Overall, the performance of the sta

Overall, the performance of the statistical models based on queries submitted to the Swedish Vårdguiden web site exceeded our expectations during the pandemic, especially because the models were trained on seasonal influenza. The curve produced by the web query-based sentinel model was very similar to the one obtained from the traditional surveillance the model is supposed to mimic.

We have shown that an independently developed and controlled system such as ours can be comparable in reliability to Google Flu Trends, a model that is trained on much larger data volumes. One downside is that our model has a higher variance, which becomes manifest in numerous small fluctuations of the model estimates in Figure 2, trend shifts that are not reflected in the reported sentinel data. Such false signals can be a cause for concern if the model is to be used to guide public health action, and means in practice that observed trend shifts cannot be trusted unless sustained for two weeks or more.

While others have indicated that the under-estimation of the influenza peak in Sweden of Google Flu Trends could be due to a limitation in the Swedish sentinel system [23], the fact that our model (in addition to other surveillance methods) shows the same pattern as the sentinel reports [17], rather indicates that it is Google Flu Trends that is lacking in the quantitative estimation.

The quantitative evaluation statistics also indicate good reliability. It is debatable, however, whether they are suitable for evaluating surveillance systems for communicable diseases. Such measurements tend to investigate the performance in estimating absolute levels of activity, and give equal weight to the entire period of investigation, including periods of low activity. In future work, it might be more important to look at how a surveillance system captures the dynamics of the disease, such as rapid increases in activity levels or the timing of peaks.

We have also described the results of a qualitative evaluation in which we interviewed four colleagues who were receiving the output from the statistical models. In summary, it was valuable for those working with the surveillance to have an additional source of information, as this increased their confidence in their estimates and predictions of the spread and the impact of the influenza A(H1N1)2009 virus.

One unknown factor here is the media impact on search behaviour. The interviewees explicitly asked for media activity to be incorporated in the statistical model. Such a model should intuitively perform better than a model without this information. We have performed some early experiments on including media activity in our web query-based statistical models. However, we have not yet found a satisfactory model to correct for the assumed impact of media reporting on peoples’ search behaviour.

ผลลัพธ์ (ไทย) 1:

โดยรวม ประสิทธิภาพของแบบจำลองทางสถิติตามแบบสอบถามที่ส่งไปยังเว็บไซต์ Vårdguiden สวีเดนเกินความคาดหวังของเราในระหว่างการระบาด โดยเฉพาะอย่างยิ่งเนื่องจากแบบจำลองมีการฝึกอบรมเกี่ยวกับไข้หวัดใหญ่ตามฤดูกาล โค้งผลิต โดยแบบสอบถามจากยามเว็บคล้ายกับได้รับจากการเฝ้าระวังแบบดั้งเดิมแบบควรจะเลียนแบบได้เราได้แสดงว่า ระบบการควบคุม และพัฒนาได้อย่างอิสระเช่นเราสามารถเปรียบเทียบได้ในความน่าเชื่อถือแนวโน้มไข้หวัด Google รุ่นที่อบรมการไดรฟ์ข้อมูลขนาดใหญ่มาก ข้อเสียหนึ่งคือ ว่า รุ่นของเรามีราคาที่สูงผลต่าง ซึ่งกลายเป็นรายการในจำนวนมากขนาดเล็กความผันผวนของการประเมินแบบจำลองในรูปที่ 2 กะแนวโน้มที่จะไม่ส่งผลในข้อมูลรายงานยาม สัญญาณดังกล่าวไม่สามารถเป็นสาเหตุสำหรับกังวลถ้าแบบจะถูกใช้เพื่อเป็นแนวทางการดำเนินการสาธารณสุข และไม่สามารถเชื่อถือได้หมายความว่าในทางปฏิบัติที่สังเกตกะแนวโน้มถ้ายั่งยืนสำหรับสองสัปดาห์หรือมากกว่าในขณะที่คนอื่น ๆ ได้บ่งชี้ว่า การประเมินน้อยของช่วงไข้หวัดใหญ่ในสวีเดนของ Google ไข้หวัดแนวโน้มอาจเกิดจากข้อจำกัดในระบบยามสวีดิช [23], ความจริงที่ว่า รูปแบบของเรา (เพิ่มเติมจากวิธีการรักษาความปลอดภัยอื่น ๆ) แสดงรูปแบบเดียวกันเป็นรายงานยาม [17], ค่อนข้างบ่งชี้ว่า แนวโน้มไข้หวัด Google ที่ขาดในการประเมินเชิงปริมาณการประเมินเชิงปริมาณสถิติยังบ่งชี้ความน่าเชื่อถือดี ได้คุย อย่างไรก็ตาม ไม่ว่าพวกเขาจะเหมาะสำหรับการประเมินระบบเฝ้าระวังโรค communicable วัดดังกล่าวมีแนวโน้มที่การ ตรวจสอบประสิทธิภาพในการประมาณระดับที่แน่นอนของกิจกรรม และให้น้ำหนักเท่ากันตลอดช่วงของการตรวจสอบ รวมทั้งระยะเวลาของกิจกรรมที่ต่ำ ในการทำงานในอนาคต มันอาจสำคัญเพื่อดูว่าระบบการเฝ้าระวังจับของโรค เช่นเพิ่มขึ้นอย่างรวดเร็วในระดับกิจกรรมหรือกำหนดเวลาของยอดนอกจากนี้เรายังได้อธิบายผลของการประเมินเชิงคุณภาพที่เราได้สัมภาษณ์ผู้ร่วมงาน 4 คนได้รับผลลัพธ์จากแบบจำลองทางสถิติ ในสรุป มันก็มีคุณค่าสำหรับผู้ที่ทำงานกับเฝ้าระวังให้มีการเพิ่มเติมแหล่งข้อมูล เป็นเพิ่มความเชื่อมั่นของพวกเขาในการประเมินและการคาดคะเนของการแพร่กระจายและผลกระทบของไข้หวัดใหญ่ (H1N1) 2009 ไวรัสปัจจัยหนึ่งที่ไม่รู้จักที่นี่เป็นสื่อผลกระทบต่อพฤติกรรมการค้นหา Interviewees ที่ชัดเจนขอสื่อกิจกรรมถูกรวมในแบบจำลองทางสถิติ แบบจำลองควรหมดทำดีกว่าแบบไม่มีข้อมูลนี้ เราได้ทำการทดลองบางช่วงทั้งสื่อกิจกรรมในโมเดลของเราเว็บแบบสอบถามโดยใช้สถิติ อย่างไรก็ตาม เราไม่ได้พบแบบพอแก้ไขสำหรับผลกระทบของสื่อรายงานพฤติกรรมการค้นหาคนปลอม

ผลลัพธ์ (ไทย) 2:

โดยรวมประสิทธิภาพการทำงานของแบบจำลองทางสถิติขึ้นอยู่กับคำสั่งส่งไปยังสวีเดนVårdguidenเว็บไซต์เกินความคาดหวังของเราในระหว่างการแพร่ระบาดโดยเฉพาะอย่างยิ่งเพราะรูปแบบการฝึกอบรมเกี่ยวกับไข้หวัดใหญ่ตามฤดูกาล เส้นโค้งที่ผลิตโดยรูปแบบการเฝ้าระวังตามค้นหาเว็บเป็นอย่างมากที่คล้ายกับที่ได้รับจากการเฝ้าระวังแบบดั้งเดิมควรจะเลียนแบบ. เราได้แสดงให้เห็นว่าระบบที่พัฒนาอิสระและควบคุมเช่นเราสามารถเทียบเคียงในความน่าเชื่อถือให้กับ Google ไข้หวัดใหญ่ แนวโน้มรูปแบบที่ได้รับการฝึกฝนบนไดรฟ์ข้อมูลที่มีขนาดใหญ่มาก หนึ่งข้อเสียคือรูปแบบของเรามีความแปรปรวนสูงขึ้นซึ่งจะกลายเป็นที่ประจักษ์ในความผันผวนของขนาดเล็กจำนวนมากของประมาณการแบบในรูปที่ 2 กะแนวโน้มที่ไม่ได้สะท้อนให้เห็นในข้อมูลแมวมองรายงาน สัญญาณที่ผิดพลาดดังกล่าวสามารถเป็นสาเหตุสำหรับกังวลถ้ารูปแบบที่จะใช้เพื่อเป็นแนวทางในการดำเนินการด้านสาธารณสุขและวิธีการในการปฏิบัติที่สังเกตเห็นการเปลี่ยนแปลงแนวโน้มไม่สามารถเชื่อถือได้เว้นแต่ไว้เป็นเวลาสองสัปดาห์หรือมากกว่า. ในขณะที่คนอื่น ๆ ได้แสดงให้เห็นว่าภายใต้การประมาณค่า ของยอดไข้หวัดใหญ่ในสวีเดนของ Google แนวโน้มไข้หวัดใหญ่อาจเป็นเพราะข้อ จำกัด ในระบบแมวมองสวีเดน [23] ความจริงที่ว่ารูปแบบของเรา (นอกเหนือจากวิธีการอื่น ๆ ของ surveillance) แสดงให้เห็นรูปแบบเดียวกับรายงานแมวมอง [17] แต่แสดงให้เห็นว่ามันเป็นของ Google แนวโน้มไข้หวัดใหญ่ที่ขาดในการประมาณค่าเชิงปริมาณ. สถิติการประเมินผลเชิงปริมาณยังแสดงให้เห็นความน่าเชื่อถือที่ดี มันเป็นที่ถกเถียงกัน แต่ไม่ว่าจะมีความเหมาะสมสำหรับการประเมินระบบการเฝ้าระวังโรคติดต่อ วัดดังกล่าวมีแนวโน้มที่จะตรวจสอบประสิทธิภาพการทำงานในการประเมินระดับความแน่นอนของกิจกรรมและให้น้ำหนักเท่ากับระยะเวลาทั้งหมดของการตรวจสอบรวมถึงระยะเวลาของกิจกรรมที่ต่ำ ในการทำงานในอนาคตก็อาจจะมีความสำคัญมากขึ้นในการดูว่าระบบการเฝ้าระวังจับการเปลี่ยนแปลงของโรคเช่นการเพิ่มขึ้นอย่างรวดเร็วในระดับกิจกรรมหรือระยะเวลาของยอด. เรายังได้อธิบายผลการประเมินคุณภาพในการที่เราสัมภาษณ์ สี่เพื่อนร่วมงานที่ได้รับผลลัพธ์จากแบบจำลองทางสถิติ โดยสรุปก็คือที่มีคุณค่าสำหรับผู้ที่ทำงานกับการเฝ้าระวังที่จะมีแหล่งที่มาของข้อมูลเพิ่มเติมเช่นนี้เพิ่มความมั่นใจในการประมาณการและการคาดการณ์ของพวกเขาในการแพร่กระจายและผลกระทบของโรคไข้หวัดใหญ่ (H1N1) 2009 ไวรัส. ปัจจัยหนึ่งที่ไม่รู้จักที่นี่ คือผลกระทบของสื่อที่มีต่อพฤติกรรมการค้นหา สัมภาษณ์ถามอย่างชัดเจนสำหรับกิจกรรมสื่อจะได้รับการจัดตั้งขึ้นในแบบจำลองทางสถิติ รูปแบบดังกล่าวอย่างสังหรณ์ใจควรจะทำงานได้ดีขึ้นกว่ารุ่นโดยไม่มีข้อมูลนี้ เราได้ทำการทดลองบางต้นบนรวมทั้งกิจกรรมสื่อในแบบสอบถามตามเว็บของเราแบบจำลองทางสถิติ แต่เรายังไม่ได้พบรูปแบบที่น่าพอใจในการแก้ไขผลกระทบสันนิษฐานของการรายงานของสื่อที่มีต่อพฤติกรรมการค้นหาของประชาชน

ผลลัพธ์ (ไทย) 3:

โดยรวมประสิทธิภาพของแบบจำลองทางสถิติโดยใช้แบบสอบถามส่งไปยังสวีเดน 5 ปี rdguiden เว็บไซต์เกินความคาดหวังของเราในประเทศ , โดยเฉพาะอย่างยิ่งเพราะรูปแบบการฝึกในไข้หวัดใหญ่ตามฤดูกาล โค้งที่ผลิตโดยเว็บแบบสอบถามตามเซนติเนล รูปแบบคล้ายกับตัวที่ได้จากกล้องวงจรปิดแบบดั้งเดิมรูปแบบควรจะเลียนแบบ

เราได้แสดงให้เห็นว่าการพัฒนาตนเอง และควบคุมระบบเช่นเราสามารถเทียบได้ในความน่าเชื่อถือของ Google แนวโน้มไข้หวัดใหญ่ แบบจำลองที่ได้ฝึกมากขนาดใหญ่ข้อมูลไดรฟ์ หนึ่งข้อเสียคือรูปแบบของเรามีความแปรปรวนสูง ซึ่งจะปรากฏในหลายขนาดเล็กการผันผวนของแบบประมาณรูปที่ 2 แนวโน้มกะที่ไม่ได้สะท้อนให้เห็นในรายงานข้อมูลเซนตินัลสัญญาณเท็จดังกล่าวสามารถเป็นสาเหตุสำหรับกังวลถ้าโมเดลที่จะใช้เพื่อเป็นแนวทางในการดําเนินการ สาธารณสุข และวิธีการในการปฏิบัติที่สังเกตกะแนวโน้มไม่สามารถเชื่อถือได้นอกจากรักษาหรือมากกว่าสองสัปดาห์

ในขณะที่คนอื่น ๆได้พบว่าภายใต้การประมาณค่าของไข้หวัดใหญ่สูงสุดในสวีเดนแนวโน้มของ Google อาจจะเนื่องจากไข้หวัด จะเป็นข้อจำกัดในระบบ Sentinel สวีเดน [ 23 ]ความจริงที่ว่านางแบบของเรา ( นอกจากนี้วิธีการเฝ้าระวังอื่น ๆ ) จะแสดงรูปแบบเดียวกันเป็น Sentinel รายงาน [ 17 ] ค่อนข้างบ่งชี้ว่ามันเป็น Google แนวโน้มไข้หวัดใหญ่ที่ขาดในการประมาณปริมาณ

สถิติการประเมินเชิงปริมาณยังบ่งบอกถึงความน่าเชื่อถือดี มันเป็นที่ถกเถียงกัน แต่อย่างไรก็ตามไม่ว่าพวกเขาจะเหมาะสำหรับการประเมินระบบเฝ้าระวังโรคติดต่อ การวัดดังกล่าวมีแนวโน้มที่จะศึกษาสมรรถนะในการประเมินแน่นอนระดับกิจกรรม และให้น้ำหนักเท่ากับระยะเวลาทั้งหมดของการสอบสวน รวมถึงระยะเวลาของกิจกรรมต่ำ ในการทำงานในอนาคตมันอาจจะมากขึ้นที่สำคัญเพื่อดูว่าระบบเฝ้าระวังจับการเปลี่ยนแปลงของโรค เช่น อย่างรวดเร็วเพิ่มขึ้นในระดับกิจกรรมหรือเวลายอด

เรายังอธิบายผลของการประเมินเชิงคุณภาพที่เราสัมภาษณ์สี่เพื่อนร่วมงานที่ได้รับผลจากแบบจำลองทางสถิติ กล่าวโดยสรุปมันมีค่ามากสำหรับคนที่ทำงานกับการที่จะมีแหล่งที่มาเพิ่มเติมข้อมูล ตามนี้ เพิ่มความมั่นใจในตนเองและประมาณการการคาดการณ์การแพร่กระจาย และผลกระทบจากไข้หวัดใหญ่ 2009 ไวรัส

หนึ่งไม่ทราบสาเหตุ นี่คือผลกระทบที่สื่อต่อพฤติกรรมการค้นหาสัมภาษณ์โดยถามสื่อกิจกรรมที่จะถูกรวมอยู่ในแบบจำลองทางสถิติ เป็นรูปแบบควรหยั่งรู้แสดงดีกว่า แบบไม่มีข้อมูลนี้ เราได้ทำการทดลองบางอย่างในช่วงต้นรวมทั้งสื่อกิจกรรมในเว็บของเราสอบถามตามรูปแบบทางสถิติ อย่างไรก็ตามเรายังไม่พบแบบที่น่าพอใจจะถูกต้องสำหรับคำนวณผลกระทบของสื่อมวลชนที่ประชาชนค้นหาพฤติกรรม