حل للكشف عن وتصنيف والإبلاغ عن التسويق غير المشروع عبر الإنترنت ومبيعات المواد الخاضعة للرقابة عبر تويتر

Format
الملصقات
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

إنجليزية

Country
الولايات المتحدة الأمريكية
Keywords
online pharmacies
drug abuse
opioid abuse
machine learning
unsupervised machine learning
prescription drug misuse

حل للكشف عن وتصنيف والإبلاغ عن التسويق غير المشروع عبر الإنترنت ومبيعات المواد الخاضعة للرقابة عبر تويتر

تجريدي

الخلفية: في 6 و7 ديسمبر/كانون الأول 2017، استضافت وزارة الصحة والخدمات الإنسانية الأمريكية أول حدث لها في كود-أ-ثون يهدف إلى الاستفادة من التكنولوجيا والحلول القائمة على البيانات للمساعدة في مكافحة وباء المواد الأفيونية. شارك المؤلفون – فريق متعدد التخصصات من الأوساط الأكاديمية والقطاع الخاص والمراكز الأمريكية لمكافحة الأمراض والوقاية منها – في المدونة كجزء من مسار الوقاية.

الهدف: وكان الهدف من هذه الدراسة هو وضع ونشر منهجية تستخدم التعلم الآلي للكشف بدقة عن تسويق وبيع المواد الأفيونية من قبل البائعين غير الشرعيين عبر الإنترنت عبر تويتر كجزء من المشاركة في حدث قانون المواد الأفيونية HHS-a-Thon.

الطرق: تم جمع التغريدات من تدفق واجهة برمجة التطبيقات العامة على تويتر الذي تمت تصفيته للكلمات الرئيسية الشائعة لشبائه الأفيون الموصوفة طبيا بالتزامن مع المشاركة في Code-a-Thon في الفترة من 15 نوفمبر 2017 إلى 5 ديسمبر 2017. تم تطوير واستخدام نهج قائم على التعلم الآلي غير الخاضع للرقابة خلال مسابقة Code-a-Thon (24 ساعة) للحصول على ملخص لمحتوى التغريدات لعزل تلك المجموعات المرتبطة بالتسويق والبيع غير القانوني عبر الإنترنت باستخدام نموذج موضوع biterm (BTM). بعد عزل التغريدات ذات الصلة، تمت مراجعة الارتباطات التشعبية المرتبطة بهذه التغريدات لتقييم خصائص البائعين غير الشرعيين عبر الإنترنت.

النتائج: جمعنا وحللنا 213041 تغريدة على مدار كود-أ-ثون تحتوي على كلمات رئيسية كوديين وبيركوسيت وفيكودين وأوكسيكونتين وأوكسيكودون وفنتانيل وهيدروكودون. باستخدام BTM ، تم تحديد 0.32٪ (692/213،041) تغريدات على أنها مرتبطة بالتسويق غير القانوني عبر الإنترنت وبيع المواد الأفيونية الموصوفة طبيا. بعد إزالة التكرارات والروابط الميتة ، حددنا 34 تغريدة "حية" فريدة من نوعها ، مع 44٪ (15/34) توجه المستهلكين إلى الصيدليات غير المشروعة عبر الإنترنت ، و 32٪ (11/34) مرتبطة ببائعين المخدرات الفرديين ، و 21٪ (7/34) المستخدمة من قبل الشركات التابعة للتسويق. وبالإضافة إلى عرض بيع شبائه الأفيون "بدون وصفة طبية"، باع العديد من هؤلاء البائعين أيضا مواد خاضعة للرقابة ومخدرات غير مشروعة أخرى.

الاستنتاجات: وتتماشى نتائج هذه الدراسة مع الدراسات السابقة التي حددت منصات التواصل الاجتماعي، بما في ذلك تويتر، كقناة محتملة لتوريد وبيع المواد الأفيونية غير المشروعة. ولترجمة هذه النتائج إلى أفعال، طور المؤلفون أيضا نموذجا أوليا للإطار السلكي لأغراض الكشف عن تغريدات الصيدليات غير المشروعة على الإنترنت التي تبيع المواد الخاضعة للرقابة بشكل غير قانوني وتصنيفها والإبلاغ عنها إلى إدارة الغذاء والدواء الأمريكية ووكالة مكافحة المخدرات الأمريكية. ومن شأن مواصلة تطوير الحلول القائمة على هذه الأساليب أن تنبه المنظمين ووكالات إنفاذ القانون بشكل استباقي إلى المبيعات غير المشروعة لشبائه الأفيون، مع جعل البيئة الإلكترونية أكثر أمانا للجمهور.

شارك المعرفة: يمكن لأعضاء جمعية ISSUP النشر في مشاركة المعرفة – التسجيل أو الإشتراك في عضوية

شارك المعرفة: يمكن لأعضاء جمعية ISSUP النشر في مشاركة المعرفة – التسجيل أو الإشتراك في عضوية