''Mida suuremat muret inimesed tunnevad, seda enam pööravad nad meediaruumis tähelepanu haigust puudutavale sisule. Sellest lähtuvalt tekib ka rohkem vastavat sisu ja kasvab selle haare sotsiaalmeedias. Laiema kajastusega käsikäes aeglustub viiruste levik ja väheneb uute nakatumiste arv. Seos on olemas. Muidugi olen ma hetkel selle põhjuslikuks nimetamisel veel veidi ettevaatlik,'' sõnas Austraalias asuva Sidney ülikooli rakendusmatemaatika professor Lewis Mitchell.

Mitchelli ja ta kaaslaste hiljuti Londoni Kuningliku Seltsi toimetistes ilmunud uurimus on kõige hiljutisem katse hinnata, millist mõju avaldab haiguste levikule meedia ning kuidas saaks kasutada sotsiaalmeedias jagatavat sisu epideemia ulatuse hindamiseks.

Võti ei peitu vaid suurandmetes. Seda on ehedalt demonstreerinud suurprojektid nagu gripiepideemiate kulgu jälgiv GoogleFluTrends. Kuigi see suudab teha inimeste internetiotsingute põhjal tavaliselt kaks kuni kolm aastat järjest küllaltki täpseid ennustusi, kukub see ikka ja jälle suurejooneliselt läbi. Näiteks hakkas see kergesti gripiga seostama teisi aastaajaga seonduvaid otsisõnu nagu ''keskkooli pesapall''. Otsinguid kallutab ühes või teises suunas Google'i enda poolt soovitatavad otsingud.

''See, milliseid algoritme ja kuidas neid kasutada, muutub sama tähtsaks kui andmed ise. Peame pidevalt mõtlema, kuidas need või andmed ise teatud suunas kiivas on,'' lisas professor. Teisisõnu tuleb pöörata üha rohkem sellele, kuidas andmemassi tõhusamalt filtreerida.

Hiljuti ilmunud töö kombineerib omavahel kaks matemaatilisest epidemioloogias levinud lähenemisviisi. Lisaks interneti poolt genereeritavatele suurandmetele on oluline osa epidemioloogilisel teoorial. ''Kuigi tegu on olemuslikult matemaatilise mudeliga, mis toetub gripi leviku kohta kogutud andmetele, kaasame sellesse uuel viisil suhte haiguse leviku ja meediakajastuse vahel. Inimesed on teinud küll oletusi, kuid kuni viimase ajani pole olnud võimalik kvantitatiivselt uurida, kuidas massimeedia käitub,'' nentis Mitchell.

''Laiemalt viitab mudel, et avalikkuse teadlikkust tõstev meediakajastus ja teavituskampaaniad laiemalt gripihooaja alguses haiguse levikut oluliselt pidurdada, kuigi mõju viivis on paar nädalat,'' märkis matemaatik. Paradoksaalsel kombel või laiamahuline meediakajastus ühel hooajal aga järgmiseks hooajaks eelnevalt olemasolevat immuunsust hoopis vähendada.

Töös kasutatud andmestik hõlmab endas paari miljonit Twitteri säutsu, mis sisaldasid endas otsest viidet gripile. ''Muidugi on meil kiusatus lisada üha rohkem ja rohkem andmeid, et mudelit täpsemaks teha, kuid nagu me tihti leiame, on märksa olulisem nende kvaliteet,'' lisas Mitchell. Mudeli täpsemaks muutmiseks tuleks seega tema hinnangul hoopis oluliste otsisõnade arvu hoopis vähendada ja pöörata rohkem tähelepanu grippi oluliseks pidavate inimeste demograafilistele näitajatele.

Ühe järgmise sammuna plaanib matemaatik kaasata kolleegidega täiendavatest allikatest pärinevaid andmeid. Sealhulgas arvestada perearstide poolt tehtavate tähelepanekutega ja riikliku terviseameti poolt kogutavate epidemioloogiliste andmetega. ''Nende puhul on muidugi alaliseks probleemiks, et ajaks, kui need kätte saad, on need juba vananenud. Sotsiaalmeedia pakub selles suhtes vahetumat pilti,'' tõdes Mitchell. Siinkohal võiks lahenduseks olla elektroonilise haigusloo laiem rakendamine, nagu tehakse seda Eestis.