Hvordan Twitter kan hjælpe dig med at undgå madforgiftning

hvordan twitter kan hjælpe dig med at undgå at få madforgiftning nemesis
nEmesis vil finde ud af, om din yndlingsrestaurant får dig til at brække dig

Der er ikke noget værre end det øjeblik, hvor kvalmen sætter ind, når du indser, at bøffel-kyllinge-wrap, du var begejstret for over frokosten, har vendt sig voldsomt imod dig.

Madforgiftning er en fællesbetegnelse for fødevarebårne sygdomme, og de kan variere fra korte, milde tilfælde til dødelige episoder – og forskere fra University of Rochester mener, at hvert tilfælde kan forebygges, og at Twitter kan hjælpe med at forebygge indsats.

Anbefalede videoer

Forskerne kom med et system kaldet nEmesis, som de beskrive som "et ende-til-ende-system, der 'lytter' efter relevante offentlige tweets, registrerer restaurantbesøg fra geo-taggede Twitter-beskeder, sporer brugeraktivitet efter en restaurant besøg, udleder sandsynligheden for udbrud af fødevarebåren sygdom ud fra teksten til brugerkommunikation og rangerer endelig restauranter via statistisk analyse af de behandlede data."

De brugte 3,8 millioner tweets fra 94.000 Twitter-brugere i New York-området, og de fandt 480 tilfælde af madforgiftning baseret på værktøj. nEmesis sorterer gennem tweets ved at geo-lokalisere søgeord, der kan indikere, at nogen føler sig syg efter at have spist – sætninger som #mavebesvær og "så syg omg" blev brugt som nøgleord.

De brugte et automatiseret filter til at gennemsøge den enorme mængde af tweets på udkig efter sætninger, der indikerede sygdom, og så brugte de personer, der er registreret hos Amazons Mechanical Turk-program for at give menneskelige øjne til tweets og finde dem, der med størst sandsynlighed peger på sygdom.

Systemet udpeger restauranter, der kan gøre dig syg baseret på, hvad folk, der har besøgt dem tweeter - og deres resultater matchede temmelig tæt med New York Department of Health's nuværende karakterer, hvilket indikerer, at du nok skal holde dig væk fra det skæve, men billige ramen-sted, hvis det ikke passer med at flyve farver.

Dette kunne være enormt nyttigt, hvis fødevareinspektionsorganisationer brugte nEmesis til at bestemme, hvilke restauranter de bør tjekke ud, da steder med større sygdomstilfælde kunne blive lukket ned i tide mode. Og det ville være nyttigt for enhver, der beslutter, hvor de skal gå ud og spise.

Sean Brennan, en af ​​forskerne, siger, at nEmesis-modellen kunne bruges til at spore andre problemer. ”Det, vores model er god til, er at mærke klasser af sygdomme. Tidligere fokuserede vi mest på for eksempel influenzalignende sygdomme, og denne handlede om fødevarebårne sygdomme, som dækker over et spektrum af symptomer og årsager. Et godt eksempel på dette, og en anden potentiel forskningsgren, vi overvejede, var mental sundhed, især depression og angst. Vi mener, at identificering af disse sager også kunne være et dybtgående og givende bidrag til feltet." 

Men Brennan bemærker, at værktøjet er godt til at få estimater, ikke nøjagtige resultater, og at det ikke ville fungere godt, hvis du søgte efter et for specifikt problem. "Hvis du leder efter noget superspecifikt (for eksempel tilfælde af halsbetændelse), så ville der sandsynligvis ikke være nok positive eksempler til at generere et pålideligt signal, eller være statistisk signifikant,” han siger.

Denne type model kan fungere i andre store byer. "Andre engelsktalende lande vil gerne finjustere vores originalsprogmodel til det lokale sprog, da meget af vores naive sprogtilstand – som vi plejede at få vores originale datasæt – afhang af farverige amerikanske sætninger,” Brennan siger. "Og selvfølgelig skal ikke-engelsktalende byer ændre sproget fuldstændigt. Desværre kan dette virkelig kun fungere på skalaen fra New York eller L.A., og ikke for eksempel Madison, WI. Geotaggede tweets er bare for sparsomme (i både rum og tid) nogle steder i øjeblikket, men dette vil forhåbentlig forbedres i løbet af de kommende år." 

nEmesis er ikke en app endnu, men forskerne har lavet noget, der hedder Germ Tracker baseret på en ældre forskningsmodel. Den lokaliserer tweets i dit område, der indikerer, at folk omkring dig er syge - så hvis du er en germaphobe, det er enten din bedste ven eller den ting, der vil få dig til aldrig at ville forlade din huset igen. Yelp har gjort lignende bestræbelser med tilføjelse af restauranthygiejneresultater til restaurantsider (funktionen er dog kun tilgængelig i New York og San Francisco).

Selvom nEmesis-modellen ikke er perfektioneret endnu, er den et stærkt eksempel på, hvordan forskere kan mine sociale netværk for at forbedre folkesundheden - og forhåbentlig, hvis programmer som denne vokser i popularitet, vil de minde restaurantejere om, at selvom sundhedsinspektørerne ikke kommer rundt, vil slemme madservicevaner ikke forblive ubemærket af spisende gæster.

Redaktørernes anbefalinger

  • Hvorfor hedder Twitter X nu? Her er alt, hvad du behøver at vide
  • Instagram-tråde: hvad du behøver at vide, og hvordan du tilmelder dig
  • Det er ikke kun dig - Twitter er nede for brugere over hele verden
  • Twitters SMS-to-faktor-godkendelse har problemer. Sådan skifter du metoder
  • Elon Musk inviterer Twitter-klager, får 83.000 svar

Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.