Comment fonctionne Google Flu Trends

Chaque année, entre 5 et 20 % de la population américaine contracte la grippe, principalement pendant cette période hivernale entre décembre et février, à quelques mois près [source : CDC ]. Alors que de nombreux patients trouveront un soulagement dans les médicaments en vente libre, la grippe peut être grave. Les complications liées à la grippe peuvent nécessiter une hospitalisation, et parfois les complications peuvent être mortelles. La grippe, avec la pneumonie (les deux sont des infections des voies respiratoires inférieures), était la huitième cause de décès aux États-Unis en 2010, et les infections respiratoires étaient la troisième cause de décès dans le monde cette année-là (jusqu'à 3,2 millions de personnes) [source : CDC , CNBC ].

Étant donné que la grippe saisonnière peut entraîner de graves complications, les Centers for Disease Control and Prevention (CDC) surveillent les syndromes grippaux (ILI) aux États-Unis, en suivant et en analysant l'activité grippale pour obtenir une bonne image du taux d'incidence, de la proportion de prévalence et du taux d'occurrence. de SG tout au long de l'année [source : Harvard Health Publications ]. Pour ses besoins de suivi, le CDC considère une fièvre d'au moins 100 degrés Fahrenheit (37,8 degrés Celsius) avec une toux et/ou un mal de gorge comme un ILI.

Le CDC surveille ces chiffres avec des données collectées via plusieurs sources, y compris les services de santé locaux et d'État, 122 bureaux de santé publique et de statistiques de l'état civil, près de 3 000 établissements de soins ambulatoires, plus de 270 laboratoires et des rapports du système de surveillance FluSurv-NET [source : CDC ]. Tous ces éléments sont répartis en cinq catégories d'informations utilisables :

À partir de la 40e semaine de l'année - qui est le début de la saison de la grippe d'octobre à mai - le CDC distribue des rapports hebdomadaires sur l'activité grippale.

Les informations que le CDC diffuse sont destinées à être un instantané des tendances actuelles de la grippe, et non des nombres spécifiques de personnes qui ont attrapé la grippe au cours de cette saison ou année grippale. L'accent est mis sur l'existence ou non d'épidémies de grippe, le lieu où la grippe est signalée, le moment où elle a été signalée et les virus grippaux à blâmer.

Bien que les données publiées par le CDC fournissent une image précise des tendances de la grippe, ces données, une fois compilées et analysées, datent également d'une à deux semaines. Il ne peut pas vous dire si une nouvelle poche de grippe est apparue dans une ville spécifique au cours du week-end précédent, mais c'est bon pour mesurer l'impact global de la grippe sur la population américaine, en plus de faire des recommandations de santé publique liées à la grippe.

Par exemple, en surveillant quelles souches de grippe circulaient pendant la saison grippale 2014, les épidémiologistes du CDC ont pu dire, grâce aux données recueillies entre le 1er octobre et le 22 novembre, que l'une des trois souches choisies incluses dans le vaccin contre la grippe de cette année avait muté, et le vaccin serait moins efficace cette saison-là.

Et si vous vouliez en savoir plus sur cette épidémie de grippe qui se propage dans une ville voisine ? Google aimerait aider avec cela.

Jusqu'à 72% des adultes américains admettent avoir recherché des informations sur la santé en ligne au cours de l'année écoulée, soit environ 90 millions de personnes, principalement à la recherche d'informations sur des conditions spécifiques telles que la toux ou la grippe, ou des traitements tels que les antibiotiques. Et plus des trois quarts de ceux qui recherchent des informations sur la santé en ligne commencent leur recherche sur Google, Bing ou Yahoo [sources : Fox , Ginsberg ]. Pensez au type d'informations qui se trouvent dans ces bases de données de moteurs de recherche. Eh bien, Google l'a fait.

Google Flu Trends (GFT) est un outil de surveillance de la grippe basé sur Internet qui utilise des données de recherche agrégées pour prédire les tendances de la grippe dans plus de 25 pays, y compris les États-Unis. Le projet a débuté en 2008 en tant qu'initiative de la branche philanthropique de Google, Google.org, après que l'idée est née des pics saisonniers observés de certains types de termes de recherche.

Par exemple, lorsque les allergies printanières frappent, nous sommes plus susceptibles de rechercher des antihistaminiques que pendant la saison hivernale de la grippe, lorsque nous sommes plus susceptibles de rechercher des informations sur nos symptômes du rhume et de la grippe tels que la fièvre ou les frissons.

Les ingénieurs de Google ont utilisé cinq ans de données volumineuses historiques - et nous voulons dire gros. Ils ont puisé dans leur base de données de 50 millions de requêtes de recherche préfiltrées les plus couramment utilisées pour établir une base de référence de l'activité grippale générale. L'algorithme initial de l'outil de prédiction reposait uniquement sur des données de recherche régionales liées à la grippe (régionales basées sur l'adresse IP), y compris des sujets généraux tels que les symptômes généraux de la grippe, les remèdes contre le rhume et les médicaments antiviraux.

L'algorithme compare les données de requête de recherche en temps réel - le mot ou la phrase que vous avez utilisé comme terme de recherche, tel que "mal de gorge" - avec la ligne de base pour déterminer les niveaux d'activité grippale régionale, allant de cinq classifications de minime à intense. Théoriquement, GFT pourrait fournir des rapports actuels (presque en temps réel) sur l'activité grippale et prédire les épidémies de grippe des semaines avant que le CDC ne compile un rapport.

Selon les inventeurs de GFT, cependant, le reporting en temps réel de GFT est destiné à être utilisé comme information complémentaire aux données cliniques et virologiques dans la surveillance traditionnelle (le CDC et ses réseaux). La détection rapide de GFT est destinée à aider à la détection précoce non seulement des épidémies de grippe, mais également à l'identification des souches virales et du potentiel de pandémie.

Avant chaque nouvelle saison grippale, le modèle Google Flu Trends est actualisé avec 45 des requêtes les plus utiles liées à la grippe des années précédentes (ces termes de recherche spéciaux sont choisis à l'aide de la régression logistique, mais les requêtes exactes et leur pondération par rapport à d'autres sont gardés top secret).

De plus, les estimations post-saison de GFT sont évaluées par rapport aux rapports de surveillance des données traditionnels utilisés par le CDC pour voir dans quelle mesure les deux correspondent. Sur la base de la capacité de l'outil de prédiction à estimer avec précision le début de la saison grippale de cette année, le moment où la saison culminera et sa gravité, le modèle peut être mis à jour. Lors de son lancement en 2008, GFT avait une corrélation moyenne de 97 % avec les données du CDC [source : Ginsberg ].

En septembre 2009, le modèle de la version américaine de Google Flu Trends a reçu sa première mise à jour pour inclure les données de requête de recherche de l'épidémie de H1N1. En effet, le modèle de GFT avait complètement sous-estimé la pandémie de grippe porcine H1N1 (qui s'est produite en été). Et puis il a continué à rater la cible.

Au cours de la saison grippale 2011/2012, GFT a surestimé la prévalence de la grippe de 50 %. GFT a également surestimé la saison grippale 2012/2013, prédisant jusqu'au double du nombre de visites ambulatoires liées au SG, comme le CDC l'a effectivement signalé. Au plus fort de la saison grippale 2013/2014, GFT a estimé que jusqu'à 11 % de la population américaine avait la grippe. Si cela semble beaucoup, c'est parce que c'est le cas – le CDC, en comparaison, a rapporté 6% cette saison. Les chercheurs rapportent que la précision de l'outil peut en fait être bien pire ; ils ont constaté qu'à partir d'août 2011, GFT avait surestimé 100 semaines sur 108 [sources : Hodson , Walsh , Lazer ].

L'explication la plus courante de la surestimation de la prévalence de la grippe par Google n'est rien de plus que notre propre saccade lorsque la saison de la grippe approche - vous savez, lorsque vous recherchez le mot "toux" dans le but de déterminer si vous attrapez la grippe, un froid ou, peut-être, attendez, pourrait-il s'agir d'une pneumonie? L'utilisation par les médias d'expressions telles que "la pire saison grippale depuis des années" et les rapports des médias sur la grippe saisonnière contribuent également à nos recherches obsédées par la toux. Le problème est que GFT ne sait pas si vous êtes malade ou simplement inquiet de tomber malade ; considérez que seulement 10% environ de toutes les personnes qui consultent un médecin pour la grippe ont réellement la grippe [source: Salzberg ]. Les recherches Google n'ont pas de contexte et ne connaissent pas votre intention.

Mais ce n'est peut-être pas la réponse complète.

En plus du battage médiatique lié au syndrome grippal qui gonfle les recherches sur la grippe, travailler avec des données volumineuses peut conduire à établir des corrélations qui peuvent ne pas être exactes. C'est le piège du Big Data. Bien que les résultats de l'exploration des données puissent établir une relation entre les requêtes de recherche saisonnières et, par exemple, les visites chez le médecin, l'ampleur même de l'ensemble de données suggère que l'exactitude de la corrélation n'est pas fiable.

Une autre question sur la surestimation de GFT réside dans les mises à jour de l'algorithme du moteur de recherche de Google. Les chercheurs proposent que l'introduction de la fonctionnalité de suggestion automatique dans la recherche Google ait modifié le comportement des utilisateurs en ce qui concerne le potentiel de surestimation dans GFT ; les utilisateurs recherchant un symptôme grippal étaient désormais encouragés à rechercher davantage de termes liés à la grippe (recommandés par Google), ce qui influençait les recherches globales liées au SG.

En 2012, le moteur de recherche a commencé à inclure des conditions possibles liées aux symptômes interrogés, ajoutant également potentiellement au problème de surestimation.

Cependant, après de nouvelles performances médiocres lors de la saison grippale 2012/2013, l'algorithme de GFT a de nouveau été mis à jour. Il minimiserait désormais toute irrégularité liée aux médias et fonderait ses prévisions sur une méthode statistique appelée ElasticNet (qui est un modèle linéaire généralisé de régression régularisée). Mais il y avait encore place à l'amélioration; l'algorithme révisé est toujours surestimé jusqu'à 30 % [source : Lohr ].

En 2014, les ingénieurs de GFT ont mis à jour l'outil GFT pour inclure non seulement des données de recherche actualisées, mais également les soi-disant petites données cliniques et virologiques traditionnelles du CDC pour la saison grippale 2014/2015. Les ingénieurs et les scientifiques conviennent qu'une combinaison de ces informations devrait conduire à des résultats plus précis.

Note de l'auteur : Fonctionnement de Google Flu Trends

Quelle semaine pour s'immerger dans la grippe ; le jour où j'écrivais sur la façon dont le CDC surveille et analyse les données sur la grippe était le même jour que les responsables de la santé du CDC ont annoncé que la saison de la grippe de cette année pourrait être grave - parce que l'une des souches de virus (et celle qui est la plus dominante jusqu'à présent cette saison) utilisé dans le vaccin de cette année a muté. Gardez un œil sur Google Flu Trends.

Articles Liés

Plus de grands liens