下一代高分辨率病媒传播疾病风险评估
社会与信息网络
2019-08-08 v1
摘要
病媒传播疾病每年导致超过100万人死亡。高空间分辨率下的流行风险估计能够实现有效的公共卫生干预。我们的目标是在邻里粒度上识别此类疾病传入脆弱城市的风险。传统模型无法达到这种空间分辨率，尤其是在实时情况下。此外，它们缺乏人口异质性的实时数据，而这对准确的风险估计至关重要。Twitter等社交媒体有望提供可实时推断人口与空间信息的数据。另一方面，此类数据可能含有噪声且不精确。我们的新方法利用Twitter数据，在多空间尺度上采用机器学习技术以克服其局限性，从而在所需分辨率下给出结果。我们针对2016年佛罗里达州寨卡(Zika)疫情验证了该方法。我们的主要贡献在于提出了一种新方法，利用社交媒体数据的机器学习来识别病媒传播疾病传入风险，其空间分辨率足够精细以允许有效干预。这将催生新一代流行风险估计模型，有望通过识别针对性干预的具体位置来改变公共卫生面貌。
引用
@article{arxiv.1908.02558,
title = {Next-Generation High-Resolution Vector-Borne Disease Risk Assessment},
author = {Meysam Ghaffari and Ashok Srinivasan and Anuj Mubayi and Xiuwen Liu and Krishnan Viswanathan},
journal= {arXiv preprint arXiv:1908.02558},
year = {2019}
}