دانشمندان آموخته‌اند که با استفاده از رسانه‌های اجتماعی، شیوع بیماری‌ها را پیش‌بینی کنند.

هیچ راهی برای پیش‌بینی شیوع سرخک با استفاده از رسانه‌های اجتماعی یافت نشد

به گزارش مجله خبری نگار،کاهش میزان واکسیناسیون و موجی از اطلاعات نادرست باعث می‌شود عفونت‌های فراموش‌شده - عمدتاً سرخک - دوباره شیوع پیدا کنند. محققان دانشگاه واترلو ابزاری را پیشنهاد کرده‌اند که می‌تواند اپیدمیولوژیست‌ها را حتی قبل از ظهور اولین موارد، از شیوع قریب‌الوقوع این بیماری مطلع کند. این الگوریتم، پست‌های رسانه‌های اجتماعی را تجزیه و تحلیل می‌کند و علائم اولیه افزایش تردید در مورد واکسن را شناسایی می‌کند. این مطالعه در مجله Mathematical Biosciences and Engineering (MBE) منتشر شده است.

کریس باوچ، استاد ریاضیات کاربردی، توضیح داد: «ما تصمیم گرفتیم به پویایی اجتماعی به عنوان یک سیستم اکولوژیکی نگاه کنیم، جایی که اطلاعات نادرست مانند یک عامل بیماری‌زا از کاربری به کاربر دیگر پخش می‌شود.»

به گفته او، این مدل بر اساس مفهوم «نقطه انشعاب» است - لحظه‌ای بحرانی که هر سیستمی به طور ناگهانی به حالت جدیدی منتقل می‌شود. همین مکانیسم ریاضی در تشنج‌های صرعی، فروپاشی اکوسیستم و از دست دادن ایمنی جمعی مشاهده می‌شود.

برای آزمایش این روش، دانشمندان ده‌ها هزار پست عمومی در شبکه اجتماعی X را که قبل از شیوع گسترده سرخک در سال ۲۰۱۴ در کالیفرنیا منتشر شده بود، تجزیه و تحلیل کردند. رویکرد کلاسیک - صرفاً شمارش تعداد توییت‌های شکاکانه - علائم هشدار دهنده کمی ارائه می‌داد. اما مدلی مبتنی بر نظریه "نقطه شکست" به آنها اجازه داد تا تغییرات مشخصه در رفتار کاربران را به طور قابل توجهی زودتر شناسایی کنند. نتایج با مقایسه پویایی پست‌های شکاکانه در کالیفرنیا با مناطقی که شیوع بیماری را تجربه نکرده بودند، تأیید شد.

محققان خاطرنشان کردند که این روش می‌تواند برای تیک‌تاک نیز تطبیق داده شود، اگرچه تجزیه و تحلیل ویدیو به قدرت محاسباتی قابل توجهی نیاز دارد. در آینده، این الگوریتم می‌تواند به ابزاری برای مقامات بهداشتی تبدیل شود که مناطق نزدیک به «نقطه بدون بازگشت» را از نظر گسترش احساسات ضد واکسیناسیون رصد می‌کنند.

باوچ تأکید کرد: «ریاضیات کاربردی می‌تواند ابزاری قدرتمند برای کمک به شناسایی، پیش‌بینی و پیشگیری از تهدیدات سلامت عمومی باشد.»

لینک کپی شد

اشتراک‌ گذاری