通过 Instagram 用户时间线网络分析监测潜在药物相互作用与反应
社会与信息网络
2016-01-15 v2 计算机与社会
信息检索
定量方法
机器学习
摘要
近期大量研究旨在从生物医学科学文献中识别药物相互作用(DDI)和药物不良反应(ADR)的证据。除了这一“Bibliome”外，社交媒体世界提供了非常有前景的大规模数据源，能以迄今不可能的方式帮助识别 DDI 和 ADR。鉴于用户数量庞大，社交媒体数据分析可能有助于识别与 DDI 相关的未充分报告的群体水平病理学，从而进一步促进人群健康的改善。此外，利用这些数据使我们能够推断药物与天然产物——包括大麻——的相互作用，这构成了一系列迄今生物医学研究极少探索的 DDI。我们的目标是确定 Instagram 在 DDI、ADR 及广义行为病理学的公共卫生监测与监控方面的潜力。使用药物、症状和天然产物词典来识别各类 DDI 和 ADR 证据，我们收集了约 7000 条时间线。我们报告了 1) 一个监测工具的开发，用于轻松观察与关注药物和症状术语相关的用户级时间线，以及 2) 通过从用户时间线在三种不同时间尺度（月度、周度和日度出现）计算共现网络来分析群体水平行为。这些网络的分析进一步揭示了 3) 在用户时间线中得到更强支持的药物和症状直接与间接关联，以及 4) 由观测人群集体行为揭示的症状和药物簇。这表明 Instagram 包含大量用于 DDI 和 ADR 公共卫生监测的药物和病理学特定数据，且复杂网络分析提供了一个重要工具箱，可从大规模社交媒体数据中提取健康相关关联及其支持度。
引用
@article{arxiv.1510.01006,
title = {Monitoring Potential Drug Interactions and Reactions via Network Analysis of Instagram User Timelines},
author = {Rion Brattig Correia and Lang Li and Luis M. Rocha},
journal= {arXiv preprint arXiv:1510.01006},
year = {2016}
}
备注
Pacific Symposium on Biocomputing. 21:492-503