Con el apoyo de herramientas estadísticas y computacionales, realizamos un modelo ad hoc las características generales de una comunidad específica para la detección de influenza. Nuestra investigación se realizó en la región de Peel, en Ontario, Canadá, que tiene una población de un millón y medio de habitantes. Como parte de nuestro estudio se construyó una red de contactos individuales, los cuales modelan el tipo de conexiones que pueden dar como resultado la transmisión de la infección entre las personas. Esta red se creó según las características sociodemográficas de la región y la información de las escuelas en el área y su matrícula. Por otro lado, contamos con la información de los datos confirmados que reportan las autoridades de salud, los cuales no son reportados al día, sino con dos semanas de retraso, ya que son obtenidos luego de realizar pruebas de laboratorio. Si las instituciones estuvieran interesadas en hacer la planeación de acciones sanitarias para las próximas semanas, entonces no contaríamos con la información en tiempo real para poner en marcha nuestro modelo estocástico de predicción.

     Con el fin de subsanar la falta de información que se tiene en las dos últimas semanas, usamos la información de las redes sociales, en particular de twitter, para obtener un aproximado del número de casos que hay durante las dos semanas no observadas.
     Con la información aproximada a tiempo real, se puede entonces actualizar el modelo de predicción y estimar el número de casos que se presentarán durante las siguientes horas o semanas.

La información de twitter que suele utilizarse, es la frecuencia en los mensajes relacionados con influenza en la región. No es necesario que sean manifestaciones abiertas de la enfermedad, menciones tales como “tengo x síntomas de influenza”, sino tan sólo publicaciones en las que los usuarios incluyen palabras clave relacionadas que pueden referirse a sinónimos de influenza (flu, gripe, etc.), síntomas, o también a medicamentos para aliviar sus síntomas. Esta fuente de información pretende medir la actividad de la influenza en la región y, aunque los mensajes en twitter se relacionan más cercanamente con casos que, por sintomatología, son sospechosos (también denominados ILI -Influenza like Illness), sí logran dar información de los casos que efectivamente son infectados por el agente.
     En este proyecto de investigación se propone una metodología que utiliza tanto la información oficial como la de actividad de la influenza contenida en mensajes de twitter para modelar el número de casos confirmados hasta la última hora. Realizado esto, se puede utilizar el modelo estocástico de predicción, bajo un escenario libre (sin intervención) o con control epidémico (tal como vacunación y cierre temporal de escuelas que presenten al menos un número de casos dentro de cierto periodo de tiempo).
     A partir de este estudio hemos visto que sí hay una fuerte relación entre la información alternativa obtenida en las redes sociales y los casos confirmados de influenza, sin embargo, hay que señalar que, en otros estudios que buscan relacionar la actividad en internet o mensajes de redes sociales con algún evento en particular, se ha observado que el volumen de los mensajes es propenso a cambiar de variable por la que le es más influyente. Por ejemplo, un aumento en la actividad de mensajes en twitter puede provocar, a su vez, un mayor aumento de este tipo de mensajes (autoexcitación). Con el fin de prevenir el efecto desfavorecedor de este cambio de comportamiento, se debe considerar que la relación entre twitter y la actividad real de la influenza es muy dinámica y como tal debe ser modelada.