[论文解读] Early Outbreak Detection for Proactive Crisis Management Using Twitter Data: COVID-19 a Case Study in the US

Erfaneh Gharavi, Neda Nazemi+1 more|arXiv (Cornell University)|May 1, 2020

Misinformation and Its Impacts被引用 15

一句话总结

本研究提出了一种基于Twitter的早期疫情预警系统，用于在美国新冠疫情爆发期间实施主动危机管理，通过分析带有地理位置信息的与症状相关的推文（如咳嗽、发烧）来识别公众报告症状与官方病例报告之间的时间滞后。研究发现存在5至19天的稳定滞后，证明社交媒体在公共卫生响应中具有作为早期预警系统的潜力。

ABSTRACT

During a disease outbreak, timely non-medical interventions are critical in preventing the disease from growing into an epidemic and ultimately a pandemic. However, taking quick measures requires the capability to detect the early warning signs of the outbreak. This work collects Twitter posts surrounding the 2020 COVID-19 pandemic expressing the most common symptoms of COVID-19 including cough and fever, geolocated to the United States. Through examining the variation in Twitter activities at the state level, we observed a temporal lag between the rises in the number of symptom reporting tweets and officially reported positive cases which varies between 5 to 19 days.

研究动机与目标

• 调查社交媒体数据是否能在官方病例报告之前提供疾病暴发的早期预警信号。
• 识别美国各州层面与症状相关的Twitter活动与确诊COVID-19病例之间的时间滞后。
• 评估使用带有地理位置信息的Twitter数据在新兴流行病期间实现主动公共卫生危机管理的可行性。
• 评估非医疗类实时数据源（如社交媒体）在改善早期疫情暴发检测系统方面的潜力。

提出的方法

• 收集2020年初美国境内包含与常见COVID-19症状（如咳嗽、发烧）相关关键词的带有地理位置信息的Twitter推文。
• 按美国各州和时间聚合与症状相关的推文数量，为每个州创建时间序列数据。
• 将与症状相关的推文趋势与同一州的官方确诊病例数据进行对比。
• 通过交叉相关性分析计算与症状相关推文量峰值和官方病例报告峰值之间的时间滞后。
• 应用时间序列分析，识别社交媒体活动与官方病例报告之间领先-滞后关系的一致性模式。
• 使用州级地理定位数据，确保在检测区域疫情信号时的空间准确性与相关性。

实验结果

研究问题

• RQ1 与症状相关的Twitter活动是否可作为美国各州COVID-19病例上升的早期指标？
• RQ2 与症状相关推文的峰值与随后官方报告病例增加之间的时间滞后平均为多少天？
• RQ3 在疫情初期，这种领先时间在不同美国州之间是否具有一致性？
• RQ4 社交媒体数据在多大程度上可改善公共卫生危机的早期预警系统？
• RQ5 带有地理位置信息的Twitter数据在官方报告前检测局部疫情信号方面是否可靠？

主要发现

• 在美国各州范围内，与症状相关的Twitter活动峰值与官方病例报告峰值之间观察到5至19天的稳定时间滞后。
• 滞后时间因州而异，表明公众意识与医疗系统报告之间存在区域差异。
• 与症状相关的推文数量与官方病例趋势高度相关，表明其可作为可靠的早期信号。
• 研究证实，公众在社交媒体上表达症状的行为可先于官方病例数据，支持其在早期预警系统中的应用。
• 该方法展示了利用公开可用的社交媒体数据实现可扩展、实时疫情检测的潜力。
• 结果表明，将社交媒体数据整合到公共卫生监测系统中，可显著提升响应的及时性。