Будущие всплески Covid-19 предложили прогнозировать по истории поиска
История поиска «домашних» или «уличных» развлечений может предсказать, стоит ли в ближайшее время ждать новых всплесков коронавируса и где он потенциально будет распространяться. К такому выводу пришли ученые, проведя четыре месяца онлайн-исследований.
Группа американских ученых проанализировала историю поисковых запросов в США с марта по июнь 2020 года. Используя данные Google Trends, команда отследила поисковые тенденции, связанные с перемещениями, посещениями общественных мест и изоляцией, чтобы разработать два индекса — мобильности и изоляции. Их дополнили «индексом чистого перемещения», который представлял собой разницу между индексами мобильности и изоляции.
Затем ученые разделили поисковые запросы на две категории, или «трека»: трек индекса мобильности, который классифицировал поиск, связанный с взаимодействием с другими людьми вне дома (например, «театры рядом со мной», «авиабилеты»), и трек индекса изоляции, куда входили запросы, связанные с домашними делами («доставка еды», «йога дома»).
Далее исследователи проверили рост заболеваемости Covid-19 через 10-14 дней — ожидаемая разница между заражением и первыми симптомами, — изучив данные государственных и местных органов здравоохранения. Они обнаружили, что индекс чистого перемещения коррелировал с новыми случаями заражения за исследуемый период. Кроме того, резкие падения индекса мобильности сопровождались таким же резким снижением данных о росте заболеваемости. Подробности опубликованы в журнале Social Network Analysis and Mining.
«Наша цель состояла в том, чтобы уловить социальную динамику пандемии, используя альтернативные источники данных, которые являются новыми для эпидемиологии инфекционных заболеваний, — объяснил Энесс Бари, автор исследования. — Когда кто-то ищет время закрытия местного бара или местный тренажерный зал, то дает некоторое представление о будущих рисках».
«Наши исследования показывают, что эти методы можно использовать в борьбе с пандемией, заранее определяя, где могут произойти вспышки», — добавила Меган Коффи, соавтор работы.
В будущем команда планирует создать базу данных, содержащую информацию об изменении поведения человека. Ее разработают на основе альтернативных данных в течение жизненного цикла пандемии. Это должно позволить машинному обучению предсказывать поведение в будущих эпидемиях.
Ученых беспокоит, что такие методы прогнозирования вспышек могут нарушить конфиденциальность пользователей. Однако они подчеркивают, что инструмент использует большие объемы поисковых запросов и опирается на анонимизированные данные. Это должно решить проблему защиты личной информации.
История поиска «домашних» или «уличных» развлечений может предсказать, стоит ли в ближайшее время ждать новых всплесков коронавируса и где он потенциально будет распространяться. К такому выводу пришли ученые, проведя четыре месяца онлайн-исследований.
Группа американских ученых проанализировала историю поисковых запросов в США с марта по июнь 2020 года. Используя данные Google Trends, команда отследила поисковые тенденции, связанные с перемещениями, посещениями общественных мест и изоляцией, чтобы разработать два индекса — мобильности и изоляции. Их дополнили «индексом чистого перемещения», который представлял собой разницу между индексами мобильности и изоляции.
Затем ученые разделили поисковые запросы на две категории, или «трека»: трек индекса мобильности, который классифицировал поиск, связанный с взаимодействием с другими людьми вне дома (например, «театры рядом со мной», «авиабилеты»), и трек индекса изоляции, куда входили запросы, связанные с домашними делами («доставка еды», «йога дома»).
Далее исследователи проверили рост заболеваемости Covid-19 через 10-14 дней — ожидаемая разница между заражением и первыми симптомами, — изучив данные государственных и местных органов здравоохранения. Они обнаружили, что индекс чистого перемещения коррелировал с новыми случаями заражения за исследуемый период. Кроме того, резкие падения индекса мобильности сопровождались таким же резким снижением данных о росте заболеваемости. Подробности опубликованы в журнале Social Network Analysis and Mining.
«Наша цель состояла в том, чтобы уловить социальную динамику пандемии, используя альтернативные источники данных, которые являются новыми для эпидемиологии инфекционных заболеваний, — объяснил Энесс Бари, автор исследования. — Когда кто-то ищет время закрытия местного бара или местный тренажерный зал, то дает некоторое представление о будущих рисках».
«Наши исследования показывают, что эти методы можно использовать в борьбе с пандемией, заранее определяя, где могут произойти вспышки», — добавила Меган Коффи, соавтор работы.
В будущем команда планирует создать базу данных, содержащую информацию об изменении поведения человека. Ее разработают на основе альтернативных данных в течение жизненного цикла пандемии. Это должно позволить машинному обучению предсказывать поведение в будущих эпидемиях.
Ученых беспокоит, что такие методы прогнозирования вспышек могут нарушить конфиденциальность пользователей. Однако они подчеркивают, что инструмент использует большие объемы поисковых запросов и опирается на анонимизированные данные. Это должно решить проблему защиты личной информации.
