Monitoring event data extracted from online news for outbreak detection
Notice bibliographique
Résumé
Abstract Introduction Digital disease surveillance (DDS) detects public health events from internet-based data e.g., online news. Event features depicting epidemiological and social characteristics of health events can be extracted from news using the natural language process techniques. However, few studies have leveraged the event features to support anomaly detection in DDS. We aimed to understand the distribution of the event features and explore anomaly detection using the frequency of these features. Methods We collected event data from COVID-19-related news collected from October 1 to December 31, 2021, sourced from BioCaster, an infectious-disease-focused DDS system. The predefined event features in BioCaster include disease, pathogen, location and 14 binary features, such as if an event was caused by an unclassified virus. We described the distribution of the features and detected changes in the frequency of event features using a Bayesian online change point detection. We compared the change points with the number of new cases and of genomic samples collected. Results We included 170,168 news articles reporting COVID-19 in 155 countries. The event feature indicating that an event was caused by an unclassified virus was identified as positive among 3831 (2.25%) news and 12.91% of news had positive value for the feature indicating cases who had travelled across international borders. The change points detected from these two features were temporally correlated to the emergence of the Omicron variant in corresponding countries, which was more significant in countries with at least 300 news articles. Conversely, event features irrelevant to this case study, e.g., if the cases were military workers, were identified as negative in all news and no change points were detected. Conclusions Our study highlights the potential of monitoring the frequency of event features extracted from online news for anomaly detection in DDS, which relies on sufficient news coverage. Key messages • Monitoring the event features extracted from online news provide is useful approach for automatic anomaly detection in digital disease surveillance. • Increasing media coverage is fundamental for improving the early detection in a digital disease surveillance system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».