在线疾病爆发新闻中的异常现象是什么？
计算与语言
2011-10-17 v1 信息检索
社会与信息网络
摘要
背景：准确及时地检测国际关注的公共卫生事件对于支持风险评估与响应、挽救生命至关重要。利用万维网作为信号源的新型基于事件的方法，有望将健康监测扩展到传统指标网络缺失的领域。本文旨在解决系统评估在线健康新闻以支持自动警报的问题，该方法使用 BioCaster 从现实世界数据中挖掘每日疾病 - 国家计数文本。对于 BioCaster 生成的 18 个数据集，我们比较了 5 种异常检测算法（EARS C2, C3, W2, F-statistic 和 EWMA）在针对专家审核的 ProMED-mail 帖子时的性能。结果：我们报告了在 95% 置信区间（CI）下的灵敏度、特异度、阳性预测值（PPV）、阴性预测值（NPV）、每 100 天平均警报数以及 F1 分数，数据涵盖 366 天内 14 个国家发生的 18 次爆发中的 287 篇 ProMED-mail 帖子。结果表明，W2 具有最佳的 F1 分数，且相比 C2 在星期几效应方面略有优势。在深入分析中，我们指出了国家级别建模粒度选择、因星期几效应导致的报告突然下降以及报告偏差等问题。自动警报功能已在 BioCaster 中实现，可从 http://born.nii.ac.jp 获取。结论：在线健康新闻警报有可能通过提高吞吐量、时效性和检测率来增强人工分析方法。系统评估健康新闻异常对于推进我们对新闻报道量与病例数之间复杂关系的理解，以及选择性能最佳的特征和算法至关重要。
引用
@article{arxiv.1110.3091,
title = {What's unusual in online disease outbreak news?},
author = {Nigel Collier},
journal= {arXiv preprint arXiv:1110.3091},
year = {2011}
}