако имате већу тежину на једној страни од друге, она се своди на тежу страну. Али како додајете све већу тежину противничкој страни, на крају ће се преврнути “, каже он. "Ове прелазне тачке показују карактеристичне сигнале пре него што се појаве ... питање је, да ли можемо тражити присуство прелазне тачке која доводи до великог пада уноса вакцине, попут страха од вакцине?"
Застрашујуће вакцине су само један пример. Епидемиолози, рачунарски научници и здравствени радници сада примењују рачунарско учење на податке из нових извора - посебно друштвених медија - како би створили предиктивне моделе сличне ЦДЦ-има, али много брже. Твеетс о грлобољи или посетама лекара, Гоогле претражује лекове за хладноћу, па чак и ваш Фитбит или Аппле Ватцх могу дати наговештаје о здравственим трендовима у неком подручју, ако се подударају са подацима о локацији. А људи то прате и преносе.
„Одједном имамо приступ неким подацима“, каже Марцел Салатхе, шеф лабораторија за дигиталну епидемиологију у швајцарском институту ЕПФЛ. "То је за мене заиста већа слика онога што се овде догађа, јер је у одређеној мери то дубока промена протока података традиционалне епидемиологије."
За Бауцх и Салатхе, који су сарађивали на студији, Твиттер је био примарни извор података. Изградили су робота да претраже твитове који спомињу вакцине и процене осећај тих твита - да ли указују на прихватање или сумњу на вакцине. Затим су на резултате гледали као на сложен систем са повратном петљом, примењујући математички модел да би видели да ли ће ретроактивно предвидјети успоравање вакцинације што је довело до избијања Диснеиланда. Јесте.
У системима попут овог, неки мерљиви сигнали се јављају како се систем приближава прекидачкој тачки. У овом случају, истраживачи су видели „критично успоравање“, где се осећање о вакцинама спорије враћало у нормалу након што је на њега утицао вести или твит познате личности. Могућност да се ово види до тачке значења значи да би, с обзиром на податке о локацији, службеници за јавно здравство могли да изграде кампање које циљају подручја која су изложена повећаном ризику од застрашивања вакцином, а самим тим и епидемије.
Постоје препреке при кориштењу јавно доступних података из извора друштвених медија, наравно, укључујући приватност, мада истраживачи који користе податке на Твиттеру истичу да је некако претпостављено да ће, ако твитовати о свом здрављу, неко то прочитати. Такође може бити изазовно направити рачунарске програме како би анализирали садржане информације, указује Грахам Додге, суоснивач и извршни директор компаније Сицквеатхер, услуге засноване на апликацијама која генерише здравствене прогнозе и живе мапе извештаја о болести.
Додге и његови суоснивачи сарађивали су с истраживачима Јохнса Хопкинса како би анализирали милијарде твита који спомињу болести. Процес је укључивао одвајање намјерних, квалификованих извјештаја („имам грипу“) од нејаснијих коментара („осјећам се мучно“), па чак и погрешно фразирање („имам Биебер грозницу“). Такође су морали да надокнаде одсутне или нетачне податке о локацији - сви корисници Твиттера који једноставно означавају „Сеаттле“ као своју локацију, на пример, пребачени су у мали поштански број града Сеаттлеа, уместо да се шире широм града.
Сицквеатхер је представљен 2013. године са мобилном апликацијом која омогућава корисницима да директно пријављују болести Сицквеатхер-у, као и да прегледају услове на њиховој локацији. Клинички истраживачи и фармацеутске компаније користе апликативни предиктивни модел да предвиде врхове болести неколико недеља пре ЦДЦ-а, али са упоредивом тачношћу.
"Једном када је то у рукама милиона људи, уместо 270.000, како се то одиграва у обиму, заиста може спречити ширење болести на многим местима", каже Додге.
Остали пројекти су испробали различите приступе. Грипа у вашој близини биљежи симптоме самосталним истраживањем, ГоВирал шаље пакет за самоанализу слузи и слине, а Гоогле Флу Трендс употријебио је податке те компаније за праћење грипа и објавио своје резултате у Натуреу, иако у оквиру пројекта Искључи се након промашаја у 2013. Експеримент, у којем је Гоогле користио претраге повезане са грипом, проценио колико је људи болесно, прецењена преваленца болести, вероватно зато што је медијска покривеност лоше сезоне грипа натерала људе да претражују изразе повезане са грипом. чешће.
Док се Твиттер може користити за праћење самих болести, Салатхе каже да неки од изазова које спомиње Додге објашњавају зашто метаанализа прихватања вакцине има смисла више од само пријављених болести.
„Нисам сигуран да је Твиттер најбољи извор података за то, јер људи дају тако чудне изјаве о себи када морају да дијагностицирају сам себе“, каже Салатхе. "Не ради се толико о праћењу саме болести, већ о праћењу људског одговора на њу."
ГоВирал има додатну предност, објашњава Руми Цхунара, професор информатике и инжењерства на НИУ који води тај пројекат. Ослања се не на самоизвештавање, већ на лабораторијске тестове који дефинитивно процењују ширење вируса и упоређују их са извештајима о симптомима.
"Постоји пуно могућности, али има и изазова. Мислим да би се ту могло усредсредити много науке", каже Цхунара. Како допуњује клиничке податке? Како смањујемо буку и примењујемо информације? На која конкретнија поља или људско понашање можемо да посматрамо?
Новије технологије - посебно фитнес трацкери и друге директне мере здравља - пружиће више, бољих података који су мање субјективни, каже она.
"Много пута се дешава ово, ово је нешто феноменално, здравље друштвених медија", каже она. „Питање његовог навикавања је нешто што мислим да би читава заједница требала да гледа.“
