Solução para detectar, classificar e relatar ilícito de Marketing Online e vendas de substâncias controladas através do Twitter

Format
Scientific article
Publication Date
Published by / Citation
Mackey T, Kalyanam J, Klugman J, Kuzmenko E, Gupta R Solution to Detect, Classify, and Report Illicit Online Marketing and Sales of Controlled Substances via Twitter: Using Machine Learning and Web Forensics to Combat Digital Opioid Access J Med Internet Res 2018;20(4):e10029 URL: http://www.jmir.org/2018/4/e10029 DOI: 10.2196/10029 PMID: 29613851
Original Language

inglês

Country
Estados Unidos
Keywords
online pharmacies
drug abuse
opioid abuse
machine learning
unsupervised machine learning
prescription drug misuse

Solução para detectar, classificar e relatar ilícito de Marketing Online e vendas de substâncias controladas através do Twitter

RESUMO

Fundo: 6 e 7 de dezembro, 2017, os E.U. departamento de saúde e serviços humanos (HHS) sediou seu primeiro evento de código-a-Thon visto tecnologia e soluções baseados em dados para ajudar a combater a epidemia de opioide. Os autores — uma equipe interdisciplinar de academia, setor privado e nos Centers for Disease Control and Prevention — participou o código-a-Thon como parte da trilha de prevenção.

Objetivo: O objetivo deste estudo foi desenvolver e implantar uma metodologia utilizando máquina de aprendizagem detectar com precisão a comercialização e venda de opioides pelo ilícitos vendedores on-line através do Twitter como parte da participação no evento HHS opioides código-a-Thon.

Métodos: Tweets foram coletados do Twitter público aplicativo programação interface fluxo filtrado para prescrição opioides palavras-chave comuns em conjunto com participação no código-a-Thon de 15 de novembro de 2017 para 5 de dezembro de 2017. Uma abordagem baseado em aprendizado de máquina supervisionado foi desenvolvida e usada durante a competição de código-a-Thon (24 horas) para obter um resumo do conteúdo dos tweets para isolar esses clusters associados marketing on-line ilegal e venda usando um tópico biterm modelo (BTM). Depois de isolar tweets relevantes, hiperlinks associados com esses tweets foram revistos para avaliar as características dos vendedores on-line ilegais.

Resultados: Estamos recolhidos e analisados 213.041 tweets ao longo da codeína de palavras-chave contendo código-a-Thon, percocet, vicodin, oxycontin, oxicodona, fentanil e hidrocodona. Usando BTM, tweets 0.32% (692/213.041) foram identificados como sendo associado com marketing online ilegal e venda de opioides de prescrição. Depois de remover duplicatas e links mortos, nós identificamos 34 exclusivas "ao vivo" tweets, com 44% (15/34) orientando os consumidores a ilícito Farmácias on-line, os vendedores de drogas ligadas ao individual (11/34) 32% e 21% (7/34) usado pelo marketing de afiliados. Além de oferecer a venda de "sem receita" de opioides, muitos desses fornecedores também venderam outras substâncias controladas e drogas ilícitas.

Conclusões: Os resultados deste estudo estão de acordo com estudos prévios que identificaram as plataformas de mídia social, incluindo o Twitter, como um potencial canal de fornecimento e venda de opioides ilícitos. Para traduzir esses resultados em ação, autores também desenvolveram um protótipo wireframe para fins de detecção, classificação, e relatar ilícita farmácia on-line tweets vender substâncias controladas ilegalmente para a Food and Drug Administration e o Estados Unidos Drug Enforcement Agency. Desenvolvimento de soluções baseadas nesses métodos tem o potencial de reguladores Alertas proativamente e agências de vendas ilegais de opioides, enquanto também tornar o ambiente on-line mais seguro para o público.