Amerikaanse onderzoekers van New York University hebben een methode bedacht om mogelijke uitbraken van COVID-19 twee weken op voorhand te voorspellen. Door online zoekopdrachten te analyseren, zouden ze gebieden in kaart kunnen brengen waar de kans op besmetting groter is.
In afwachting van een volledig gevaccineerde bevolking, willen de wetenschappers van New York University’s Courant Institute of Mathematical Sciences hun steentje bijdragen in het voorkomen van grote infectiehaarden in Amerika. Daarvoor gingen ze de online zoekopdrachten van burgers uit de 50 Verenigde Staten analyseren tussen maart en juni 2020.
‘Vliegtickets’ vs. ‘online yogales’
De onderzoekers vonden een verband tussen een piek in het aantal zoekopdrachten naar activiteiten buitenshuis en het toegenomen aantal COVID-19 gevallen in die buurt, zo’n 10 à 14 dagen daarna. Denk bijvoorbeeld aan ‘hoe laat opent restaurant x’, ‘vliegtickets’ of ‘vertoningen bioscoop’. Omgekeerd vielen het aantal besmettingen terug in een specifieke regio wanneer het aantal zoekopdrachten naar binnenhuisactiviteiten toenam, genre ‘online yogales’ of ‘eten laten leveren’. De zoektermen van de Amerikanen werden om privacyredenen geanonimiseerd en ingedeeld één van de twee categorieën: ‘mobiliteit’ versus ‘isolatie’.
Barometer voor gedrag
‘Op basis van deze gegevens, zouden we de pandemie kunnen bestrijden door op voorhand in te schatten waar de kans op uitbraken het grootst is’, aldus senior onderzoeker Megan Coffee van New York University. Door met grote precisie gedrag in kaart te brengen dat lokaal voor infectiepieken zorgt, kunnen epidemiologen en politici zich op die gegevens baseren om regionaal maatregelen te formuleren, aldus de onderzoekers.
‘Op populatieniveau kunnen we die zoekgegevens gebruiken om een AI-tool voor data-analyse te creëren, die als een barometer van ons gedrag functioneert’, vult mede-onderzoeker Anasse Bari aan. Verdere verfijning van de tool is nog nodig om rekening te houden met verschillende soorten activiteiten, bijvoorbeeld per regio maar ook afhankelijk van de fase waarin de epidemie zich lokaal bevindt.
De studie verscheen in het blad Social Network Analysis and Mining.
Lees ook:
