飲食店の顧客によるオンラインレビューを利用した食品媒介疾患未報告例の検出 ― ニューヨーク市、2012～2013年

日本語
English

ホーム IMICライブラリ MMWR抄訳 2014年（Vol.63)飲食店の顧客によるオンラインレビューを利用した食品･･･

MMWR抄訳

2014/05/23Vol. 63 / No. 20

MMWR63(20):441－445
Using Online Reviews by Restaurant Patrons to Identify Unreported Cases of Foodborne Illness — New York City, 2012–2013

飲食店の顧客によるオンラインレビューを利用した食品媒介疾患未報告例の検出 ― ニューヨーク市、2012～2013年

飲食店関連の消化器疾患アウトブレイクの調査の一環として、ニューヨーク市Department of Health and Mental Hygiene(DOHMH)は、ウェブ上のレビュー投稿サイトYelpに着目した。DOHMHは、報告されていない食品媒介疾患症例がYelpを利用して抽出できる可能性を調査するため、コロンビア大学と共同でパイロットプロジェクトに取り組んだ。プロジェクトでは、1)投稿レビュー中のキーワード「sick(具合が悪い)」、「vomit(嘔吐)」、「diarrhea(下痢)」、「food poisoning(食中毒)」、2)複数名による報告、3)摂食後10時間以上の3条件下に解析ソフトを使用してレビューを抽出し、疫学専門家が1件ずつ評価を行った。2012年7月1日～2013年3月31日の間にYelpに投稿された飲食店レビュー約294,000件をソフトウェアプログラムにより検索し、さらに893件を抽出、専門家による評価で499件(56％)が食品媒介疾患に該当し、うち摂食後4週間以上経過している投稿を除外したところ、468件(94％)となった。このうち同時期にDOHMHにも報告された症例はわずか15件(3％)であった。339件は発症者が1名のみであることから除外し、残りの129件についてさらに精査した。27件(21％)の投稿者に電話調査を行った結果、飲食店3軒にてDOHMHの基準に該当するアウトブレイクが発生、DOHMHに未報告で16例が発症していたことが判明した。レビューは摂食後2～5日にYelpに投稿されていた。3軒のうち2軒には電話調査の週にDOHMHによる環境調査が実施され、食品の取り扱いに関し複数の違反が指摘された。原因として疑わしい食品はハウスサラダ、海老のカネロニ、マカロニ、チーズの春巻きであったが、原因病原体は特定されなかった。Yelpは投稿者の追跡が可能であることから、発生源が限定された小規模なアウトブレイクの検出に有効であった。DOHMHは検出・調査にかかる時間の短縮と精度の向上を図るため、Yelpレビューの解析頻度を上げ、他のサイトの追加も検討している。ソーシャルメディアは今後の普及拡大が見込まれることから、公衆衛生の情報源としても有用な可能性がある。

References

Scallan E, Hoekstra RM, Angulo FJ, et al. Foodborne illness acquired in the United States—major pathogens. Emerg Infect Dis 2011;17:7–15.
Hall M, Frank E, Holmes G, Pfahringer B, Reutemann P, Witten IH. The WEKA data mining software: an update. ACM SIGKDD Explorations 2009;11:10–8.
The City of New York. NYC 311. New York, NY: The City of New York; 2014. Available at ＜http://www.nyc.gov/311＞.
CDC. Three years of emergency department gastrointestinal syndromic surveillance in New York City: what have we found? In: Syndromic surveillance: reports from a national conference, 2004. MMWR 2005;54(Suppl):175–80.
Carneiro H, Mylonakis E. Google Trends: a web-based tool for real-time surveillance of disease outbreaks. Clin Infect Dis 2009;49:1557–64.
Culotta A. Towards detecting influenza epidemics by analyzing Twitter messages. In: Proceedings of the First Workshop on Social Media Analytics, July 25, 2010; Washington, DC. New York, NY: Association for Computing Machinery; 2010. Available at ＜http://snap.stanford.edu/soma2010/papers/soma2010_16.pdf＞.
Paul M, Dredze M. You are what you tweet: analyzing Twitter for public health. In: Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media, July 17–21, 2011; Barcelona, Spain. Palo Alto, CA: AAAI Press; 2011:265–72.
Sadilek A, Brennan S, Kautz H, Silenzio V. nEmesis: which restaurants should you avoid today? In: Proceedings of the First AAAI Conference on Human Computation and Crowdsourcing, November 6–9, 2013; Palm Springs, California. Available at ＜http://www.aaai.org/ocs/index.php/HCOMP/HCOMP13/paper/viewFile/7475/7413＞.
Fox S, Rainie L, Pew Research Center. Pew Internet research project: the Web at 25 in the U.S.; 2014. Available at ＜http://www.pewinternet.org/2014/02/27/the-web-at-25-in-the-u-s＞.
Utah Department of Health. Report a foodborne illness. Salt Lake City, UT: State of Utah, Utah Department of Health; 2012. Available at ＜http://igotsick.health.utah.gov＞.