利用社交媒体识别可预防慢性病风险个体

我们描述了一种获取训练数据的策略，该策略用于构建社交媒体驱动的早期检测系统，以识别有患（可预防）2型糖尿病（T2DM）风险的个体。该策略使用一种类似游戏的测验，其数据和问题从Twitter半自动获取。这些问题旨在激发参与者参与度，并收集相关数据以训练应用于个体的公共卫生模型。先前设计的利用Twitter等社交媒体预测肥胖（T2DM的风险因素）的系统，基于政府机构收集的统计数据，在州、县或城市等整个社区上运行。由于这些群体内部个体之间存在显著差异，个体层面的训练数据将更为有效，但此类数据难以获取。本文提出的方法旨在解决这一问题。我们的策略分为两步。首先，我们在（公开）Twitter状态和国家级统计数据上训练了一个随机森林分类器，达到了最先进的（state-of-the-art）准确率。然后，我们将该分类器转换为20个问题风格的测验并发布到线上。在此过程中，我们实现了参与测验个体的高度参与，同时也构建了一个由自愿提供的个体层面数据组成的训练集，用于未来的分类。