Sidste måned til trods for de tragiske konsekvenser af orkanen Sandy, blev én ting åbenlyst - de nuværende kraftige vejrmodeller er blevet bedre og bedre til at hjælpe forudsigere med at forudsige, hvor storme som Sandy går næste gang.
Relateret indhold
- Hvorfor Google Flu Trends ikke kan spore influenza (endnu)
Denne teknologi er mere nyttig end bare stormforudsigelse. I en undersøgelse, der blev offentliggjort i går i Proceedings of the National Academy of Sciences, har et par forskere udnyttet denne teknik for at forudsige spredning af influenza. Med data i realtid fra Google Flu Trends kan deres modeller forudsige, hvor, hvornår og hvor alvorligt sæsonbestemte influenzaudbrud vil forekomme i hele landet.
"Resultater viser, at dygtige forudsigelser om spidsbelastning i realtid kan fremsættes mere end syv uger forud for den faktiske top, " skriver Jeffrey Shaman, miljøforsker fra Columbia University, og Alicia Karspeck fra National Center for Atmospheric Research, i deres papir. ”Dette arbejde repræsenterer et første skridt i udviklingen af et statistisk stringent system til realtidsprognose af sæsonbetonet influenza.” Hvis sådanne forhåbninger frembringes, kan der være noget som et advarselssystem for forhåndsinfluenza (”Fluepriser forventes at nå toppen i dit område næste uge ”) svarer til dem for orkaner og andre alvorlige vejrbegivenheder.
Både vejr- og influenzaoverførsel er eksempler på ikke-lineære systemer: systemer, hvor en lille ændring i startforholdene kan medføre en enorm ændring i resultaterne. Ved opbygning af vejrmodeller ser forskere på historiske data om, hvordan disse slags små ændringer (lidt varmere vand i Caribien, siger) har påvirket resultaterne (en orkan med meget mere styrke, når det får landfald på østkysten). Ved at assimilere år med data og køre utallige simuleringer, kan de generere en rimelig nøjagtig forudsigelse for oddset for hypotetiske vejrbegivenheder, der finder sted inden for en periode på cirka en uge.
I den nye undersøgelse anvendte forskerne principper, der stammede fra disse modeller, og anvendte dem til spredning af influenza. For input, ud over atmosfæriske målinger af temperatur, tryk og vind, brugte de Google Flu Trends, en service, der leverer realtidsdata om influenzaoverførsel rundt om i verden ved nøje at undersøge søgeudtryk indtastet i Google. Mens ikke alle personer, der søger efter "influenza" nødvendigvis har influenza, har Google-forskere vist, at influenzarelaterede søgeudtryk kan være en nøjagtig proxy for influenzaoverførselshastigheder rundt om i verden - hvis mange mennesker i et bestemt område pludselig googler for "influenza, ”Det er en god indsats, at infektionen er kommet massivt.
Influenza ser ud til at opføre sig i henhold til sandsynlige principper, der involverer atmosfæriske forhold, der ligner vejret. Andre faktorer, der skal overvejes, inkluderer et områdes befolkningstæthed. Ved at kombinere faktorer som fugtighed og temperatur med data fra Google og faktisk information om influenzahastighed opbevaret af hospitaler, var forskerne i stand til at udvikle modeller, der tilnærmer sig, hvordan influenza er blevet overført i årene siden embedsmænd har holdt styr på.
For at teste deres model vurderede forskerne New York City influenzadata fra 2003 til 2008. Ved at indtaste data om influenzatransmission op til et givet tidspunkt og bede modellen om at give en ugentlig prognose for, hvordan influenza ville opføre sig, var de i stand til at producere nøjagtige prognoser for, hvornår infektionen toppede, nogle gange op til syv uger før tiden. Som med vejrmodeller kan systemet desuden skelne mellem flere forskellige scenarier og give estimater af, hvor sandsynligt hver enkelt vil forekomme.
Med fortsat udvikling og realtidsdata som Google Flu Trends tilgængelige, kunne denne type teknologi teoretisk bruges til at generere en influenceprognose for lokale områder, selv ned til staten eller byniveau.
