ミネソタ州,2024年

科学分野:

• 公衆衛生の監視
• 行動科学
• データ分析

背景:

• 食品感染症の流行は公衆衛生に重大なリスクをもたらします.
• 疫病の発生を迅速に特定することは,予防対策の実施に不可欠です.
• ユーザー生成コンテンツやAIを含む新興データストリームは,疫病の早期発見の可能性を秘めています.

研究 の 目的:

• 食品による病気の自己報告に影響を与える要因を調査する.
• 疫病の情報に対する個々の反応を理解する.
• 食品感染症の監視のために利用者が生成したデータの信頼性を評価する.

主な方法:

• ヴィニエットベースの離散選択実験調査が行われました.
• 参加者には食物伝染病の発生シナリオが提示された.
• シナリオは,報告された患者の数,症状の含有,FDAの調査状況,および行動への呼びかけによって異なります.

主要な成果:

• 個人は,広報された食物伝染病の出来事を提示されたときに,自分自身を病気だと認識する傾向があります.
• 罹患者数が多く (8,500人) または症状が明示的に言及された場合,自己報告の確率は著しく増加しました.
• テストされたすべての属性 (患者数,症状,FDAの調査,行動への呼びかけ) は,自己報告に肯定的な影響を与えた.

結論:

• 報道された食品感染症は 感染が確認されていない場合でも 報告を促す可能性があります
• 病気の規模や症状の詳細などの要因は 自己報告行動に強く影響します
• これは,公衆衛生当局の確認なしにアウトブレイク検出のための新しいデータストリームを使用する際の潜在的な制限を強調しています.