• فبراير 24, 2021
• أخبار

كيف يمكن لبيانات بحث جوجل توقع انتشار مرض كوفيد-19

• توصل بحث جديد إلى أن عمليات البحث عبر الإنترنت يمكن أن تتنبأ بدقة بالزيادات والانخفاضات الإقليمية في حالات مرض كورونا.

• تكشف أنواع معينة من عمليات البحث عن الأنشطة التي يخطط الأشخاص للمشاركة فيها.

• يتنبأ حجم البحث عن الأنشطة خارج المنزل مقابل تلك داخل المنزل بعدد تشخيصات حالات كورونا بعد 10 إلى 14 يومًا.

في حين أن بعض السلوكيات التي تؤدي إلى الإصابة بعدوى كورونا واضحة، فإن الموجات الجديدة من حالات كورونا لا تتبع دائمًا الأنماط المتوقعة.

ومع ذلك تصف دراسة أجراها باحثون في معهد كورانت لعلوم الرياضيات بجامعة نيويورك في الوقت الراهن وسائل محتملة لاكتشاف الموجة الجديدة للعدوى قبل حدوثها من خلال تحليل عمليات البحث التي تُجرى عبر الإنترنت.

اكتشف الباحثون وجود علاقة مترابطة بين زيادة عمليات البحث المتعلقة بالأنشطة خارج المنزل (التي تضع الناس في خطر العدوى بكوفيد-19)، وبين زيادة أعداد الإصابات بعد مرور 10 ل 14 أيام. بينما تراجعت أعداد الإصابات في الوقت الذي كان فيه زيادة في عمليات البحث المتعلقة بالأنشطة داخل المنزل.

يشير أنس باري، مؤلف الدراسة، وهو أستاذ مساعد إكلينيكي في معهد كورانت، إلى أن الخبراء قد استخدموا بالفعل التنقيب عن البيانات “في التمويل لتوليد استثمارات تعتمد على البيانات، مثل دراسة صور الأقمار الصناعية للسيارات في ساحات الانتظار للتنبؤ بأرباح الشركات”.

يقول كبير الباحثين ميغان كوفي من قسم الأمراض المعدية وعلم المناعة في جامعة نيويورك (NYU): “يُظهر بحثنا أنه يمكن تطبيق نفس الأساليب في مكافحة الوباء عن طريق اكتشاف الأماكن التي يحتمل تفشيها مسبقًا”.

يمكن أن يساعد التحديد الدقيق لتلك السلوكيات التي تؤدي إلى ارتفاع معدلات العدوى علماء الأوبئة وصانعي السياسات في تشكيل السياسات العامة بشكل أكثر فاعلية فيما يتعلق بعمليات الإغلاق والإغلاق وما إلى ذلك.

يتجنب النظام الذي تصفه ورقة الدراسة مشكلات الخصوصية من خلال تضمين مجموعات كبيرة فقط من البيانات المجهولة الهوية.

تظهر الدراسة في تحليل الشبكة الاجتماعية.

التنقل مقابل العزلة

كانت الخطوة الأولى للباحثين هي تطوير الفئات بناءً على عبارات البحث أو الكلمات الرئيسية التي يمكن تتبعها بعد ذلك.

كانت الفئتان الرئيسيتان اللتان تم تتبعهما يطلق عليهما مؤشر التنقل ومؤشر العزل.

قام الفريق بتعيين عمليات بحث معينة لمسار مؤشر التنقل، بما في ذلك “المسارح القريبة مني” و”تذاكر الطيران” وغيرها من الاستفسارات حول الأنشطة التي تتضمن مغادرة المنزل والتواجد على مقربة من الآخرين.

كما قال باري: “عندما يبحث شخص ما عن وقت إغلاق حانة محلية أو يبحث عن الاتجاهات إلى صالة ألعاب رياضية محلية، فإنه يقدم بعض الأفكار حول المخاطر المستقبلية التي قد يتعرضون لها.”

بالنسبة لمسار مؤشر العزلة، جمع الباحثون استفسارات بحث – مثل “اليوجا في المنزل” أو “توصيل الطعام” – التي أشارت إلى نية البقاء في المنزل والعزلة.

استند الباحثون في تصنيفهم للكلمات الرئيسية إلى استبيان صندوق الديمقراطية واستبيان UCLA Nationscape – وهي دراسة أدرج فيها المستجيبون الأشياء التي سيفعلونها إذا “تم رفع القيود بناءً على نصيحة مسؤولي الصحة العامة فيما يتعلق بالأنشطة”.

وجد الاستطلاع أن أهم ثلاثة أنشطة غاب عنها الناس هي “الذهاب إلى ملعب / حفلة موسيقية” و “الذهاب إلى السينما” و “حضور حدث رياضي”.

وفقًا لباري: “هذه هي الخطوة الأولى نحو بناء أداة يمكن أن تساعد في توقع زيادة حالات كوفيد-19 من خلال معرفة أنشطة عالية الخطورة والتنقل المقصود ، والتي يمكن أن تضيء عمليات البحث عن صالات رياضية وتناول الطعام بشكل شخصي.”

مؤشر حركة الشبكة

جمع الباحثون بيانات البحث من مارس إلى يونيو في 2020 من جميع الولايات الخمسين في الولايات المتحدة. استخدموا Google Trends لتتبع الاتجاهات في البيانات، مما يسمح لهم بتطوير فهارس التنقل والعزل

يكتب المؤلفون: “نتوقع نظريًا أن الانخفاض المفاجئ في حركة الشبكة (أي زيادة عدد الأشخاص الذين يبقون في المنزل) سيتوافق مع انخفاض انتشار كوفيد-19 ، مع تأخر يعادل فترة حضانة كوفيد-19.”

مساعدة صانعي السياسات

اكتشف مؤلفو الدراسة العلاقة بين مؤشر التنقل ومعدلات الإصابة بعد إزالة أوامر البقاء في المنزل في خمس ولايات: أريزونا وكاليفورنيا وفلوريدا و  نيويورك وتكساس.

بعد تطبيق قرار الإغلاق، انخفض مؤشر التنقل بشكل كبير، وانعكس ذلك على انخفاض الإصابات. ومع ذلك، فإن تخفيف طلبات البقاء في المنزل في أريزونا وكاليفورنيا وفلوريدا وتكساس سبقت زيادة حادة في عمليات البحث من نوع التنقل، تلاها ارتفاع سريع في عدد الإصابات المبلغ عنها في يونيو 2020.

استنتج آشيش خوبشانداني، مؤلف آخر للدراسة، وهو طالب جامعي في جامعة نيويورك:

“من هذا العمل، نأمل بناء قاعدة معرفية حول تغيير السلوك البشري من البيانات المتاحة خلال دورة حياة الوباء حتى يتسنى لنا التنبؤ بالسلوك في الأوبئة المستقبلية.”

لمرضى الكورونا

المصادر:

https://www.medicalnewstoday.com/articles/how-google-search-data-can-predict-covid-19-outbreaks