Aastal 2015 vapustas Disneylandi kõrgetasemeline leetripuhang vanemaid vaktsineerimisega seotud põhimõttelises muutuses. Varasematel aastatel oli tajutav vajadus MMR-vaktsiini järele langenud ja koos sellega ka leetrite eest kaitstud laste protsent. Pärast seda, kui sajad inimesed haigestusid, kutsudes vanemaid üles vaktsineerima, tõusid hinnad uuesti.
Võib-olla peaks olema ilmne, et vaktsineerimise vahelejätmine tooks kaasa rohkem haigeid lapsi, kuid enamik Ameerika vanemaid pole tänapäeval leetrite pärast kunagi muretsema pidanud. Tajutava haigusriski ja vaktsiinide riski vahel on dünaamiline vastastikune mõju, selgitab Chris Bauch. Waterloo ülikooli rakendusmatemaatika professor Bauch vaatas sotsiaalmeedia suundumusi enne ja pärast Disneylandi puhangut ning märkas, et statistiliselt võib ta jälgida avalikkuse suhtumist vaktsiinidesse ja näha kõrgendatud haigusriski enne, kui see juhtus. Tema ja ta kaastöötajad avaldasid teose novembris Rahvusliku Teaduste Akadeemia Toimetistes .
“Kõigil on teatav intuitsioon näpunäidete näpunäidete jaoks. Kui teil on ühel küljel rohkem raskust kui teisel, kaldub see raskemale küljele alla. Kuid kui lisate vastaspoolele üha enam kaalu, kaob see lõpuks ümber, ”ütleb ta. "Nendel tipupunktidel on enne ilmnemist iseloomulikud signaalid ... küsimus on selles, kas me võime otsida selliseid tipupunkte, mis põhjustaksid vaktsiinide tarbimise suurt langust, näiteks vaktsiini hirm?"
Vaktsiini hirmud on vaid üks näide. Epidemioloogid, arvutiteadlased ja tervishoiutöötajad rakendavad arvutiõpet uute allikate - eriti sotsiaalmeedia - andmete jaoks, et luua ennustusmudeleid, mis sarnaneksid CDC-dele, kuid palju kiiremini. Vidinad kurguvalu või arsti visiitide kohta, Google'i otsitud külmetusravimite kohta ja isegi teie Fitbit või Apple Watch võivad kõik anda vihjeid piirkonna tervisesuundumustele, kui need vastavad asukohaandmetele. Ja inimesed jälgivad seda ja laadivad selle üles.
"Järsku on meil juurdepääs mõnele andmetele, " ütleb Marcel Salathe, Šveitsi EPFL-i instituudi digitaalse epidemioloogia labori juhataja. "See on minu jaoks tõesti suurem pilt siin toimuvast, sest mingil määral on see traditsioonilise epidemioloogia andmevoo põhjalik muutus."
Uurimises koostööd teinud Bauchi ja Salathe jaoks oli esmane andmeallikas Twitter. Nad ehitasid roboti, et otsida vaktsiine mainivaid tweete ja hinnata nende säutsu - kas nad osutasid vaktsiinide aktsepteerimisele või kahtlusele. Seejärel vaatasid nad tulemusi kui tagasisideahelaga keerukat süsteemi, rakendades matemaatilist mudelit, et näha, kas see ennustaks tagasiulatuvalt Disneylandi haiguspuhangu põhjustanud vaktsineerimise aeglustumist. See tegi.
Sellistes süsteemides tekivad teatud mõõdetavad signaalid süsteemi lähenedes tipupunktile. Sel juhul nägid teadlased "kriitilist aeglustumist", kus vaktsiinide suhtumine normaliseerus aeglasemalt pärast seda, kui seda mõjutas uudisteartikkel või kuulsuse säuts. Selle tipptaseme nägemise võimalus tähendab, et asukohaandmeid arvestades võiksid rahvatervise ametnikud koostada kampaaniaid, mis on suunatud piirkondadele, kus on suurem vaktsiini hirmutamise ja seega puhangu oht.
Sotsiaalmeedia allikatest avalikult kättesaadavate andmete kasutamisel on muidugi takistusi, sealhulgas ka privaatsusel, kuigi Twitteri andmeid kasutavad teadlased märgivad, et omamoodi eeldatakse, et kui te oma tervisega piiksate, võib keegi seda lugeda. Samuti võib osutuda keeruliseks arvutiprogrammide loomine sisalduva teabe sõelumiseks, juhib tähelepanu rakendusepõhise teenuse Sickweather kaasasutaja ja tegevjuhi Graham Dodge, kes loob terviseprognoose ja haiguskaartide elavaid kaarte, koostamine.
Dodge ja tema kaaskaaslased tegid koostööd Johns Hopkinsi teadlastega, et analüüsida miljardeid haigusi mainivaid säutsu. Protsess hõlmas tahtlike ja kvalifitseeritud aruannete (“mul on gripp”) eraldamist ebamäärasematest kommentaaridest (“tunnen end haigena”) ja isegi eksitavat sõnastust (“mul on Bieberi palavik”). Samuti on nad pidanud kompenseerima puuduvate või ebatäpsete asukohaandmete eest - kõik Twitteri kasutajad, kes näiteks märgivad oma asukohaks lihtsalt „Seattle”, kukutatakse pigem väikesesse Seattle'i kesklinna postiindeksisse, mitte ei levi kogu linnas.
Sickweather käivitas 2013. aastal mobiilirakenduse, mis võimaldab kasutajatel haigustest otse Sickweatherile teada anda, samuti vaadata nende asukoha tingimusi. Kliinilised teadlased ja ravimifirmad kasutavad rakenduse ennustusmudelit, et ennetada haiguse tippe mitu nädalat enne CDC-d, kuid võrreldava täpsusega.
"Kui see on miljonite inimeste käes, mitte 270 000 asemel, siis kuidas see mastaapselt välja mängib, võib tõkestada haiguste levikut paljudes kohtades, " ütleb Dodge.
Teised projektid on proovinud erinevaid lähenemisviise. Gripp teie lähedal seob sümptomeid enda teada antud uuringuga, GoViral on saatnud komplekti lima ja sülje eneseanalüüsiks ning Google Flu Trends kasutas selle ettevõtte andmeid gripi jälgimiseks ja avaldas selle tulemused ajakirjas Nature, kuigi projekt suleti pärast 2013. aasta tõrget. Eksperiment, mille käigus kasutas Google gripiga seotud otsinguid haigete arvu hindamiseks, ülehindama haiguse levimust, võib-olla seetõttu, et halva gripihooaja kajastamine meedias pani inimesi otsima gripiga seotud termineid tihedamini.
Kuigi Twitteri abil saab haigusi ise jälgida, selgitab Salathe, et mõned Dodge mainitud väljakutsed selgitavad, miks vaktsiinide aktsepteerimise metaanalüüs on mõttekam kui enda teada antud haigused.
"Ma pole kindel, et Twitter on selle jaoks parim andmeallikas, kuna inimesed esitavad enda kohta selliseid veidraid avaldusi, kui nad peavad ise diagnoosima, " ütleb Salathe. "Asi pole mitte niivõrd haiguse enda jälgimises, kuivõrd inimese reageerimises selle jälgimisele."
GoViral on veel üks eelis, selgitas Rumi Chunara, NYU arvutiteaduse ja inseneriprofessor, kes seda projekti juhib. See ei tugine mitte eneseteatamisele, vaid laborikatsetele, mis võimaldavad lõplikult hinnata viiruste levikut ja võrrelda neid sümptomite aruannetega.
"Võimalusi on palju, kuid on ka väljakutseid ja ma arvan, et sellele võiks keskenduda suur osa teadusest, " ütleb Chunara. Kuidas see täiendab kliinilisi andmeid? Kuidas vähendada müra ja kasutada teavet? Milliseid täpsemaid valdkondi või inimeste käitumist saame vaadata?
Uuemad tehnoloogiad - eriti treenimisjälgijad ja muud otsesed tervisemeetmed - annavad rohkem, paremaid andmeid, mis on vähem subjektiivsed.
"Mitu korda on meil seda suminat, see on midagi ägedat, sotsiaalmeedia tervis, " ütleb ta. "Arvan, et kogu kogukond peaks sellele tähelepanu pöörama."
