به گزارش ایسنا، نرخ واکسیناسیون در بسیاری از جوامع به دلیل انتشار اطلاعات نادرست رو به کاهش است و بیماری هایی مانند سرخک که قبلاً ریشه کن یا کنترل شده بودند در ایالات متحده و کانادا در حال افزایش است.
به گزارش میراژ نیوز، محققان دانشگاه واترلو (UWaterloo) در کانادا روش جدیدی را معرفی کرده اند که می تواند به مقامات بهداشت عمومی در پیش بینی محل شیوع بیماری کمک کند. با تجزیه و تحلیل پستها در رسانههای اجتماعی، این روش علائم اولیه افزایش شک و تردید در مورد واکسن را تشخیص میدهد. این یک سیگنال هشدار است که می تواند قبل از شیوع هر بیماری ظاهر شود.
دکتر کریس باخ، استاد دانشگاه واترلو می گوید: «در طبیعت، ما سیستم های عفونی مانند بیماری ها داریم. ما تصمیم گرفتیم به پویایی اجتماعی به عنوان یک سیستم زیست محیطی نگاه کنیم و بررسی کردیم که چگونه اطلاعات نادرست می تواند به طور مسری از کاربر به کاربر از طریق یک شبکه رسانه اجتماعی منتقل شود.
این گروه تحقیقاتی یک مدل یادگیری ماشینی را بر اساس مفهوم ریاضی نقطه عطف – لحظه ای که یک سیستم به طور ناگهانی به حالت جدید تغییر می کند – آموزش داد. باخ گفت: فرقی نمیکند که به بدن یک فرد مبتلا به صرع نگاه میکنید یا به یک سیستم اکولوژیکی مانند دریاچهای که با جلبکها پوشیده شده است یا از دست دادن ایمنی گله در یک جمعیت. از نظر ریاضی، یک مکانیسم اساسی مشترک وجود دارد.
محققان برای آزمایش مدل خود، دهها هزار پست عمومی منتشر شده در پلتفرم X از کالیفرنیا را درست قبل از شیوع سرخک در سال 2014 تجزیه و تحلیل کردند. روشهای سنتی، مانند شمارش ساده توییتهای شکآمیز قبل از شیوع، هشدار بسیار کمی میداد.
باخ گفت، روشهای مرسوم پیشبینی اپیدمیها با انجام تجزیه و تحلیل آماری توییتهای مشکوک، زمان زیادی را قبل از وقوع یک بیماری همهگیر فراهم نمیکنند. با استفاده از نظریه ریاضی نقاط اوج، ما توانستیم در زمان بسیار بیشتری صرفه جویی کنیم و الگوهای موجود در داده ها را بسیار کارآمدتر شناسایی کنیم.
محققان صحت روش نقطه اوج را با مقایسه الگوهای پستی در کالیفرنیا با مناطق دیگر در همان زمان که هیچ شیوعی وجود نداشت، تأیید کردند.
اگرچه این مدل در ابتدا روی X آزمایش شد، اما به راحتی می توان آن را با پلتفرم هایی مانند TikTok یا Instagram سازگار کرد. با این حال، در مقایسه با فرمت عمدتا متنی پلتفرم X، منابع محاسباتی بیشتری برای تجزیه و تحلیل تصاویر و ویدئوها در این دو پلتفرم مورد نیاز است.
باخ گفت: «در نهایت، ما میخواهیم این مدل را به راهی برای مقامات بهداشت عمومی برای نظارت بر جمعیتهایی تبدیل کنیم که بیشترین خطر را برای رسیدن به نقطه اوج دارند.» ریاضیات کاربردی می تواند روشی قدرتمند برای پیش بینی، پایش و رسیدگی به تهدیدات سلامت عمومی باشد.
انتهای پیام