Természetesen a kereséseket nemcsak beteg emberek gépelik be, hanem olyanok is, akiknek a rokonai, szerettei influenzásak. A program óránként tölti le a nyilvánosan elérhető adatokat arról, hogy hányan léptek be a szóban forgó internetes oldalakra.
Amikor a kutatók összehasonlították az adataikat az amerikai Betegségellenőrző Centrumok információival, kiderült, hogy pontosan előre tudják jelezni, hogy két hét múlva hány megbetegedés lesz az országban, méghozzá mindössze 0,27 százalékos eltéréssel.
Az elmúlt években a tudósok és az egészségüggyel foglalkozó hivatalnokok egyaránt növekvő érdeklődéssel fordultak az internetes adatok felé. Ezek követése, a szociális média és a keresések figyelése értékes adatokhoz segítette hozzá őket. Minderről a című szaklapban írtak a kutatók.
A Wikipedia-adatok elemzése azért bizonyult különösen praktikusnak, mert ezt nem egyetlen intézmény ellenőrzi, a hozzáférés teljesen szabad, mindenki elérheti. Erről a tanulmány egyik társszerzője, John Brownstein, a Harvard Medical School munkatársa beszélt a New Scientist szerint.
5.-es biológiakvíz: hány veséje van egy embernek? – 10 kérdés az emberi testről
Most, hogy az influenza vonatkozásában az algoritmus hatékonynak bizonyult, a kutatók bonyolultabb ügyekben is szeretnék felhasználni. Így a kormányzati egészségügyi intézkedésekre adott reakciókat is szeretnék például feltérképezni. Regionális adatokat is beszereznének, de ezt a Wikipedia nem bocsátja a rendelkezésükre.
Ugyanakkor a Pennsylvaniai Állami Egyetem kutatócsoportja a személyesebb adatok elemzésekor inkább a Twittert vizsgálta. 104 egyetemista tweetjeit vizsgálták egy adott évben. A diákok közül néhányat influenzával diagnosztizáltak a megfigyelt esztendő során. A program kulcsszavakra keresett rá, és azt nézte, hogy az "influenza", a "láz", a "köhögés", az "orvosság" szavak hányszor fordulnak elő. Azt is nézték, hogy mennyire vesz részt olyan eseményeken a diák, ahol egészségesnek kell lennie. Így a bulizásra utaló kifejezéseket is figyelték, továbbá a Twitter-használat gyakoriságát is (általában). Így végül 99 százalékos pontossággal tudták megmondani, hogy valaki egy adott hónapban influenzás volt-e vagy sem.
Ez a módszer kisebb közösségek követésére alkalmas, így Todd Bodnar szerint, aki a Pennsylvaniai Állami Egyetem járványdinamikát kutató hallgatója, akkor hasznos, ha dönteni kell arról, hogy egy adott iskolát be kell-e zárni például influenza-járvány miatt.
Ugyanakkor vannak ellenpéldák is: az ismertebb internetes járványkövetési megoldások közül a "Google Flu Trendsről kiderült, hogy rendszeresen túlbecsülte az WebMD követése esetleg pontosabb előrejelzéseket szolgáltathat a jövőben.
Ez is érdekelhet
Legjobban: