下一次公共卫生流行病的答案就在你们手中

发表于2016年8月03日的Vasileios Lampos博士

公共卫生监测

几乎在线活动的每个方面都会产生用户生成的数据;在线用户直接(或间接)创建的内容。流行的例子包括在Facebook和Twitter等社交媒体上分享的帖子,或者更私人的记录,如网页浏览或搜索引擎活动的日志。关于如何将这些数据自动转化为有意义的推论的方法和相关的应用,在……领域进行了大量的研究健康,金融政治,甚至加强了对人类行为

我们的小组,在伦敦大学学院计算机科学系,(和资助的跨学科EPSRC.项目我感觉到),一直专注于这种类型的研究,主要来自面向健康的视角。美国的主要驱动因素是开发使用在线用户生成的内容来提高传统健康监测标准的方法,并提供替代形式的集体健康分析。我们的总体目标是一个框架,可以用作卫生机构的互补信息来源,协助他们更好,及时的决策。

流感监测

谷歌流感趋势(GFT)是通过在谷歌搜索引擎上查看统计相关查询的频率来监测流感样疾病的患病率的平台。但是,谷歌流感趋势背后的模型并不完美。事实上,它犯了严重的错误,如过度预测流感速度似乎是,在后古,正常的流感季节。与谷歌合作,我们通过提出一种装备更好的方法来纠正这些错误(见图1)。该新方法可以消除不同搜索查询概念之间的不确定性,并探索数据中的非线性趋势。关注英格兰,我们在我们的流感监测平台(流感检测器)上可视化了流感率推断,以及来自Twitter内容的估计。

为什么是数字监测传染病有用吗?

首先,因为在线数据对传统健康监测已经告诉我们的信息提供了一个补充、潜在的补充信号。后者只是基于到医疗设施或使用医疗服务的记录,而前者可以接触到更广泛的人口。此外,可以立即根据在线数据进行评估,克服了综合征监测所遭受的各种延误。最后,这些模式不一定依赖于一个已建立的卫生系统,而且可以为世界上的发展中国家提供大量资源。

除了监测一种传染病,我们还与微软研究院和英国公共卫生部门(PHE)合作,开发了一种新型传染病框架评估卫生干预措施的影响。我们的案例研究是一个在英格兰特定地点启动的儿童流感疫苗接种试点项目,我们的在线数据来源包括基于地理位置的推文和匿名必应搜索。虽然板式换热器由于其数据中少量样本,无法导出疫苗接种计划对疫苗接种计划的影响的统计显着估计,我们的在线框架产生了统计上重大的影响估计,这些影响估计与来自的人一致板式换热器(见图2)。两种分析表明,疫苗接种程序成功地降低了受影响社区的流感率。

未来采矿

在我们的最新工作中,我们正在开发方法以更好地了解在线人群中不同群体的详细健康信号。例如,特定职业类型可能更接近某些类型的疾病,或来自某些社会经济背景的人可能与全国健康干预措施不同。传统的理解方式是通过进行调查。然而,这是耗时的,潜在的昂贵和具有相当大的偏见过程。社交媒体内容,当以正确的方式开采时,可以用作可行的替代品。为此,我们一直共同开发监督学习技术,用于自动推断人口统计属性,例如占领,收入社会经济地位社交媒体用户的数量。

我们研究小组的当前核心成员(不包括自己)是Ingemar J. Cox教授,Lukasz Olejnik博士,宾邹和Jens K. Geyti。I-Sense项目由Rachel A McKendry的教授领导。

其他条目在研究委员会里约热内卢2016奥运会主题博客。

作者

在下表中,与页面相关的联系信息。第一列仅供参考。数据位于右侧。

vasileios lampo
名称: 博士Vasileios lampo
职称: 高级研究助理
部门: 计算机科学系
组织: 伦敦大学学院
地址:
http://www.lampos.net.

Vasileios Lampos是伦敦大学学院的高级研究员。他的研究兴趣横跨人工智能、统计自然语言处理和计算社会科学等领域。