淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-2707201523295100
中文論文名稱 運用Facebook公開資料監測類流感疫情
英文論文名稱 Detecting influenza epidemics using Facebook public data
校院名稱 淡江大學
系所名稱(中) 資訊管理學系碩士在職專班
系所名稱(英) On-the-Job Graduate Program in Advanced Information Management
學年度 103
學期 2
出版年 104
研究生中文姓名 柳姚仁
研究生英文姓名 Yao-Jen Liu
學號 701630153
學位類別 碩士
語文別 中文
口試日期 2015-05-30
論文頁數 43頁
口試委員 指導教授-張昭憲
委員-廖賀田
委員-陳國棟
中文關鍵字 皮爾森相關係數  相關性分析  流感監測  社群網路分析 
英文關鍵字 Pearson's correlation coefficient  correlation analysis  influenza surveillance  social network analysis 
學科別分類
中文摘要 流行性感冒每年都會帶來數十萬人的死亡,造成嚴重的健康威脅。流感可透過接種疫苗降低疫情,若能提早發現流感散播的趨勢,便可降低感染與死亡人數。臺灣目前無較為即時的流感監測系統,疾管署的類流感監測系統根據急診資料統計,會有一週至一個月的延滯時間,對於流感爆發早期預警而言,時效性明顯不足。
  本研究希望能透過網路社群留言分析,發展一套具有高即時的流感監測方法。首先,我們透過特定關鍵字組合,分析Facebook上與流感相關之公開訊息,對比疾管局的流感統計數據,透過相關性分析,建立以社群網路為基礎之流感疫情監測模型。實驗結果顯示,此權重模型預測之數據與官方統計數字有顯著之相關,證實使用社群網站監測流感疫情的可行性。根據本論文之研究成果,希望能做為政府監測流感疫情的先期指標,降低流感風險。
英文摘要 Every year, influenza causes hundreds of thousands deaths, resulting in serious health threat. Flu epidemic can be reduced through vaccination, if early detection of influenza spread trends, infection and deaths can be reduced. Taiwan currently no immediate flu surveillance system to monitor influenza-like illness system according to the emergency department statistics, there will be a week to a month's delay time, for early warning of a pandemic, the timeliness is clearly insufficient.
This study try to analyze the message from the social media to develop a set of high instantaneous influenza surveillance methods. Through a specific keyword combinations to analysis the public data related with flu on Facebook , compared CDC's influenza statistical data through correlation analysis, we establishment an influenza surveillance model that based on social network.
Experimental results show that this model predicts the weight data of the official statistics have significant correlation, confirming the feasibility of using social network to monitor flu. According to results of this research, the hope we can do for the government to monitor early indicators of flu activity, reduce flu risk.
論文目次 目次

目次 III
表目錄 V
圖目錄 VI
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機與目的 3
第三節 研究目的 5
第二章 文獻探討 7
第一節 流行性感冒 7
第二節 類流感 9
第三節 傳統流感監測系統 9
第四節 運用網路社群進行流感監測 11
第五節 皮爾森相關係數 13
第三章 研究方法 15
第一節 資料蒐集 15
第二節 資料分析與驗證 18
第四章 研究結果 21
第一節 實驗結果 21
第二節 計算流感趨勢預測 24
第三節 與社群分析平台進行比較 32
第四節 研究限制 34
第五章 結論 36
參考文獻 38
一、中文文獻 38
二、英文文獻 39
附錄: 流行性感冒分類 42

表目錄

表一:皮爾森相關係數在社會科學上的意義 14
表二:疾管局各周資料與各流感相關詞比例列表 22
表三:流感相關詞之相關係數 23
表四: 使用SPSS對前九週蒐集資料進行線性迴歸分析 24
表五;以迴歸公式(2)計算全部18週之IliRate 25
表六:迴歸計算之模型與各區間資料相關度 26
表七:以前九週資料配合窮舉法所的之預測結果 27
表八:利用窮舉法求得之數據與各區間資料相關度 28
表九:權重組合資料與計算結果 29
表十:疾管局類流感數據與OpView之分析數據 33

圖目錄

圖一:疾病管制署類流感監測延滯時間 2
圖二:Graph API 搜尋示意圖(資料來源 : Facebook) 17
圖三:每日透過 Graph API 從Facebook蒐集之資料 18
圖四:本研究提出之流感監測方法流程圖 20
圖五:Ili Rate 與 Weighted Rate(虛線) 30
圖六:更高解析的流感趨勢圖 31
圖七:OpView與疾管局資料對比 34

參考文獻 參考文獻
一、中文文獻
[1] OpView, "OpView-社群口碑分析平台", Url: http://www.opview.com.tw/ , Archive time : 2015/4/30
[2] 自由時報,腸胃炎、感冒 春節兩大病號,網址:http://news.ltn.com.tw/news/local/paper/856961 ,上網日期:2015/02/24
[3] 東森新聞雲,Facebook 農曆新年調查:台灣、香港人最愛到日本過年,網址:http://www.ettoday.net/news/20150205/463680.htm ,上網日期:2015/02/24
[4] 香港中文大學,現代漢語常用字頻統計,網址 http://humanum.arts.cuhk.edu.hk/Lexis/chifreq/ ,上網日期:2015/02/24
[5] 疾病管制署,流感就診百分比監測趨勢圖,網址:http://nidss.cdc.gov.tw/RODS_2.aspx ,上網日期:2015/02/24
[6] 鉅亨網,全球最大社交平臺》Facebook:台灣,我們來了!,網址:http://mag.cnyes.com/Content/20150310/c0f151a91eb74a5981f19a5f88c840b2.shtml ,上網日期:2015/03/17
[7] 衛生福利部疾病管制局,症狀通報系統通報定義及流程,Url : http://goo.gl/YUp65H , Archive time : 2015/4/30
[8] 衛生福利部疾病管制署,傳染病介紹>流感,網址http://www.cdc.gov.tw/diseaseinfo.aspx?treeid=8d54c504e820735b&nowtreeid=dec84a2f0c6fac5b&tid=3013B7FC8F965336 ,上網日期:2015/02/24
二、英文文獻
[9] Akay, A., et al., “A Novel Data-Mining Approach Leveraging Social Media to Monitor Comsumer Opinion of Sitagliptin, “ IEEE Journal of Biomedical and Health Informatics, Vol. 19, No. 1, Jan. 2015, pp. 389-396.
[10] CDC(US), “National and Regional Level Outpatient Illness and Viral Surveillance”, Url : http://gis.cdc.gov/grasp/fluview/fluportaldashboard.html , Archive time : 2015/02/25
[11] ECDC, “Influenza case definitions”, Url : http://ecdc.europa.eu/en/activities/surveillance/EISN/surveillance/Pages/influenza_case_definitions.aspx , Archive time : 2015/03/17
[12] Espino, J., Hogan, W. & Wagner, M., “Telephone triage: A timely data source for surveillance of influenza-like diseases. AMIA: Annual Symposium Proceedings”, 215–219 (2003).
[13] European Influenza Surveillance Network (EISN), “Surveillance Atlas of Infectious Diseases”, Url : http://www.ecdc.europa.eu/en/data-tools/atlas/Pages/atlas.aspx , Archive time : 2015/02/25
[14] Eysenbach, G., “Infodemiology: tracking flu-related searches on the web for syndromic surveillance”, AMIA: Annual Symposium Proceedings 244–248 (2006).
[15] Farley, Monica M. MD, “2009 H1N1 Influenza: A Twenty-First Century Pandemic With Roots in the Early Twentieth Century”, American Journal of the Medical Sciences, Volume 340 - Issue 3, 2010, Page 202-208
[16] Fox, S., “Online Health Search 2006” , Pew Internet & American Life Project (2006)
[17] Hulth, A., Rydevik, G. & Linde, A., “Web Queries as a Source for Syndromic Surveillance”, PLoS ONE 4(2): e4378. doi:10.1371/journal.pone.0004378 (2009).
[18] Jacob Cohen, "Statistical Power Analysis for the Behavioral Sciences", Chapter 3, pp.77-81, (1977)
[19] Jeremy Ginsberg, Matthew H. Mohebbi, Rajan S. Patel, Lynnette Brammer, Mark S. Smolinski & Larry Brilliant, “Detecting influenza epidemics using search engine query data ”, Nature 457,1012-1014 (2009).
[20] Johannes C. Eichstaedt, et al., “Psychological Language on Twitter Predicts County-Level Heart Disease Mortality”, Psychological Science February 2015 vol. 26 no. 2, 159-169 (2015).
[21] Johnson HA, Wagner MM, Hogan WR, Chapman W, Olszewski RT, Dowling J, Barnas G., “Analysis of Web access logs for surveillance of influenza.”, MEDINFO, 1202–1206 (2004).
[22] Joseph Lee Rodgers, W. Alan Nicewander, "Thirteen Ways to Look at the Correlation Coefficient", The American Statistician, Vol. 42, No. 1., pp. 59-66., (1988)
[23] Magruder, S., “Evaluation of over-the-counter pharmaceutical sales as a possible early warning indicator of human disease.”, Johns Hopkins University APL Technical Digest 24, 349–353, (2003).
[24] Polgreen, P. M., Chen, Y., Pennock, D. M. & Forrest, N. D., “Using internet searches for influenza surveillance”, Clinical Infectious Diseases 47, 1443–1448, (2008).
[25] Vasileios Lampos, Tijl De Bie, Nello Cristianini, “Flu Detector - Tracking Epidemics on Twitter”, Lecture Notes in Computer Science Volume 6323, 599-602 (2010).
[26] Social bakers, "Top 10 Fastest Growing Facebook Languages", Url: http://www.socialbakers.com/blog/1064-top-10-fastest-growing-facebook-languages, Archive time : 2015/02/25
[27] Wikipedia, "1918 flu pandemic", Url: http://en.wikipedia.org/wiki/1918_flu_pandemic, Archive time : 2015/04/30
[28] Wikipedia, "Pearson product-moment correlation coefficient", Url: http://en.wikipedia.org/wiki/Pearson_product-moment_correlation_coefficient, Archive time : 2015/03/17
[29] WHO, “Avian influenza”, Url: http://www.who.int/mediacentre/factsheets/avian_influenza/en/ , March 2014. Archive time : 2015/02/25
[30] WHO, “Influenza”, Url : http://www.who.int/topics/influenza/en/ , Archive time : 2015/02/25
[31] WHO, “Influenza (Seasonal)”, Url : http://www.who.int/mediacentre/factsheets/fs211/en/ , March 2014. Archive time : 2015/02/25
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2016-07-28公開。
  • 同意授權瀏覽/列印電子全文服務,於2018-07-28起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信