ٹویٹر کے ذریعہ غیر قانونی آن لائن مارکیٹنگ اور کنٹرول شدہ مادوں کی فروخت کا پتہ لگانے ، درجہ بندی کرنے اور رپورٹ کرنے کا حل

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

انگریزی

Country
United States
Keywords
online pharmacies
drug abuse
opioid abuse
machine learning
unsupervised machine learning
prescription drug misuse

ٹویٹر کے ذریعہ غیر قانونی آن لائن مارکیٹنگ اور کنٹرول شدہ مادوں کی فروخت کا پتہ لگانے ، درجہ بندی کرنے اور رپورٹ کرنے کا حل

اخذ کرنا

پس منظر: 6 اور 7 دسمبر، 2017 کو، امریکی محکمہ صحت اور انسانی خدمات (ایچ ایچ ایس) نے اپنے پہلے کوڈ-اے-تھون ایونٹ کی میزبانی کی جس کا مقصد اوپیوڈ وبا کا مقابلہ کرنے میں مدد کے لئے ٹیکنالوجی اور ڈیٹا سے چلنے والے حل سے فائدہ اٹھانا تھا۔ مصنفین – تعلیمی اداروں ، نجی شعبے ، اور امریکی بیماریوں کے کنٹرول اور روک تھام کے مراکز سے تعلق رکھنے والی ایک انٹر ڈسپلنری ٹیم – نے روک تھام کے ٹریک کے حصے کے طور پر کوڈ اے تھون میں حصہ لیا۔

مقصد: اس مطالعہ کا مقصد ایچ ایچ ایس اوپیوائیڈ کوڈ-اے-تھون ایونٹ میں شرکت کے حصے کے طور پر ٹویٹر کے ذریعہ غیر قانونی آن لائن فروخت کنندگان کی طرف سے اوپیوئڈز کی مارکیٹنگ اور فروخت کا درست طور پر پتہ لگانے کے لئے مشین لرننگ کا استعمال کرتے ہوئے ایک طریقہ کار تیار کرنا اور تعینات کرنا تھا۔

طریقے: 15 نومبر 2017 سے 5 دسمبر 2017 تک کوڈ اے تھون میں شرکت کے ساتھ ساتھ ٹویٹر پبلک ایپلی کیشن پروگرامنگ انٹرفیس اسٹریم سے ٹویٹس جمع کی گئیں۔ کوڈ اے تھون مقابلے (24 گھنٹے) کے دوران ایک غیر محفوظ مشین لرننگ پر مبنی نقطہ نظر تیار کیا گیا تھا اور استعمال کیا گیا تھا تاکہ ٹویٹس کے مواد کا خلاصہ حاصل کیا جاسکے تاکہ غیر قانونی آن لائن مارکیٹنگ اور فروخت سے وابستہ گروپوں کو بائی ٹرم ٹاپک ماڈل (بی ٹی ایم) کا استعمال کرتے ہوئے الگ کیا جاسکے۔ متعلقہ ٹویٹس کو الگ کرنے کے بعد ، غیر قانونی آن لائن فروخت کنندگان کی خصوصیات کا جائزہ لینے کے لئے ان ٹویٹس سے وابستہ ہائپر لنکس کا جائزہ لیا گیا۔

نتائج: ہم نے کوڈ-اے-تھون کے دوران 213،041 ٹویٹس کو جمع اور تجزیہ کیا جس میں مطلوبہ الفاظ کوڈین، پرکوسیٹ، ویکوڈین، آکسیکونٹین، آکسیکوڈون، فینٹانل اور ہائیڈروکوڈون شامل تھے۔ بی ٹی ایم کا استعمال کرتے ہوئے ، 0.32٪ (692 / 213،041) ٹویٹس کی شناخت غیر قانونی آن لائن مارکیٹنگ اور نسخے والے اوپیوڈز کی فروخت سے وابستہ ہونے کے طور پر کی گئی تھی۔ نقل اور مردہ لنکس کو ہٹانے کے بعد ، ہم نے 34 انوکھے "لائیو" ٹویٹس کی نشاندہی کی ، جس میں 44٪ (15/34) صارفین کو غیر قانونی آن لائن فارمیسیوں کی طرف ہدایت کی گئی ، 32٪ (11/34) انفرادی منشیات فروخت کنندگان سے منسلک تھے ، اور 21٪ (7/34) مارکیٹنگ سے وابستہ افراد کے ذریعہ استعمال کیے گئے تھے۔ اوپیوئڈز کی "کوئی نسخہ نہیں" فروخت کرنے کے علاوہ ، ان میں سے بہت سے دکانداروں نے دیگر کنٹرول شدہ مادے اور غیر قانونی منشیات بھی فروخت کیں۔

نتیجہ: اس مطالعے کے نتائج سابقہ مطالعات سے مطابقت رکھتے ہیں جن میں ٹویٹر سمیت سوشل میڈیا پلیٹ فارمز کو غیر قانونی اوپیوئڈز کی فراہمی اور فروخت کے لئے ممکنہ ذریعہ کے طور پر شناخت کیا گیا ہے۔ ان نتائج کو عملی جامہ پہنانے کے لیے مصنفین نے ایک پروٹو ٹائپ وائر فریم بھی تیار کیا ہے جس کا مقصد امریکی فوڈ اینڈ ڈرگ ایڈمنسٹریشن اور امریکی ڈرگ انفورسمنٹ ایجنسی کو غیر قانونی طور پر کنٹرول شدہ مادے فروخت کرنے والی غیر قانونی آن لائن فارمیسی ٹویٹس کا پتہ لگانا، ان کی درجہ بندی کرنا اور ان کی اطلاع دینا ہے۔ ان طریقوں پر مبنی حل کی مزید ترقی میں ریگولیٹرز اور قانون نافذ کرنے والے اداروں کو غیر قانونی اوپیوئڈ کی فروخت کے بارے میں فعال طور پر خبردار کرنے کی صلاحیت ہے ، جبکہ آن لائن ماحول کو عوام کے لئے محفوظ بھی بناتا ہے۔