Al combinar datos de una variedad de fuentes no tradicionales, un equipo de investigación dirigido por epidemiólogos computacionales en el Boston Children's Hospital ha desarrollado modelos predictivos de actividad similar a la gripe que proporcionan estimaciones robustas en tiempo real también conocidas como "yesos ahora" deactividad de la gripe y pronósticos precisos de niveles de enfermedades similares a la gripe hasta dentro de tres semanas en el futuro. Los hallazgos del equipo - publicados en la revista PLoS Biología Computacional - demuestre que su enfoque, denominado modelado por conjuntos, da como resultado predicciones que son más sólidas que las generadas solo por una fuente de datos, y que rivalizan en tiempo real con la precisión de los informes retrospectivos de gripe de los CDC.
"Nos hemos centrado durante muchos años en el uso de fuentes de datos individuales para rastrear una variedad de enfermedades", dijo el autor principal del estudio John Brownstein, PhD, director de innovación en jefe de Boston Children's y cofundador del sitio de seguimiento de enfermedades HealthMap ".representa el siguiente paso lógico: combinar datos de una nueva manera donde el todo es más valioso que la suma de sus partes.
"El pronóstico del tiempo es una disciplina establecida y se ha arraigado en la sociedad", agregó. "Creemos que ha llegado el momento de que ocurra lo mismo con el pronóstico de la enfermedad".
Si bien los CDC monitorean de cerca la actividad de enfermedades similares a la gripe estacional en los EE. UU., Los datos informan que genera y distribuye a los médicos y las autoridades de salud pública están históricamente desactualizadas de una a dos semanas. Como predicciones precisas podrían ayudar a guiar a los hospitales yLos sistemas de salud en la asignación de recursos para el cuidado de la gripe, muchos grupos han intentado crear modelos que podrían proporcionar instantáneas precisas en tiempo real de la corriente y las predicciones de la actividad inminente de la gripe. El más famoso de estos intentos es probablemente Google Flu Trends GFT, lanzado en2008 pero fue dado de baja en 2015.
"Hay muchas fuentes de datos y modelos que se pueden usar para predecir síntomas similares a la gripe en la población", dijo el autor principal del estudio, Mauricio Santillana, PhD, del Programa de Informática de Salud Computacional para Niños de Boston y la Escuela de Harvard John A. Paulson deIngeniería y Ciencias Aplicadas. "Pero nuestra pregunta era, si tenemos muchos modelos que predicen la actividad de la gripe, ¿ganamos algo combinándolos?"
El equipo de Santillana y Brownstein comenzó con cuatro modelos separados de actividad de enfermedades similares a la gripe, cada uno con datos agregados, anónimos y de nivel nacional de una de cuatro fuentes: a datos de búsqueda de Google;b datos de Twitter;c datos clínicos casi en tiempo real del administrador de registros de salud electrónicos EHR en la salud;yd datos de la gripe de origen público de Flu Near You, un sistema de vigilancia participativa desarrollado por HealthMap.En un enfoque similar al utilizado por los meteorólogos para predecir las huellas de huracanes, el equipo utilizó técnicas de aprendizaje automático para generar un conjunto de modelos de "conjunto" que incorporaron los resultados producidos por los otros cuatro modelos de fuente única.
Para determinar la precisión y robustez de sus modelos de conjunto, el equipo de Santillana y Brownstein comparó sus resultados con los de cada uno de los cuatro modelos fuente en tiempo real, así como con los informes históricos de enfermedades similares a la gripe de los CDC y los modelos ahora basados en GFTde las temporadas de gripe 2013-14 y 2014-15. Los modelos de conjunto no solo superaron a sus cuatro modelos fuente en tiempo real, sino que, en comparación con los informes históricos de enfermedades similares a la gripe de los CDC, generaron mejores pronósticos tanto del momento como de la magnitud de la gripesimilar a la actividad de la enfermedad en cada horizonte temporal medido "esta semana", "la próxima semana", "en dos semanas" que los modelos que se basan únicamente en información histórica.
Las predicciones de conjunto también rastrearon con precisión los informes de los CDC sobre la actividad real de la gripe, con una correlación casi perfecta correlación de Pearson de 0.99 para estimaciones en tiempo real y una correlación ligeramente menor correlación de Pearson de 0.90 en el horizonte temporal de dos semanas.
Así, señala Santillana, la respuesta a su pregunta es sí. "Si combinamos múltiples fuentes de datos, obtenemos una predicción más fuerte, más robusta y más precisa de la actividad de la gripe".
Agregó que una de las claves del éxito del modelo es la inclusión de las redes sociales y los datos de EHR. "La gente a veces se pregunta si la información que estamos obteniendo de las redes sociales o EHR es realmente valiosa, y podríamos salirse con la suya".construyendo modelos basados en datos históricos. Pero descubrimos que las fuentes de datos a las que teníamos acceso nos proporcionaron información que era mejor que solo mirar patrones históricos ".
El equipo de investigadores espera aumentar la resolución geográfica de los modelos, en este momento, solo predice la actividad de la gripe a escala nacional, así como ampliar las capacidades de los modelos para rastrear otras enfermedades donde hay múltiples fuentes de datos disponibles por ejemplo,dengue, y la actividad de la enfermedad en otras naciones. También esperan producir una herramienta de predicción de la gripe disponible al público basada en sus modelos.
"¿Qué han soñado las personas en informática, medicina y salud pública durante años? La capacidad de aprovechar todo tipo de datos, históricos, sociales, HME, etc. para crear un sistema de salud de aprendizaje", dijo Brownstein."Con este enfoque, creemos que hemos dado un gran paso en esa dirección. Nuestro trabajo ahora es ver si podemos refinarlo y ampliarlo, y aplicarlo de manera que pueda beneficiar a tantas personas como sea posible".
Fuente de la historia :
Materiales proporcionados por Boston Children's Hospital . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :