211service.com
Twitter-datastream gebruikt om griepuitbraken te voorspellen
In 2008 lanceerde Google zijn nu beroemde website over grieptrends. Het werkt op de hypothese dat mensen meer griepgerelateerde zoekopdrachten doen wanneer ze aan de ziekte lijden dan wanneer ze gezond zijn. Dus het tellen van het aantal griepgerelateerde zoekopdrachten in een bepaald land geeft een goede indicatie van hoe het virus zich verspreidt.
De voorspellingen zijn best goed. De gegevens komen over het algemeen nauw overeen met die van overheidsorganisaties zoals de Centers for Disease Control and Prevention (CDC) in de VS. In sommige gevallen heeft het zelfs een beginnende epidemie kunnen ontdekken meer dan een week voor de CDC.
Dat is enorm belangrijk geweest. Een vroege indicatie dat de ziekte zich onder een bevolking verspreidt, geeft regeringen een welkome voorsprong bij het plannen van hun reactie.
Een interessante vraag is dus of andere online diensten, met name sociale media, vergelijkbare of zelfs betere voorspellingen kunnen doen. Vandaag hebben we een antwoord dankzij het werk van Jiwei Li aan de Carnegie Mellon University in Pittsburgh en Claire Cardie aan de Cornell University in de staat New York, die de vroege stadia van een griepuitbraak via Twitter hebben kunnen detecteren.
Hun aanpak is in veel opzichten vergelijkbaar met die van Google. Ze filteren eenvoudig de Twitter-gegevensstroom op griepgerelateerde tweets die ook geotags hebben. Dat stelt hen in staat om een kaart te maken die de verspreiding van deze tweets laat zien en hoe deze in de loop van de tijd varieert.
Ze modelleren ook de dynamiek van de ziekte met enkele interessante subtiliteiten. In het nieuwe model kan een griepepidemie zich in een van de vier fasen bevinden: niet-epidemische fase, een stijgende fase waarin het aantal toeneemt, een stationaire fase en een dalende fase waarin het aantal daalt.
De nieuwe aanpak maakt gebruik van een algoritme dat de overgang van de ene fase naar de andere zo vroeg mogelijk probeert te herkennen. Li en Cardie testen inderdaad de effectiviteit van hun aanpak met behulp van een Twitter-dataset van 3,6 miljoen griepgerelateerde tweets van ongeveer 1 miljoen mensen in de VS tussen juni 2008 en juni 2010.
Om te controleren hoe goed hun voorspellingen werken, vergeleken Li en Cardie hun analyse met die van de CDC. We verifiëren dat griepgerelateerde tweets sterk gecorreleerd zijn met het aantal gevallen van influenza-achtige ziekte (ILI) dat door CDC wordt geleverd, zeggen ze.
Dat lijkt een krachtig en belangrijk nieuw instrument te zijn in de strijd tegen griepepidemieën. Het biedt zeker een nieuwe manier om de ziekte in een vroeg stadium te herkennen. Het zal inderdaad een interessante taak zijn om de effectiviteit ervan te vergelijken met andere systemen, zoals de grieptrends van Google en de eigen voorspellingen van de CDC.
Elk jaar krijgt ongeveer 10-15% van de mensen griep, wat resulteert in ongeveer 50 miljoen gevallen en 500.000 doden over de hele wereld. Dat is een zware tol. De mogelijkheid om het begin van een epidemie een week of zo eerder te herkennen dan nu mogelijk is, en dit overal ter wereld relatief goedkoop en gemakkelijk te doen, zou regeringen en medische instanties in staat kunnen stellen een aanzienlijk aantal levens te redden.
Referentie: arxiv.org/abs/1309.7340 : Vroeg stadium van griepdetectie van Twitter