Im vergangenen Monat wurde trotz der tragischen Folgen des Hurrikans Sandy eines deutlich: Die jetzt verfügbaren leistungsfähigen Wettermodelle haben sich immer besser bewährt, um Prognostikern zu helfen, vorauszusagen, wohin Stürme wie Sandy als Nächstes führen werden.
Verwandte Inhalte
- Warum Google Grippe-Trends die Grippe (noch) nicht nachverfolgen können
Diese Technologie ist nützlicher als nur eine Sturmvorhersage. In einer Studie, die gestern in den Proceedings der National Academy of Sciences veröffentlicht wurde, haben zwei Forscher diese Technologie genutzt, um die Ausbreitung der Influenza vorherzusagen. Mit Echtzeitdaten von Google Flu Trends können ihre Modelle vorhersagen, wo, wann und wie stark saisonale Grippeausbrüche im ganzen Land auftreten werden.
"Die Ergebnisse zeigen, dass geschickte Echtzeit-Vorhersagen des Peak-Timings mehr als sieben Wochen vor dem eigentlichen Peak gemacht werden können", schreibt Jeffrey Shaman, Umweltwissenschaftler an der Columbia University, und Alicia Karspeck vom National Center for Atmospheric Research in New York ihr Papier. „Diese Arbeit stellt einen ersten Schritt in der Entwicklung eines statistisch strengen Systems für die Echtzeit-Vorhersage der saisonalen Influenza dar.“ Wenn sich solche Hoffnungen erfüllen, könnte es so etwas wie ein Frühwarnsystem für Grippe geben („Die Gripperaten werden voraussichtlich ihren Höhepunkt erreichen nächste Woche in Ihrer Nähe “) ähnlich wie bei Hurrikanen und anderen Unwettern.
Sowohl die Wetter- als auch die Grippeübertragung sind Beispiele für nichtlineare Systeme, bei denen eine kleine Änderung der Startbedingungen eine enorme Änderung der Ergebnisse bewirken kann. Bei der Erstellung von Wettermodellen untersuchen die Wissenschaftler historische Daten darüber, wie sich diese kleinen Veränderungen (z. B. etwas wärmeres Wasser in der Karibik) auf die Ergebnisse ausgewirkt haben (ein Hurrikan mit viel größerer Stärke, wenn er an der Ostküste landet). Indem sie jahrelange Daten verarbeiten und unzählige Simulationen ausführen, können sie eine einigermaßen genaue Vorhersage für die Wahrscheinlichkeit von hypothetischen Wetterereignissen innerhalb eines Zeitraums von etwa einer Woche erstellen.
In der neuen Studie verwendeten die Forscher Prinzipien aus diesen Modellen und wandten sie auf die Ausbreitung der Grippe an. Für Eingaben verwendeten sie neben atmosphärischen Messungen von Temperatur, Druck und Wind Google Flu Trends, einen Dienst, der Echtzeitdaten zur weltweiten Übertragung von Grippe liefert, indem sie in Google eingegebene Suchbegriffe genau untersuchten. Obwohl nicht jede Person, die nach „Grippe“ sucht, notwendigerweise an Influenza leidet, haben Google-Forscher gezeigt, dass grippebezogene Suchbegriffe ein genauer Indikator für die Übertragungsraten von Grippe auf der ganzen Welt sein können - wenn viele Menschen in einem bestimmten Gebiet plötzlich nach „Grippe“ googeln. „Es ist eine gute Wette, dass die Infektion massenhaft angekommen ist.
Influenza scheint sich nach probabilistischen Grundsätzen zu verhalten, bei denen die atmosphärischen Bedingungen denen des Wetters ähneln. Weitere zu berücksichtigende Faktoren sind die Bevölkerungsdichte eines Gebiets. Durch die Kombination von Faktoren wie Luftfeuchtigkeit und Temperatur mit Daten von Google und den von Krankenhäusern gespeicherten Informationen über die tatsächliche Grippe-Rate konnten die Forscher Modelle entwickeln, die in etwa angeben, wie die Grippe in den Jahren nach der Überwachung durch die Beamten übertragen wurde.
Um ihr Modell zu testen, bewerteten die Forscher die New Yorker Grippedaten von 2003 bis 2008. Indem sie bis zu einem bestimmten Zeitpunkt Daten zur Grippetransmission eingaben und das Modell aufforderten, eine wöchentliche Prognose für das Verhalten der Grippe zu erstellen, konnten sie produzieren Genaue Vorhersagen, wann die Infektion ihren Höhepunkt erreichen würde, manchmal bis zu sieben Wochen im Voraus. Darüber hinaus kann das System wie bei den Wettermodellen zwischen mehreren verschiedenen Szenarien unterscheiden und Schätzungen darüber bereitstellen, wie wahrscheinlich jedes einzelne Szenario ist.
Aufgrund der kontinuierlichen Entwicklung und der Verfügbarkeit von Echtzeitdaten wie Google Grippetrends könnte diese Art von Technologie theoretisch verwendet werden, um eine Grippevorhersage für lokale Gebiete zu generieren, sogar bis hinunter zur Ebene des Bundesstaates oder der Stadt.
