Ubiquitous internet access is reshaping the way we live, but it is accompanied by unprecedented challenges in preventing chronic diseases planted by long exposure to unhealthy lifestyles. This paper proposes leveraging online shopping behaviors as a proxy for personal lifestyle choices to improve chronic disease prevention literacy targeted for times when e-commerce user experience has been assimilated into most people's daily lives. Here, retrospective longitudinal query logs and purchase records from millions of online shoppers were accessed, constructing a broad spectrum of lifestyle features covering assorted product categories and buyer personas. Using the lifestyle-related information preceding their first purchases of prescription drugs, we could determine associations between online shoppers' past lifestyle choices and whether they suffered from a particular chronic disease or not. Novel lifestyle risk factors were discovered in two exemplars -- depression and diabetes, most of which showed cognitive congruence with existing healthcare knowledge. Further, such empirical findings could be adopted to locate online shoppers at high risk of these chronic diseases with fair accuracy, closely matching the performance of screening surveys benchmarked against medical diagnosis. Unobtrusive chronic disease surveillance via e-commerce sites may soon meet consenting individuals in the digital space they already inhabit.


翻译:在线上网正在改变我们的生活方式,但与此同时,在预防长期接触不健康的生活方式所滋生的慢性疾病方面出现了前所未有的挑战。本文建议利用在线购物行为作为个人生活方式选择的代用品,以改善针对电子商务用户的经验已融入大多数人日常生活的慢性疾病预防扫盲工作。在这里,访问了微量纵向查询日志和数百万在线购物者的购买记录,构建了包括各种产品类别和买主在内的广泛生活方式特征。利用首次购买处方药品之前与生活方式有关的信息,我们可以确定网上购物者以往生活方式选择之间的关联,以及他们是否患有某种特定慢性疾病。在两个Explales -- -- 抑郁症和糖尿病 -- -- 中发现了新颖的生活方式风险因素,其中多数显示了与现有保健知识的认知一致性。此外,可以采用这种经验调查结果,以公平准确的方式将这些慢性疾病高风险的在线购物者定位于这些慢性疾病,并密切匹配根据医学诊断进行的筛选调查的绩效。通过电子商务网站进行的非侵入性慢性疾病监控可能很快满足在数字空间已居住中同意的个人。

0
下载
关闭预览

相关内容

专知会员服务
37+阅读 · 2021年4月27日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员