Ausbreitung von Krankheiten könnten durch Visualisierung Geographic Muster vorhergesagt werden
Krankheitsstatistikenin Patientenakten vergraben oder in Zeitungsausschnitte detaillierten können sortiert und organisiert, um geografische Muster zeigen , so dass die Entdeckung von Trends , die bisher übersehen wurden , laut einer Penn State Geograph .
"Der Einsatz von interaktiven Karten und Grafiken in Verbindung mit Wortsuche Schnittstellen kann einen besseren Einblick in komplexe Ereignisse wie die Ausbreitung der Schweinegrippe zu führen ", sagte Frank Hardisty , wissenschaftlicher Mitarbeiter , Penn State Geovista Center.
Die GeoViz Toolkit ist eine benutzerfreundliche Anwendung, die Text Mining vereint mit geografischer Zuordnung. Es ermöglicht Benutzern die Suche öffentlich verfügbaren Daten für ihre eigenen Interessen oder Anliegen identifizieren und zu visualisieren Datenmuster .
Die flexible Softwarepaket ermöglicht jemanden ohne Programmierkenntnisse die Anwendung zu navigieren, sondern schafft auch verschiedene Komponenten und Analyse-Tools für erfahrene Analysten.
" Mögliche Anwendungen reichen von der Forschung in die öffentliche Gesundheit - Infektionskrankheiten Dynamik , Krebs Ätiologie, Überwachung und Kontrolle - durch die Analyse der sozioökonomischen und demographischen Daten , um die Exploration von Mustern von Zwischenfällen zu Terrorismus oder Kriminalität ", sagte Hardisty .
Viele Quellen für Krankheiten und Kriminalstatistik - Zeitungsartikel zum Beispiel - in einem semi-strukturierten Format, das nicht eindeutig die Daten in einer Tabelle oder Grafik darstellen , sondern vergraben im Text des Dokuments.
Um qualitativ hochwertige , relevante Informationen aus diesen Dokumenten zu erhalten, verwenden die Forscher " Textanalyse " oder " " Text Mining ", so dass sie nur für Informationen , wie das Datum und die Beschreibung einer krankheitsbedingten Tod abrufen , aus der Informationsflut in der Regel in einem Zeitungsausschnitt enthalten.
" Ein Beispiel dafür wäre eine Datenbank werden auf der Suche H1N1 Grippe- Berichte für "Kind" oder "Kinder" und zu sehen, wenn es räumliche Cluster in der relativen Häufigkeit dieser Berichte " Hardisty erzählte Teilnehmer an der 2010 Association of American Geographen Jahrestagung in Washington, DC
H1N1 -Daten , von RhizaLabs vorgesehen , wurde in einem GeoViz Abfrage verwendet . Reports " Kind " oder ähnlichen Begriffen enthalten, wurden abgebildet , mit Bereichen , die eine hohe Frequenz von Kindern Fällen hervorgehoben. In der Regel Gebiete mit geringer Bevölkerungsdichte zeigte einen höheren Anteil der Fälle, die den Suchbegriff enthalten .
" Die Hypothese, dass diese hervorruft, ist , dass die ländlichen Staaten haben proportional mehr Übertragungen über Kinder, während dichter bevölkerten Plätze sind eher anderer Vektoren der Übertragung zu erleben ", sagte Hardisty .
Die GeoViz Anwendung ermöglicht die einfache Manipulation der Software, um Zeit und Ort zu ändern, sowie , wie die Daten angezeigt . Der Benutzer kann somit das Muster , wie die Verbreitung von Krankheiten zu visualisieren und zu bestimmen, wie schnell sie von einem Bereich zu dem nächsten fortschreitet.
Visuelle geografische Analyse kann Standorte, die mehr oder weniger anfällig für bestimmte Krankheiten , Kriminalität oder Wettermuster und Forscher könnten diese Vorkommen mit einer Ursache oder Auslöser verlinkt sind zu identifizieren. Mit dem Toolkit GeoViz könnte , wie Menschen zu reagieren oder zu verhindern, diese Vorfälle beizutragen.
" Erstens kann GeoViz Methoden helfen Ersthelfer einen besseren Gesamtsituation. Zweitens wird ein besseres Verständnis der Rück gruppierten Muster wie Krankheitsinzidenz und öffentliche Sicherheitsvorfälle auf die Entwicklung wirksamer Kontrollmaßnahmen führen ", schloss Hardisty .
Das Department of Homeland Security -Impfstoff-Initiative und die Gates-Stiftung Impfstoff- Modeling -Initiative unterstützt diese Arbeit . Die GeoViz Toolkit wurde unter der Leitung von Alan M. MacEachren , Direktor, Geovista Center, Penn State entwickelt.
Quelle:
A'ndrea Elyse Messer
Penn State