2015 में, डिज्नीलैंड में खसरे के एक उच्च-प्रकोप ने टीकाकरण के परिप्रेक्ष्य में एक मौलिक परिवर्तन में माता-पिता को झटका दिया। पहले के वर्षों में, MMR वैक्सीन की कथित जरूरत कम हो गई थी, और इसके साथ, उन बच्चों का प्रतिशत जो खसरे से सुरक्षित थे। सैकड़ों लोग बीमार होने के बाद, माता-पिता को टीका लगाने के लिए प्रेरित करते हुए, फिर से दरों पर चढ़ गए।
शायद यह स्पष्ट होना चाहिए कि टीकाकरण को रोकने के कारण अधिक बीमार बच्चे हो सकते हैं, लेकिन इन दिनों ज्यादातर अमेरिकी माता-पिता को खसरे के बारे में कभी चिंता नहीं करनी चाहिए। क्रिस Bauch बताते हैं कि बीमारी के कथित जोखिम और टीके के कथित जोखिम के बीच एक गतिशील बातचीत है। वाटरलू विश्वविद्यालय में लागू गणित के एक प्रोफेसर, बाउच ने डिज्नीलैंड के प्रकोप से पहले और बाद में सोशल मीडिया के रुझानों को देखा, और देखा कि, सांख्यिकीय रूप से, वह सार्वजनिक भावनाओं को टीकों की ओर ट्रैक कर सकता है और इससे होने वाली बीमारी के जोखिम को देख सकता है। उन्होंने और उनके सहयोगियों ने नवंबर में नेशनल एकेडमी ऑफ साइंसेज की कार्यवाही में काम प्रकाशित किया।
“हर किसी को आरा-आरी से अंक काटने के लिए कुछ अंतर्ज्ञान है। यदि आपका वजन एक तरफ से ज्यादा है, तो यह नीचे की तरफ भारी है। लेकिन जब आप विरोधी पक्ष के लिए अधिक से अधिक वजन जोड़ते हैं, तो अंतत: वह टिप देगा। "ये टिपिंग पॉइंट्स होने से पहले विशेषता संकेतों को प्रदर्शित करते हैं ... सवाल यह है कि क्या हम एक टीपिंग पॉइंट की उपस्थिति की तलाश कर सकते हैं, जो वैक्सीन के अपक्षय में एक बड़े गिरावट की ओर ले जाए, जैसे एक वैक्सीन डराता है?"
टीके के निशान सिर्फ एक उदाहरण हैं। एपिडेमियोलॉजिस्ट, कंप्यूटर वैज्ञानिक और स्वास्थ्य पेशेवर अब सीडीसी के समान भविष्य कहनेवाला मॉडल बनाने के लिए नए स्रोतों - विशेष रूप से सोशल मीडिया से डेटा के लिए कंप्यूटर सीखने को लागू कर रहे हैं। गले में खराश या डॉक्टर के दौरे के बारे में ट्वीट्स, Google ठंड के उपचार के लिए खोज करता है, और यहां तक कि आपकी फिटबिट या ऐप्पल वॉच सभी को एक क्षेत्र में स्वास्थ्य रुझानों के संकेत दे सकती है, यदि स्थान डेटा से मेल खाती है। और लोग इसे ट्रैक कर रहे हैं और इसे अपलोड कर रहे हैं।
स्विट्जरलैंड के ईपीएफएल संस्थान में डिजिटल महामारी विज्ञान प्रयोगशाला के प्रमुख मार्सेल सलाथे कहते हैं, "अचानक हमारे पास कुछ डेटा तक पहुंच है।" "मेरे लिए यह वास्तव में यहाँ क्या हो रहा है की बड़ी तस्वीर है, क्योंकि कुछ हद तक यह पारंपरिक महामारी विज्ञान के डेटा प्रवाह का गहरा बदलाव है।"
बाउच और सलाथे के लिए, जिन्होंने अध्ययन पर सहयोग किया, ट्विटर डेटा का प्राथमिक स्रोत था। उन्होंने टीकों का उल्लेख करने वाले टीकों की खोज करने और उन ट्वीट्स की भावना का आकलन करने के लिए एक बॉट बनाया - चाहे वे टीकों की स्वीकृति या संदेह का संकेत देते हों। फिर, उन्होंने फीडबैक लूप के साथ एक जटिल प्रणाली के रूप में परिणामों को देखा, यह देखने के लिए कि क्या यह डिज्नीलैंड के प्रकोप के कारण टीकाकरण की धीमी गति का अनुमान लगाएगा गणितीय मॉडल को लागू करता है। यह किया।
इस तरह की प्रणालियों में, कुछ मापने योग्य संकेत होते हैं क्योंकि सिस्टम एक टिपिंग बिंदु के पास पहुंचता है। इस मामले में, शोधकर्ताओं ने एक "महत्वपूर्ण धीमा" देखा, जहां एक समाचार लेख या एक सेलिब्रिटी के एक ट्वीट ने प्रभावित होने के बाद टीकों के बारे में भावना को सामान्य करने के लिए धीमी थी। इस लीड-अप को टिपिंग पॉइंट तक देखने में सक्षम होने का मतलब है कि, स्थान डेटा को देखते हुए, सार्वजनिक स्वास्थ्य अधिकारी ऐसे अभियानों को लक्षित करने वाले क्षेत्रों का निर्माण कर सकते हैं जो एक वैक्सीन डराए जाने के जोखिम में हैं, और इस तरह इसका प्रकोप है।
गोपनीयता सहित, बेशक सोशल मीडिया स्रोतों से उपलब्ध डेटा का उपयोग करने में बाधाएं हैं, हालांकि ट्विटर डेटा का उपयोग करने वाले शोधकर्ता बताते हैं कि यह माना जाता है कि यदि आप अपने स्वास्थ्य के बारे में ट्वीट करते हैं, तो कोई इसे पढ़ सकता है। इसमें निहित जानकारी को पार्स करने के लिए कंप्यूटर प्रोग्राम का निर्माण करना भी चुनौतीपूर्ण हो सकता है, ग्राहम डॉज, सह-संस्थापक और सिकवेदर के सीईओ, एक ऐप-आधारित सेवा, जो स्वास्थ्य पूर्वानुमान और बीमारी की रिपोर्ट के लाइव मैप्स उत्पन्न करता है।
डॉज और उनके कॉफाउंडर्स ने जॉन्स हॉपकिंस के शोधकर्ताओं के साथ मिलकर अरबों ट्वीट का विश्लेषण किया जिसमें बीमारियों का जिक्र था। अधिक अस्पष्ट टिप्पणियों ("मुझे बीमार महसूस हो रहा है") और यहां तक कि भ्रामक चेतावनिंग ("मुझे बीबर्ड बुखार मिला है") से जानबूझकर, योग्य रिपोर्ट ("मुझे फ्लू") को अलग करने की प्रक्रिया शामिल है। उन्हें अनुपस्थित या गलत स्थान डेटा के लिए भी क्षतिपूर्ति करनी पड़ती है - सभी ट्विटर उपयोगकर्ता जो केवल "सिएटल" को अपने स्थान के रूप में चिह्नित करते हैं, उदाहरण के लिए, पूरे शहर में फैलने के बजाय एक छोटे शहर सिएटल ज़िप कोड में छोड़ दिया जाता है।
Sickweather को 2013 में एक मोबाइल ऐप के साथ लॉन्च किया गया था जो उपयोगकर्ताओं को सीधे Sickweather को बीमारियों की रिपोर्ट करने की अनुमति देता है, साथ ही साथ उनके स्थान की स्थिति भी देखता है। नैदानिक शोधकर्ता और दवा कंपनियां सीडीसी से कई सप्ताह पहले रोग के पूर्वानुमान के लिए ऐप के पूर्वानुमान मॉडल का उपयोग करती हैं, लेकिन तुलनात्मक सटीकता के साथ।
"एक बार जब यह 270, 000 के बजाय लाखों लोगों के हाथों में होता है, तो यह कैसे बड़े पैमाने पर खेलता है वास्तव में कई स्थानों पर बीमारी के प्रसार को रोक सकता है, " डॉज कहते हैं।
अन्य परियोजनाओं ने विभिन्न तरीकों की कोशिश की है। फ़्लू नियर आप एक स्व-रिपोर्ट किए गए सर्वेक्षण द्वारा लक्षणों को पकड़ते हैं, GoViral बलगम और लार के आत्म-विश्लेषण के लिए एक किट भेज रहा है, और Google फ़्लू रुझान ने कहा कि फ़्लू को ट्रैक करने के लिए कंपनी के डेटा, और प्रोजेक्ट में इसके परिणामों को प्रकाशित किया, हालांकि 2013 में एक मिसफायर के बाद बंद हो गया। प्रयोग, जिसमें Google ने फ्लू से संबंधित खोजों का उपयोग यह अनुमान लगाने के लिए किया कि कितने लोग बीमार थे, रोग की व्यापकता को कम कर दिया, संभवतः इसलिए क्योंकि खराब फ्लू के मौसम के मीडिया कवरेज ने लोगों को फ्लू से संबंधित शब्दों की खोज करने के लिए प्रेरित किया था। अक्सर।
जबकि ट्विटर का इस्तेमाल खुद बीमारियों को ट्रैक करने के लिए किया जा सकता है, सलाथे कहते हैं कि डॉज द्वारा बताई गई कुछ चुनौतियां बताती हैं कि क्यों टीके की स्वीकृति का मेटा-विश्लेषण स्वयं-रिपोर्ट की गई बीमारियों की तुलना में अधिक समझ में आता है।
सलाथे कहते हैं, "मुझे यकीन नहीं है कि ट्विटर इसके लिए सबसे अच्छा डेटा स्रोत है, क्योंकि लोग खुद के बारे में ऐसे अजीब बयान देते हैं जब उन्हें खुद का निदान करना पड़ता है।" "यह वास्तव में बीमारी पर नज़र रखने के बारे में इतना ही नहीं है, बल्कि इसके प्रति मानवीय प्रतिक्रिया को ट्रैक कर रहा है।"
GoViral का एक और फायदा है, NYU कंप्यूटर साइंस और इंजीनियरिंग प्रोफेसर रूमी चुनारा बताते हैं, जो उस प्रोजेक्ट को चलाते हैं। यह आत्म-रिपोर्टिंग पर निर्भर नहीं करता है, लेकिन लैब परीक्षणों पर जो वायरस के प्रसार का निश्चित रूप से आकलन करते हैं और उनकी तुलना लक्षण रिपोर्ट से करते हैं।
चुनारा कहती हैं, '' बहुत अवसर हैं, लेकिन साथ ही चुनौतियां भी हैं, और मुझे लगता है कि जहां विज्ञान का बहुत ध्यान केंद्रित किया जा सकता है। यह नैदानिक डेटा को कैसे पूरक करता है? हम शोर को कैसे कम करते हैं और जानकारी को कैसे लागू करते हैं? हम किस विशिष्ट क्षेत्र या मानवीय व्यवहार को देख सकते हैं?
वह कहती हैं कि नई प्रौद्योगिकियां - विशेष रूप से फिटनेस ट्रैकर्स और स्वास्थ्य के अन्य प्रत्यक्ष उपाय - अधिक, बेहतर डेटा देंगे जो कम व्यक्तिपरक हैं।
"बहुत बार, हम इस चर्चा को प्राप्त करते हैं, यह कुछ भयानक, सामाजिक मीडिया स्वास्थ्य है, " वह कहती हैं। "इसका उपयोग करने का प्रश्न कुछ ऐसा है जो मुझे लगता है कि पूरे समुदाय की ओर देखना चाहिए।"
