PocketCare：基于邻近与症状的局部观测利用手机追踪流感
社会与信息网络
2019-05-08 v1 机器学习
摘要
移动手机提供了一个强大的感知平台，研究人员可采用它来理解人与人之间的邻近交互，以及疾病、行为和观点通过这些交互的扩散。然而，从一个小规模志愿人群的观察出发，追踪整个社区的基于邻近的交互，并进而建模疾病与行为的社会扩散，仍然是一项挑战。在本文中，我们提出一种新方法，试图利用个体彼此交互的模型以及社会交互如何作为一系列邻近交互发生的模型，将这些稀疏观测连接起来。我们应用我们的方法，通过动员该人群中的 300 名志愿者通过蓝牙扫描监测附近手机并每日报告自身及周围的流感症状，来追踪一个 3000 人大学校园的空间邻近网络中流感的传播。我们的目标是基于一个人的日常作息与志愿者的作息相交的频率，预测其感染流感的可能性。因此，我们使用志愿者的日常作息来构建志愿者以及非志愿者的模型。我们的结果表明，根据信息量的不同，我们可以提前两周预测流感感染，平均精度从 0.24 到 0.35。这一精度是随机猜测模型的六到九倍。在人群层面，我们可以在两周窗口内以 0.95 的 r 平方值预测感染人群（随机猜测模型获得 0.2 的 r 平方值）。这些结果指向一种创新方法，用于追踪与有症状者交互过的个体，使我们能够警告那些处于感染危险中的人，并告知卫生研究人员接触传播疾病的进展。
引用
@article{arxiv.1905.02607,
title = {PocketCare: Tracking the Flu with Mobile Phones using Partial Observations of Proximity and Symptoms},
author = {Wen Dong and Tong Guan and Bruno Lepri and Chunming Qiao},
journal= {arXiv preprint arXiv:1905.02607},
year = {2019}
}