Vorige maand, ondanks de tragische gevolgen van orkaan Sandy, werd één ding duidelijk: de krachtige weermodellen die nu beschikbaar zijn, zijn steeds beter geworden in het helpen voorspellers voorspellen waar stormen zoals Sandy de volgende keer gaan.
gerelateerde inhoud
- Waarom Google-grieptrends de griep (nog) niet kunnen volgen
Die technologie is nuttiger dan alleen stormvoorspelling. In een studie die gisteren werd gepubliceerd in de Proceedings van de National Academy of Sciences, hebben een paar onderzoekers deze technologie gebruikt om de verspreiding van griep te voorspellen. Met realtime gegevens van Google Grieptrends kunnen hun modellen voorspellen waar, wanneer en hoe ernstig seizoensgebonden griepuitbraken in het hele land zullen optreden.
"Bevindingen geven aan dat real-time bekwame voorspellingen van piektiming meer dan zeven weken vóór de werkelijke piek kunnen worden gedaan", schrijft Jeffrey Shaman, een milieuwetenschapper aan de Columbia University, en Alicia Karspeck van het National Center for Atmospheric Research, in hun papier. "Dit werk is een eerste stap in de ontwikkeling van een statistisch rigoureus systeem voor realtime voorspelling van seizoensgriep." Als dergelijke verwachtingen uitkomen, kan er zoiets zijn als een waarschuwingssysteem voor griep ("grieppercentages worden naar verwachting piekt") in uw regio volgende week ”) vergelijkbaar met die voor orkanen en andere zware weersomstandigheden.
Zowel weers- als grieptransmissie zijn voorbeelden van niet-lineaire systemen: systemen waarbij een kleine verandering in startomstandigheden een enorme verandering in uitkomsten kan veroorzaken. Bij het bouwen van weermodellen kijken wetenschappers naar historische gegevens over hoe dit soort kleine veranderingen (zeg maar iets warmer water in het Caribisch gebied) de uitkomsten hebben beïnvloed (een orkaan met veel meer kracht wanneer deze aan de oostkust landt). Door jaren van gegevens te assimileren en talloze simulaties uit te voeren, kunnen ze een redelijk nauwkeurige voorspelling genereren voor de kansen van hypothetische weersgebeurtenissen binnen een periode van ongeveer een week.
In de nieuwe studie gebruikten de onderzoekers principes afgeleid van deze modellen en pasten ze toe op de verspreiding van de griep. Voor input gebruikten ze naast atmosferische metingen van temperatuur, druk en wind Google Grieptrends, een service die realtime gegevens over grieptransmissie over de hele wereld biedt door de zoektermen in Google nauwkeurig te onderzoeken. Hoewel niet iedereen die op zoek is naar 'griep' noodzakelijkerwijs griep heeft, hebben Google-onderzoekers aangetoond dat griepgerelateerde zoektermen een nauwkeurige proxy kunnen zijn voor griepoverdrachtssnelheden over de hele wereld - als veel mensen in een bepaald gebied plotseling zoeken naar 'griep, 'Het is een goede gok dat de infectie massaal is gearriveerd.
Influenza lijkt zich te gedragen volgens probabilistische principes met atmosferische omstandigheden vergelijkbaar met het weer. Andere factoren om te overwegen zijn de bevolkingsdichtheid van een gebied. Door factoren zoals luchtvochtigheid en temperatuur te combineren met gegevens van Google en actuele informatie over grieppercentages die door ziekenhuizen worden bijgehouden, konden de onderzoekers modellen ontwikkelen die bij benadering aangeven hoe griep is overgedragen in de jaren sinds ambtenaren het bijhouden.
Om hun model te testen, beoordeelden de onderzoekers de griepgegevens van New York City van 2003 tot 2008. Door gegevens over griepoverdracht in te voeren tot een bepaald tijdstip en het model te vragen een wekelijkse voorspelling te geven over hoe de griep zich zou gedragen, konden ze produceren nauwkeurige voorspellingen van wanneer de infectie zou pieken, soms tot zeven weken van tevoren. Bovendien kan het systeem, net als bij weermodellen, onderscheid maken tussen verschillende scenario's en schattingen geven van de waarschijnlijkheid dat elk scenario zich zal voordoen.
Met voortdurende ontwikkeling en real-time gegevens zoals Google Grieptrends beschikbaar, zou dit type technologie in theorie kunnen worden gebruikt om een griepvoorspelling te genereren voor lokale gebieden, zelfs tot op het niveau van de staat of de stad.
