结合搜索、社交媒体与传统数据源以改进流感监测
应用统计
2016-02-17 v1
摘要
我们提出了一种基于机器学习的方法，通过利用来自多个数据源的数据，提供美国流感活动的实时（“临近预报”）和预测估计，这些数据源包括：Google 搜索、Twitter 微博客、近乎实时的医院就诊记录以及来自参与式监测系统的数据。我们的主要贡献在于利用机器学习集成方法，将独立使用每个数据源生成的多个流感样疾病（ILI）活动估计合并为单一的 ILI 预测。我们的方法利用了每个数据源中的信息，并在 CDC 的 ILI 报告发布前最多四周内产生准确的每周 ILI 预测。我们在 2013-2014 年（回顾性）和 2014-2015 年（实时）流感季节的四个每周时间跨度内评估了集成方法的预测能力。我们的集成方法展示了几个优势：（1）我们集成方法的预测优于独立使用每个数据源的任何预测；（2）我们的方法能够比 GFT 的实时估计提前一周产生预测，且具有相当的准确性；（3）我们的两周和三周预测估计与使用自回归模型的实时预测具有相当的准确性。此外，我们的结果表明，将包括社交媒体和众包数据在内的不同数据流纳入流感预测中，可以在所有时间跨度内获得可观的洞察。
引用
@article{arxiv.1508.06941,
title = {Combining Search, Social Media, and Traditional Data Sources to Improve Influenza Surveillance},
author = {Mauricio Santillana and Andre T. Nguyen and Mark Dredze and Michael J. Paul and John S. Brownstein},
journal= {arXiv preprint arXiv:1508.06941},
year = {2016}
}