ServicenavigationHauptnavigationTrailKarteikarten


Research unit
FSVO
Project number
17AC
Project title
Alert Centre for foodborne diseases in Switzerland

Texts for this project

 GermanFrenchItalianEnglish
Key words
Anzeigen
-
-
-
Short description
Anzeigen
-
-
-
Project aims
Anzeigen
-
-
-
Publications / Results
-
-
-
Anzeigen

Inserted texts


CategoryText
Key words
(German)
Twitter, Alarmierung, lebensmittelbedingt, Krankheitshäufungen, Ausbruch, Big Data, Früherkennung
Short description
(German)
Gruppenausbrüche, verursacht durch Lebensmitteltoxiinfektionen respektive Lebensmittelintoxikationen werden oft nicht oder erst spät erkannt. Damit können Massnahmen zu deren weiteren Ausbreitung (zu) spät oder gar nicht mehr ergriffen werden. Dies führt zu einer Vielzahl von Erkrankungen. In der Schweiz sind – je nach Erreger – tausende Personen betroffen. Solche Erkrankungen (z.B. Gastroenteritiden) verursachen beträchtliche Kosten für das Gesundheitswesen. Erkrankungen von Einzelpersonen, ohne offensichtlichen Zusammenhang mit Lebensmitteln oder anderen Personen, werden in der Regel gar nicht erkannt ebenso wenig auf dem Markt befindliche kontaminierte Lebensmittel, die zu vereinzelten Erkrankungen führen. Auch hier dürften die verursachten Kosten beträchtlich sein. Soziale Medien (z.B. Twitter) werden heute von zahlreichen Personen genutzt um persönliche Erfahrungen (Tweets) Freunden und Bekannten mitzuteilen und in einer breiten Öffentlichkeit publik zu machen. Gehäuft auftretende Mitteilungen (Tweets) von Krankheitsereignissen könnten eine mögliche Quelle für eine frühere Identifikation von lebensmittelbedingten Erkrankungen wie bspw. Gastroenteritiden, Hepatitiden, etc. darstellen. Das (Twitter) Alert Center Projekt hat zum Ziel die Möglichkeiten einer webbasierte Plattform zur Visualisierung und Überwachung von Twitter-Aktivitäten im Zusammenhang mit lebensmittelassoziierten Erkrankungen auszuloten um im Sinne einer Früherkennung auf solche Ereignisse reagieren zu können.
Project aims
(German)

1.  Die Sammlung von Tweets in Echtzeit basierend auf einer Reihe von Schlüsselwörtern 

2.  Nachweis von Tweets im Zusammenhang mit Lebensmittelinfektionen oder Lebensmitteltoxin-Infektionen

3.  Die Visualisierung solcher Daten auf einer webbasierten Plattform
Publications / Results
(English)
Related documents