Disease Alerts
Back in 2006 Gunther Eysenbach conducted a series of innovative correlation studies between infectious disease incidences and search engine queries. Correlations, and the possibility of forecasting disease outbreaks, have been confirmed in the following years. His work led to the well-known Google Flu Trends project. Infoveillance and infodemiology (terms coined by him) are now common currency, and many studies use data coming from diverse sources such as social media to analyze and predict infectious disease behavior.
HealthMap is a team of researchers at Boston Children’s Hospital that utilizes “online informal sources for disease outbreak monitoring and real-time surveillance of emerging public health threats.” They collect data from multiple sources that mention disease, including official reports, news aggregators, and eyewitnesses. They then compile and organize the data, with consistent labeling and metadata, and release it through their website and a live API. This is a great example of using web-scraping, crowdsourcing, and live data to produce a critical public resource.
Visualization plays a crucial role in making this data actionable. Your challenge is to visualize the disease alert data so that patterns and anomalies can be easily identified. You will work on archived data for this challenge, but your project could later be expanded to feed directly from the HealthMap API’s live data stream. There is a lot of information here, so it is recommended that you focus your project on one aspect of the data. To get you started, we’ve created a handful of slices that isolate different dimensions like time, disease category, and geography. The full archive of alerts from the last 3 months is also provided, in case you want to create your own slice of the data.
Krankheitsarlarme
Im Jahre 2006 führte Gunter Eysenbach eine Reihe von innovativen Korrelationsstudien zwischen den Vorkommnissen von Infektionskrankenheiten und Suchmaschinenabfragen durch. Korrelationen und die Möglichkeit, Krankheitsausbrüche vorherzusagen, wurden in den folgenden Jahren bestätigt. Seine Arbeit führte zu dem wohlbekannten Google Flu Trends-Projekt. „Infoveillance“ und „Infodemiology“ (Begriffe, die von ihm stammen) sind nun allgemein bekannt, und viele Studien machen von Daten Gebrauch, die von vielfältigen Quellen wie Sozialmedien kommen, um das Verhalten von Infektionskrankheiten zu analysieren und vorauszusagen.
HealthMap besteht aus einem Team von Forschern am Boston Children's Hospital, dass sich „informelle Quellen online für die Beobachtung von Krankheitsausbrüchen und Echtzeit-Überwachung von sich abzeichnenden Gesundheitsbedrohungen der Öffentlichkeit“ zu Nutzen macht. Sie sammeln Daten von mehrfachen Quellen, die Krankenheiten einschließlich offizieller Berichte, Nachrichtensammler und Augenzeugen erwähnen. Sie stellen dann die Daten zusammen und organisieren sie durch das konstante Versehen mit Beschriftungen und Metadata und veröffentlichen sie dann auf ihrer Webseite und durch Live-API. Dies ist ein großartiges Beispiel für den Gebrauch von Auslesen von Webseiten, Crowdsourcing und live-Daten, um eine kritische, öffentliche Quelle zu erzeugen.
Visualisierungen spielen bei der Umsetzung dieser Daten eine wichtige Rolle. Deine Herausforderung besteht darin, sich von den Krankheitsalarmdaten derartig ein Bild zu verschaffen, damit Muster und Anomalien mit Leichtigkeit erkannt werden können. Du wirst bei dieser Herausforderung mit archivierten Daten arbeiten, aber dein Projekt könnte später dahingehend ausgedehnt werden, dass du Daten direkt vom dem API-Livestream der HealthMap beziehen kannst. Hier liegen viele Informationen vor, und daher wird es empfohlen, dass du dich bei deinem Projekt auf einen Aspekt der Daten konzentrierst. Um dir beim Anfangen behilflich zu sein, haben wir eine Handvoll von Scheiben erstellt, die verschiedene Dimensionen wie Zeit, Krankheitskategorie und Geografie isolieren. Das gesamte Archiv der Warnhinweise der letzten 3 Monate wird ebenfalls zur Verfügung gestellt, falls du deine eigene Datenscheibe erstellen möchtest.
Alertas de Doenças
Em 2006 Gunther Eysenbach conduziu uma série de estudos inovadores de correlação entre incidências de doenças infecciosas e perguntas em mecanismos de busca. As correlações, e a possibilidade de prever as epidemias de doenças, foram confirmadas nos anos seguintes. O seu trabalho levou bem conhecido projeto Google Flu Trends [Tendências da Gripe do Google]. Infoveillance e infodemiology (termos criados por ele) são agora moeda corrente, e muitos estudos usam dados originados de fontes diferentes tais como mídia social para analisar e predizer comportamentos de doenças infecciosas.
HealthMap [mapa de saúde] é uma equipe de pesquisadores do Hospital de Crianças de Boston que utiliza "fontes on-line informais para monitoração de epidemias de doenças e vigilância em tempo real de ameaças de saúde pública emergentes." Eles coletam dados de múltiplas fontes que mencionam doença, inclusive relatórios oficiais, agregadores de notícia, e testemunhas oculares. Eles então compilam e organizam os dados, com etiquetagem coerente e metadata, e as liberam em seu site e um live API. Isto é um grande exemplo de usar web-scraping, crowdsourcing, e dados ao vivo produzir um recurso público crítico.
A visualização desempenha um papel crucial em tornar estes dados acionáveis. Seu desafio é visualizar os dados de alerta da doença de modo que padrões e anomalias possam ser facilmente identificados. Você trabalhará em dados arquivados para este desafio, mas seu projeto pode mais tarde ser expandido para alimentar diretamente do stream de dados ao vivos do API de HealthMap. Há muitas informações aqui, portanto é recomendado que você dê enfoque no seu projeto em um aspecto dos dados. Para que você comece, nós criamos um punhado de fatias que isolam dimensões diferentes tais como tempo, categoria de doença, e geografia. Também é providenciado o arquivo pleno de alertas dos últimos 3 meses, em caso de você querer criar sua própria fatia dos dados.
Alertas sobre enfermedades
Allá por 2006, Gunther Eysenbach llevó a cabo una serie de estudios comparativos innovadores entre la incidencia de enfermedades infecciosas y las consultas a los motores de búsqueda. En los años subsiguientes, se han confirmado la correlación entre esos elementos y la posibilidad de predecir los brotes de enfermedades. El trabajo de Eysenbach derivó en el conocido proyecto Google Flu Trends (proyecto “Tendencias de la gripe”, de Google). La infovigilancia y la infodemiología (términos acuñados por Eysenbach) son moneda corriente en la actualidad, y varios estudios emplean información proveniente de diversas fuentes, como las redes sociales, para analizar y predecir la conducta de las enfermedades infecciosas.
HealthMap es un equipo de investigadores del Boston Children’s Hospital que emplea “fuentes informales en línea para monitorear el brote de enfermedades y vigilar en tiempo real las amenazas emergentes que enfrenta la salud pública”. Este equipo recaba datos de distintas fuentes que mencionan enfermedades, como informes oficiales, agregadores de noticias y testigos presenciales. Luego, compila y organiza los datos con etiquetas y metadatos uniformes y los publica en su sitio web y en su API en tiempo real. Este es un excelente ejemplo del empleo del web-scraping (extracción de datos de sitios web), el crowsourcing y los datos en tiempo real para producir un recurso público de suma importancia.
La visualización desempeña un papel crucial en la tarea de convertir esos datos en algo con lo que se pueda actuar. El desafío consiste en visualizar los datos sobre alertas de enfermedades para que los patrones y las anomalías puedan identificarse con facilidad. Para este desafío, trabajarás sobre datos archivados, aunque podrías ampliar el proyecto más adelante para que se alimente directamente con el flujo de datos en tiempo real de la API de HealthMap. Debido a la gran cantidad de información que hay, sería conveniente que el proyecto se centrara en un solo aspecto de los datos. Para ayudarte a comenzar, hemos creado algunos recortes que aíslan distintas dimensiones, como fecha, categoría de enfermedad y lugar geográfico. También está disponible el archivo completo de alertas de los últimos tres meses, en caso de que desees preparar tu propio recorte de datos.