نتایج جالب آنالیز توئیت کاربران در مورد گسترش آنفلوآنزا
به گزارش کلیک، در حالی که برخی افراد در ایالات متحده آمریکا از انفلوانزا رنج می برند، پژوهشگران دانشگاه شمال شرقی امریکا توانستند با استفاده از تجزیه و تحلیل شبکه های اجتماعی ویروس انفلونزا را ردیابی کنند.
به گزارش کلیک ، در حالی که برخی افراد در ایالات متحده آمریکا از انفلوانزا رنج می برند، پژوهشگران دانشگاه شمال شرقی امریکا توانستند با استفاده از تجزیه و تحلیل شبکه های اجتماعی ویروس انفلونزا را ردیابی کنند.
آنالیز توئیت ها با استفاده از یک مدل محاسباتی و ترکیب داده ها با پارامترهای ویروس، پژوهشگران را قادر به پیگیری چگونگی گسترش آنفلوانزا در منطقه کرد و شش هفته زودتر گسترش آنفلوانزا پیش بینی شد.
با توجه به امکانات حمل و نقل سیار، مهاجرت و مسافرت افراد به مناطق مختلف، خطر ابتلا به بیماری های همه گیر عفونی در حال گسترش است. به طور خاص، اگر به ویروس آنفلوانزا بپردازیم، آنفلوانزای فصلی یکی از میلیون ها بیماری است که هر ساله هزاران نفر در دنیا را به کام مرگ می کشاند. گزارش دقیق در زمان مناسب در مورد آنفلونزای فصلی می تواند به سازمان ها و مراکز بهداشت عمومی کمک کند تا آمادگی های لازم را جهت مواجعه با این بیماری کسب کنند. متاسفانه داده های نطارتی کنونی کمی عقب تر از شیوع آنفلوانزا حرکت می کنند و به موقع گزارشات لازم به فراهم آورندگان سلامت ارایه نمی شود. با استفاده از پلتفرم محققان دانشگاه شمال شرقی امریکا، آژانس های مراقبت بهداشت عمومی درک بهتری از تکامل بیماری های همه گیر و پیش بینی شیوع آن بدست می آورند. با استفاده از مکان های GPS کاربران توئیتر که نشانه های بیماری خود را با یکدیگر به اشتراک گذاشته بودند، پژوهشگران توانستند شدت همه گیری بیماری را در سراسر ایالات تعیین کنند.
اگر چه مدل تیم تحقیقاتی دانشگاه شمال شرقی آمریکا دارای محدودیت هایی از جمله زمان اوج شیوع بیماری است، ولی تیم در پی یافت راه هایی برای غلبه بر چالش هایی که در این زمینه وجود دارد می باشد. بنابراین حرکت رو به جلوی تیم ادامه دارد تا با استفاده از تجزیه و تحلیل بیماری های همه گیر و اضافه کردن پارامترهای جدید بتواند توییت ها را بیشتر مورد آنالیز قرار دهد و یافته هایی که پاسخگویی به ان ها چندان ساده نیست را بی جواب نگذراند. از سویی دیگر، تکامل بیماری های همه گیر می تواند کاملا متفاوت از بیماری های فصلی باشد، بنابراین تیم تحقیقاتی باید بر این چالش ها نیز فائق آید. در واقع، آن ها باید یک فضای بزرگتری از پارامترها را در نظر بگیرند و هزاران مدل را شبیه سازی کنند تا قادر به شناسایی مجموعه ای از مدل های ممکن برسند و سپس بتوانند بیماری های همه گیر فصلی مانند آنفلوانزا توصیف کنند.
.