Previsão de surtos de doenças usando mídias sociais

As taxas de vacinação estão a diminuir em muitas comunidades devido à desinformação generalizada e doenças anteriormente eliminadas ou controladas, como o sarampo, estão a surgir nos Estados Unidos e no Canadá.

Pesquisadores da Universidade de Waterloo desenvolveram uma nova abordagem que poderia ajudar as autoridades de saúde pública a prever onde os surtos podem ocorrer. Ao analisar publicações nas redes sociais, o método identifica sinais precoces de aumento do cepticismo em relação às vacinas – um sinal de alerta que pode surgir antes de qualquer doença começar a espalhar-se.

O estudo, “Previsão de riscos de surto de doenças infecciosas a partir de sentimentos sobre vacinas nas mídias sociais: uma abordagem de sistemas dinâmicos baseados em dados”, aparece em Biociências Matemáticas e Engenharia.

“Na natureza, temos sistemas contagiosos como as doenças”, disse o Dr. Chris Bauch, professor de Matemática Aplicada em Waterloo.

“Decidimos olhar para a dinâmica social como um sistema ecológico e estudamos como a desinformação pode se espalhar de forma contagiosa de usuário para usuário através de uma rede de mídia social”.

A equipe treinou um modelo de aprendizado de máquina no conceito matemático de ponto de inflexão – o momento em que um sistema muda repentinamente para um novo estado.

“Não importa se você está olhando para o corpo de uma pessoa tendo um ataque epiléptico, ou para um sistema ecológico como um lago sendo invadido por algas, ou para a perda de imunidade coletiva dentro de uma população”, disse Bauch. “Matematicamente, existe um mecanismo subjacente comum.”

Para testar o seu modelo, os investigadores analisaram dezenas de milhares de publicações públicas no X (antigo Twitter) da Califórnia, pouco antes de um grande surto de sarampo em 2014. Os métodos tradicionais – como a simples contagem de tweets cépticos – forneceram muito pouco aviso antes do surto.

“Os métodos habituais de prever um surto através de uma análise estatística de tweets céticos não fornecem muito tempo antes de um surto”, disse Bauch. “Ao usar a teoria matemática dos pontos de inflexão, conseguimos obter um prazo de entrega muito maior e detectar padrões nos dados com muito mais eficiência.”

Eles verificaram a precisão do método do “ponto de inflexão” comparando os padrões de postagem na Califórnia com aqueles em áreas comparáveis ​​na mesma época, onde não ocorreram surtos.

Esta pesquisa reflete o compromisso de Waterloo em fortalecer a tomada de decisões baseada em evidências e a confiança pública na ciência – um objetivo central da rede Societal Futures da Universidade e da sua nova iniciativa TRuST, que reúne filósofos, cientistas da computação, comunicadores e especialistas em ética para compreender por que a confiança na ciência vacila e como reconstruí-la.

Embora inicialmente testado no X, o modelo pode ser facilmente adaptado para TikTok ou Instagram; no entanto, seriam necessários mais recursos computacionais para analisar imagens e vídeos em comparação com o formato predominantemente baseado em texto do X.

“Em última análise, gostaríamos de transformar isto numa ferramenta para as autoridades de saúde pública monitorizarem quais as populações que correm maior risco de um ponto de inflexão”, disse Bauch.

“A matemática aplicada pode ser uma poderosa ferramenta quantitativa que auxilia na previsão, monitoramento e abordagem de ameaças à saúde pública.”