Over the past decade the widespread proliferation of mobile devices and wearable technology has significantly changed the landscape of epidemiological data gathering and evolved into a field known as Digital Epidemiology. One source of active digital data collection is online participatory syndromic surveillance systems. These systems actively engage the general public in reporting health-related information and provide timely information about disease trends within the community. This dissertation comprehensively addresses how researchers can effectively use this type of data to answer questions about Influenza-like Illness (ILI) disease burden in the general population. We assess the representativeness and reporting habits of volunteers for these systems and use this information to develop statistically rigorous methods that adjust for potential biases. Specifically, we evaluate how different missing data methods, such as complete case and multiple imputation models, affect estimates of ILI disease burden using both simulated data as well as data from the Australian system, Flutracking.net. We then extend these methods to data from the American system, Flu Near You, which has different patterns. Finally, we provide examples of how this data has been used to answer questions about ILI in the general community and promote better understanding of disease surveillance and data literacy among volunteers.

<p>Within this thesis, we examined the possibilities of using an increasing amount of<br />publicly available metadata about locations and peoples&#39; activities in order to gain<br />new knowledge and develop new models of behavior and movement of people. The<br />purpose of the research conducted for this thesis was to solve practical problems,<br />such as: analyzing attractive tourist sites, defining the most frequent routes people<br />are taking, defining main ways of transportation, and discovering behavioral<br />patterns in terms of defining strategies to suppress expansion of virus infections. In<br />this thesis, a practical study was carried out on the basis of protected (aggregated<br />and anonymous) CDR (Caller Data Records) data and metadata of geo-referenced<br />multimedia content.</p> / <p>Предмет и циљ истраживања докторске дисертације представља евалуација<br />могућности коришћења све веће количине јавно доступних података о<br />локацији и кретању људи, како би се дошло до нових сазнања, развили нови<br />модели понашања и кретања људи који се могу применити за решавање<br />практичних проблема као што су: анализа атрактивних туристичких локација,<br />откривање путања кретања људи и средстава транспорта које најчешће<br />користе, као и откривање важних параметара на основу којих се може<br />развити стратегија за заштиту нације од инфективних болести итд. У раду је у<br />ту сврхе спроведена практична студија на бази заштићених (агрегираних и<br />анонимизираних) ЦДР података и метаподатака гео-референцираног<br />мултимедијалног садржаја. Приступ је заснован на примени техника<br />вештачке интелигенције и истраживања података.</p> / <p>Predmet i cilj istraživanja doktorske disertacije predstavlja evaluacija<br />mogućnosti korišćenja sve veće količine javno dostupnih podataka o<br />lokaciji i kretanju ljudi, kako bi se došlo do novih saznanja, razvili novi<br />modeli ponašanja i kretanja ljudi koji se mogu primeniti za rešavanje<br />praktičnih problema kao što su: analiza atraktivnih turističkih lokacija,<br />otkrivanje putanja kretanja ljudi i sredstava transporta koje najčešće<br />koriste, kao i otkrivanje važnih parametara na osnovu kojih se može<br />razviti strategija za zaštitu nacije od infektivnih bolesti itd. U radu je u<br />tu svrhe sprovedena praktična studija na bazi zaštićenih (agregiranih i<br />anonimiziranih) CDR podataka i metapodataka geo-referenciranog<br />multimedijalnog sadržaja. Pristup je zasnovan na primeni tehnika<br />veštačke inteligencije i istraživanja podataka.</p>