211service.com
H1N1 volgen via internet
Volgend griepseizoen kunnen mijnbouw-internetsites zoals Facebook, Twitter en Google News een snellere manier bieden om de verspreiding van H1N1 te volgen dan rapporten van officiële instanties zoals de Wereldgezondheidsorganisatie (WHO) en de Centers for Disease Control and Prevention (CDC). ). Dat is het idee achter een nieuwe generatie tools voor ziektebewaking, waaronder HealthMap, een interactief online systeem dat het internet afspeurt naar nieuws, zowel formeel als informeel, en een virus vrijwel in realtime volgt.
Griepspoor: de website HealthMap doorzoekt duizenden internetsites per dag en volgt de verspreiding van tot 200 infectieziekten, waaronder H1N1.
Tijdens de wereldwijde verspreiding van pandemische influenza A (H1N1) vorig jaar, Gezondheidskaart kon een van de eerste meldingen van de ziekte oppikken, ruim voordat de uitbraak werd bevestigd door overheidsinstanties. Onderzoekers hielden het systeem gedurende het griepseizoen 2009 draaiende en ontdekten dat er gemiddeld van land tot land een vertraging van 12 dagen was tussen informele meldingen van vermoedelijke H1N1-gevallen en formele bevestigingen van het virus. Nadat de laatste golf van H1N1-uitbraken was geëindigd, analyseerden onderzoekers hun gegevens en ontdekten dat vertragingsperioden samenvielen met het bruto binnenlands product (bbp) van een land - hoe rijker het land, hoe sneller de respons. De resultaten van hun analyse zijn gepubliceerd in het huidige nummer van The New England Journal of Medicine .
John Brownstein, assistent-professor aan het Children's Hospital Boston en mede-oprichter van HealthMap, zegt dat de H1N1-pandemie van vorig jaar een ongekende kans was om internet te testen als een dynamische bron voor het volgen van een bijzonder snel verspreidende ziekte. Op het hoogtepunt van de pandemie werd het internet overspoeld met rapporten van minuut tot minuut van informele bronnen zoals nieuwsuitzendingen, blogs en andere websites, lang voordat officiële instanties vermoedelijke gevallen konden bevestigen. H1N1 in het algemeen was misschien een wake-up call in termen van ons vermogen om om te gaan met [een] toestroom van gegevens in een opkomende pandemie, zegt Brownstein.
Tegenwoordig gebruiken de WHO en de CDC HealthMap elke dag om te helpen bepalen hoe een toekomstige H1N1-uitbraak beter kan worden gevolgd en aangepakt. HealthMap houdt ook de verspreiding van 200 andere ziekten in de gaten, zoals knokkelkoorts en mond- en klauwzeer. Het team van Brownstein lanceerde onlangs een iPhone-applicatie die HealthMap personaliseert voor een bepaalde gebruiker. De applicatie maakt gebruik van wereldwijde positionering om uitbraken in iemands gebied te signaleren. Zowel de website als de iPhone-app laten gebruikers alle griepgevallen die ze kennen, of symptomen waaraan ze lijden, typen - informatie die Brownstein ook kan gebruiken om de ziekte te volgen.
Wereldwijde heide: hier afgebeeld zijn meldingen van vermoedelijke gevallen van H1N1 die zich de afgelopen week hebben voorgedaan. Gebruikers van de website kunnen op een vlaggetje klikken om het originele rapport te lezen. Roze vlaggen geven bevestigde gevallen aan, terwijl blauwe vlaggen aangeven dat het aantal gevallen niet is geïdentificeerd.
Healthmap is een van een aantal nieuwe programma's die opkomen om infectieziekten op te sporen, waarbij gebruik wordt gemaakt van onconventionele bronnen zoals toegang tot de spoedeisende hulp, vrij verkrijgbare receptverkoop en schoolverzuimrapporten. In 2008 ontdekte Google dat het griepseizoen op een bepaalde locatie correleerde met bepaalde zoekwoorden die gebruikers in de zoekmachine typten. Google lanceerde een applicatie genaamd Google Grieptrends , en publiceerde een paper in Natuur , meldend dat het systeem een uitbarsting van griep twee weken kon ontdekken alvorens CDC een bevestiging uitgaf. De CDC-methode, die moleculaire tests omvat om specifieke virussen te bevestigen, is nauwkeuriger, maar ook tijdrovend en arbeidsintensief.
Op internet gebaseerde benaderingen kunnen vooral nuttig zijn bij het opsporen van nieuwe pathogenen. Nieuwe ziekten kunnen de meest verwoestende zijn omdat het menselijk lichaam en de volksgezondheidsinfrastructuur er niet op zijn ingesteld om ermee om te gaan, zegt Marc Levy , adjunct-directeur van het Center for International Earth Science Information Network aan de Columbia University. Daarom is deze nieuwe technologie zo belangrijk, omdat het het proces van het detecteren van nieuwe ziekten op een geografisch nauwkeurige manier drastisch vereenvoudigt.
Levy waarschuwt dat naarmate nieuwe technologieën zoals HealthMap vaker voorkomen, ze kunnen lijden onder een Big Brother-vooroordeel - regeringen die de touwtjes in handen hebben, kunnen ervoor kiezen om de toegang tot nieuwsuitzendingen of internetsites af te sluiten, waardoor een informatie-black-out ontstaat. Het gevaar bestaat dat deze krachtige tools het doelwit worden van beperkingen, zegt Levy. Maar dat zijn risico's die het waard zijn om te tolereren.
Om HealthMap te maken, Brownstein en zijn collega Clark Freifeld , een ontwikkelaar van onderzoekssoftware bij het Children's Hospital Informatics Program, bedacht algoritmen om verschillende internetbronnen en nieuwsaggregators zoals Google te doorzoeken, trefwoorden in zeven verschillende talen te zoeken en de betrouwbaarheid van een bron te meten. Geverifieerde rapporten worden gemarkeerd naar een overeenkomstige locatie op een elektronische kaart van de wereld, zodat gebruikers een ziekte zoals H1N1 kunnen zien ontvouwen door door een tijdlijn onder de kaart te klikken. Gebruikers kunnen ook op een vlag klikken, die linkt naar een nieuwsbericht, persbericht van het ziekenhuis of blogbericht.
In de toekomst zijn Brownstein en Freifeld van plan om van minuut tot minuut gebruik te maken van de wereld van sociale netwerken, en zullen ze sites als Twitter en Facebook controleren op nog eerdere tekenen van ziekte-uitbraken. We lopen een dunne lijn om in deze gegevensbronnen te komen, zegt Brownstein. Twitter is een zeer moeilijke bron, met een zeer korte hoeveelheid tekst die moeilijk te verifiëren is. Eén individueel geval vertelt ons misschien niet dat er iets aan de hand is, maar als we genoeg mensen hebben die zich op een locatie melden, kan dat iets betekenen. Dus we wachten op een drempel voor rapportage, in plaats van te vertrouwen op slechts één tweet van bijvoorbeeld een ebola-uitbraak.