下一个公共卫生流行病的答案在你手中

由Vasileios Lampos博士于2016年8月03日发布

公共卫生监测

在线活动的几乎每个方面都会创建用户生成的数据;由在线用户直接(或间接)创建的内容。流行的例子包括社交媒体上共享的帖子,例如Facebook和Twitter,或更多私人记录,例如Web浏览或搜索引擎活动的日志。已经对自动将该数据转换为有意义的推论和域中相关应用的方法进行了大量研究健康金融政治,甚至增强的解释人类行为

我们集团,在伦敦大学学院计算机科学系,(并由跨学科资助EPSRC项目我感觉),主要从健康的角度关注这类研究。我们的主要驱动力是开发使用在线用户生成内容来提高传统健康监测标准的方法,并提供集体健康分析的替代形式。我们的总体目标是建立一个可作为卫生机构补充信息来源的框架,协助它们作出更好和及时的决定。

流感监测

谷歌流感趋势(GFT)是一个通过查看谷歌搜索引擎上统计相关查询的频率来监测流感样疾病流行情况的平台。然而,谷歌流感趋势背后的模型并不完美。实际上,它犯了严重的错误,如软件开发事后看来,这似乎是一个正常的流感季节。在与谷歌的协作中,我们通过提出一种更好的方法来纠正这些错误(参见图1)新方法可以消除不同搜索查询概念之间的模糊性并探讨数据中的非线性趋势。专注于英格兰,我们已经可视化流感监测平台(FLU探测器)的流感速度推论,以及源自推特内容的估计。

为什么数字监测传染病有用吗?

首先,由于在线数据提供了互补,可能的潜在的添加信号,以传统的健康监测已经告诉我们。后者仅基于访问医疗设施或使用医疗服务的记录,而前者可以访问大量的人口。此外,可以立即进行在线数据的估计,克服综合征监测遭受的各种延迟。最后,这些模型不一定取决于建立的卫生系统,并可为发展世界的地区提供伟大的资源。

除了监测传染病,与微软研究和公共卫生英格兰(PHE)合作,我们开发了一个框架用于评估健康干预的影响。我们的案例研究是一名飞行员儿童疫苗接种计划,在英格兰的特定地点发布,我们的在线数据源包括一个地理位置的推文和匿名Bing搜索。虽然ph由于数据中样本数量较少,无法对疫苗接种计划的影响得出统计上显著的估计,我们的在线框架得出与来自ph(见图2)两项分析都表明,疫苗接种计划成功地降低了受影响社区的流感发病率。

未来矿业

在我们最新的工作中,我们正在开发方法,以便更好地了解在线人口中不同群体的详细健康信号。例如,某一特定职业类型可能更容易接触某些类型的疾病,或具有某些社会经济背景的人可能对全国卫生干预措施作出不同的反应。理解这些趋势的传统方法是进行调查。然而,这是一个耗时的、潜在的昂贵的和相当有偏见的过程。如果能以正确的方式挖掘社交媒体内容,就可以将其作为一种可行的选择。为此,我们共同开发了用于自动推断人口统计属性的监督学习技术,例如占用收入社会经济状况,社交媒体用户。

我们课题组目前的核心成员(不包括我本人)是Ingemar J. Cox教授、Lukasz Olejnik博士、Bin Zou和Jens K. Geyti。i-sense项目由Rachel A McKendry教授领导。

其他参赛作品在研究委员会里奥2016年奥运会主题博客中。

作者

在下表中,与页面相关的联系信息。第一列仅供视觉参考。数据在右列中。

vasileios lampos.
名称: Vasileios Lampos博士
职称: 高级研究员
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助理。他的研究兴趣跨越人工智能领域,统计自然语言处理和计算社会科学。