Tracking Schweinegrippe Impfung Preise und Einstellungen Via Twitter

Eine einzigartige und innovative Analyse der sozialen Medien können die Ausbreitung einer Krankheit beeinflussen, von einem Wissenschaftler der Penn State University studiert Haltung gegenüber der so konzipiert und umgesetzt H1N1 Impfstoff. Marcel Salathe , Assistant Professor der Biologie, der untersucht, wie Nutzer von Twitter - einem beliebten Microblogging und Social - Networking-Dienst - äußerten ihre Gefühle über einen neuen Impfstoff. Er verfolgte , wie die Einstellung der Benutzer mit Impfraten und wie Mikroblogger mit den gleichen negativen oder positiven Gefühle schienen andere in ihrem sozialen Umfeld beeinflussen korreliert. Die Forschung wird als die erste Fallstudie , wie Social - Media-Sites beeinflussen und spiegeln Krankheit Netzwerke , und das Verfahren wird erwartet, dass in der Studie von anderen Krankheiten zu wiederholen. Die Ergebnisse werden in der Zeitschrift veröffentlicht PLoS Computational Biology .

Salathé erklärte, dass er wählte Twitter aus zwei Gründen. Erstens , im Gegensatz zu den Inhalten von Facebook, Twitter-Nachrichten , die als " Tweets " genannt werden als öffentliche Daten und jeder kann " folgen", oder verfolgen Sie die Tweets von allen anderen. "Die Leute twittern , weil sie andere Mitglieder der Öffentlichkeit möchte hören, was sie zu sagen haben ", sagte Salathé . Zweitens ist Twitter das perfekte Datenbasis für das Lernen über Gefühle der Menschen. " Tweets sind sehr kurz - maximal 140 Zeichen ", erklärte Salathé . "So haben Nutzer ihre Meinungen und Überzeugungen zu einem bestimmten Thema sehr prägnant zum Ausdruck bringen. " Salathé begann mit der Anhäufung von 477.768 Tweets mit der Impfung im Zusammenhang mit Stichwörtern und Wendungen . Dann verfolgt er Gefühle der Nutzer über eine bestimmte neue Impfstoff zur Bekämpfung der H1N1 - Virusstamm eine für die Schweinegrippe verantwortlich. Die Sammlung Prozess begann im August 2009, als die Nachricht von dem neuen Impfstoff erste öffentlich gemacht wurde , und setzte durch Januar 2010 .

Salathé erklärte, dass die Sortierung durch die enorme Anzahl von Impfungen bezogene Tweets war keine einfache Sache . Zuerst partitioniert er eine zufällige Teilmenge von rund 10 Prozent und fragte Penn State Studenten, um sie als positiv, negativ , neutral oder irrelevant bewerten. Zum Beispiel , ein Tweet einen Wunsch, den H1N1-Impfstoff erhalten auszudrücken betrachtet würden positiv, während ein Tweet Ausdruck der Überzeugung, dass der Impfstoff schadet wäre als negativ betrachtet werden . Ein Tweet über einen anderen Impfstoff , zum Beispiel das Hepatitis B-Impfstoff würde als irrelevant betrachtet werden. Dann Shashank Khandelwal , ein Computer-Programmierer und Analyst im Fachbereich Biologie und Co-Autor des Papiers Penn State , verwendet der Schüler Bewertungen einen Computer -Algorithmus für die Katalogisierung , die restlichen 90 Prozent der Tweets nach den Gefühlen sie geäußerten Meinungen zu entwerfen . " Die ausgelegten Tweets diente als " Lernsatz' , dass wir zu " Teach " des Computers , wie die Tweets genau bewerten verwendet ", erklärte Salathé . Nachdem die Tweets von der Computer-Algorithmus analysiert , die endgültige Strichliste , nachdem die irrelevante wurden eliminiert , war 318.379 Tweets , die entweder positiv, negativ oder neutral Gefühle über das H1N1-Impfstoff .

Da Twitter-Nutzer enthalten oft eine Stelle im Profil war Salathé der Lage, die Gefühle zum Ausdruck gebracht durch US-Region zu kategorisieren. Auch die Verwendung von Daten aus der Centers for Disease Control and Prevention (CDC) , er war in der Lage, festzustellen, wie die Impfung Einstellungen mit CDC korreliert geschätzt Impfraten . Mit Hilfe dieser Daten Salathé gefunden bestimmten Mustern. Zum Beispiel waren die höchsten positiven Stimmung Nutzer von New England , und das Gebiet hatte auch die höchste H1N1 Impfrate . " Diese Ergebnisse könnten strategisch eingesetzt , um die Gesundheit der Bevölkerung Initiativen zu entwickeln ", erklärte Salathé . " Zum Beispiel könnte gezielte Kampagnen wonach Region braucht mehr Prävention Bildung entwickelt werden. Solche Daten können auch verwendet werden, um vorherzusagen, wie viele Dosen eines Impfstoffs wird in einem bestimmten Bereich benötigt werden. "

Darüber hinaus war Salathé Lage, ein komplexes soziales Netzwerk durch die Bestimmung , die die Tweets von denen gefolgt konstruieren ; das heißt , er war in der Lage, Gruppen von Gleichgesinnten Twitter-Nutzer zu ermitteln. " Die Annahme ist, dass Menschen dazu neigen, Online fast ausschließlich mit Menschen, die auf die gleiche Weise denken, zu kommunizieren. Dieses Phänomen erzeugt " Echokammern ", in denen abweichende Meinungen nicht gehört ", sagte Salathé . Wie sich herausstellte , war die Annahme richtig . Salathé festgestellt, dass Nutzer mit entweder negativ oder positiv Gefühle über das H1N1-Impfstoff gefolgt Gleichgesinnten . " Die öffentliche Gesundheit Nachricht hier ist offensichtlich ", sagte Salathé . "Wenn Anti- Impfung Gemeinden Cluster in Echt , geographischen Raum , aber auch , dann ist dies wahrscheinlich unter geimpften Gemeinden, die an der großen Gefahr der lokalen Ausbrüche sind zu führen." Er erklärte, dass , wenn nicht geimpften Personen zusammenballen , Herdenimmunität - eine Bevölkerungsebene Immunität, wenn eine kritische Masse wurde geimpft auftritt - viel Schutz vor Krankheiten nicht mehr bietet . " Per Definition funktioniert Herdenimmunität nur, wenn nicht geimpften , ungeschützte Personen sind spärlich in der Bevölkerung , an der Krankheit von geimpften Personen gepuffert verteilt ", sagte Salathé . " Leider sind die Daten von Twitter scheinen darauf hinzudeuten , dass der Puffer des Schutzes kann nicht gerechnet werden, wenn diese Cluster in Echt , geographischen Raum existieren."

Neben den standortbezogenen und Netzwerkstrukturen, war in der Lage, die Stimmung Salathé Muster über die Zeit zu verfolgen. Zum Beispiel , fand er , dass negative Äußerungen während der Zeit versetzt , wenn der Impfstoff zum ersten Mal angekündigt . Später entstanden positiveren Empfindungen , wenn der Impfstoff zunächst in den Vereinigten Staaten verschifft . Salathé verfolgt auch Spitzen von negativen Tweets, entsprach nicht überraschend, zu Zeiten der Impfstoff- Rückruf .

Salathé plant, seine einzigartige Social-Media- Analyse verwenden, um andere Erkrankungen , wie Adipositas zu untersuchen, Bluthochdruck und Herzkrankheit . "Wir denken, einer Krankheit, wie Fettleibigkeit als nicht infektiös , während eine Krankheit wie die Grippe ist eindeutig infektiös. Allerdings könnte es sinnvoller sein Verhalten beeinflussten Krankheiten denken, wie Infektionskrankheiten, wie auch sein ", sagte Salathé . " Lifestyle Entscheidungen könnten in der gleichen Weise , die Krankheitserreger " abgeholt " werden - Viren oder Bakterien - erworben werden. Der Unterschied ist lediglich, dass in dem einen Fall das infektiöse Agens ist eine Idee , anstatt eine biologische Einheit . "

Salathé fügte hinzu, dass in den Industrieländern , werden künftige Generationen machen sich weniger Sorgen über Infektionskrankheiten und mehr über Krankheiten, Lebensstil und Verhalten verknüpft . "Verhalten beeinflussten Krankheiten immer existiert haben , aber bis vor kurzem sie maskiert wurden . Die Menschen starben von Infektionskrankheiten relativ früh im Lebenszyklus So waren Verhalten beeinflussten Krankheiten nicht wirklich auf jedermann Radar ", erklärte Salathé . "Jetzt, Herzerkrankungen - eine Krankheit verursacht , zumindest teilweise , durch Lebensstil - an der Spitze der Liste der Mörder bewegen , könnte es klug sein, wie Social Media Einflüsse Verhaltensweisen wie schlechte Ernährung und selten Übung konzentrieren ", sagte Salathé .