Anfang 2020 hielt das Corona-Virus die Welt für einen Moment still. Bevor die meisten es erst realisierten, befanden wir uns mitten in einer Pandemie, mit Lockdowns, Maskenpflicht und weiteren Vorsichtsmaßnahmen. Eine solche ungewöhnliche Situation ist eine echte Mammutaufgabe für das Gesundheitssystem, die Politik aber auch insbesondere für die Wissenschaft. Die Forschung lief auf Hochtouren, innerhalb kürzester Zeit wurde ein Impfstoff entwickelt. In der von mir präsentierten Studie handelt es sich allerdings um eine wissenschaftliche Arbeit, welche auf anderen Wegen versucht uns weiter zu bringen.

Nick Beauchamp, Professor an der Northeastern University, untersuchte in seiner in 2022 veröffentlichten Studie den Zusammenhang zwischen der Anzahl von schlechten Reviews für Duftkerzen und die der Covid-Fällen im gleichen Zeitraum. Er konnte eine Korrelation beweisen. Anosmie, also der Verlust des Geruchssinnes, ist eines der häufigsten Symptome einer Covid-19 Erkrankung.

Das Internet ist ein Ort, wo jeder Mensch stets seine Meinung oder andere Beiträge im Minutentakt weltweit teilen kann. Dies ist eine absolute Revolution für die Wissenschaft, da man nun permanenten Zugriff auf die geteilten Daten der Menschen hat. Der Vorteil ist, man kommt viel schneller an Daten einer großen Menge an Menschen, wenn man eine Studie durchführen will. Im Falle dieser Studie sucht man nach einem Ort, wo man Daten über den Geruchssinn der Menschen sammeln kann. Hier kommen die Duftkerzen und deren Reviews ins Spiel, denn diese liefern eben genau diese.

Methode: Kommen wir nun zur angewandten Methode der Studie. Untersucht wurden die Duftkerzen von Yankee Candle. Untersucht wurde ein Zeitraum von 172 Wochen, vom 01.09.2018 bis zum 20.12.2021. Insgesamt wurden 9837 Reviews auf die Stichwörter ,,no scent‘‘ oder ,,no smell‘‘ untersucht.

Beim untersuchten Modell wurden Funktionen erstellt welche mithilfe folgender Daten arbeitete:

• Die totale Anzahl an neuen Covid Fällen in den USA (covT)
• Die totale Anzahl an Covid Fällen der vorherigen Wochen in den USA (covT-1)
• Die totale Anzahl an aktuellen schlechten Reviews (revT)
• Die totale Anzahl an schlechten Reviews der vorherigen Woche (revT-1)

Die Korrelation zwischen den verschiedenen Funktionen wurde ausgewertet und lieferten folgende Ergebnisse:

• Der Effekt von revT-1 auf covT ist quasi 0. Es besteht also kein Zusammenhang zwischen schlechten Reviews und den Covid Fällen der kommenden Woche.
• Der Effekt von covT-1 auf revT liegt bei 0,24. Dies bedeutet, dass es einen Zusammenhang gibt zwischen den Covid Fällen in den USA und den schlechten Reviews für Duftkerzen in der darauffolgenden Woche.

Um die Resultate zu überprüfen wurden 3 Robustheitschecks durchgeführt:

1. Es könnte sein, dass der Zusammenhang auch für andere saisonale Erkrankungen wie Influenza gilt. Die Studie wurde also auch durchgeführt mit Influenza anstatt von Covid Fällen. Hier gab es diese Korrelation nicht.
2. Es könnte sein, dass es allgemein einen Zusammenhang zwischen der Jahreszeit und den Reviews für Duftkerzen gibt. Dies konnte dementiert werden, da es eben nur einen Zusammenhang zwischen den Wörtern ,,no smell‘‘, ,,no scent‘‘ und den Covid Fällen gibt. Andere Wortkombinationen konnten keine ähnlichen Resultate liefern.
3. Möglicherweise gilt der Zusammenhang nur für die Yankee Candle Kerzen und nicht für andere Duftkerzen. Aus diesem Grund wurde die Studie noch mit Vera Wang Kerzen durchgeführt. Das Resultat war bei beiden ähnlich.

Fazit: Man kann also abschließend sagen, dass die Reviews nicht in der Lage sind die Covid Fälle vorauszusagen. Dennoch kann man anhand solcher Untersuchungen ohne große Anstrengung gewisse Tendenzen in Covid Fällen beobachten. Diese Methodik wäre anwendbar auf viele Bereiche und man könnte somit eine Reihe an wichtigen Daten relativ einfach und ohne großen Aufwand beobachten und schnell auf Änderungen reagieren.

Dieser Artikel wurde am 19. Dezember 2022 von Claude im LEM.SCIENCE Journal Club vorgestellt.

Quelle

"This Candle Has No Smell": Detecting the effect of Covid anosmia on Amazon reviews using Bayesian Vector Autoregression Proceedings of the International AAAI Conference on Web and Social Media (ICWSM) 16(1), 1363-1367. (N. Beauchamp) 2022 [link].

Cover photo by Rebecca Peterson-Hall on Unsplash