La investigación dirigida por la UCLA encuentra que los términos de búsqueda en Internet y los tweets relacionados con los comportamientos de riesgo sexual pueden predecir cuándo y dónde ocurrirán las tendencias de sífilis.
Dos estudios del Instituto de Tecnología de Predicción de la Universidad de California, con sede en UCLA, en colaboración con los Centros para el Control y la Prevención de Enfermedades, o CDC, encontraron una asociación entre ciertos términos relacionados con el riesgo que los usuarios de Google y Twitter investigaron o tuitearon ytendencias de sífilis posteriores que se informaron a los CDC. Los investigadores pudieron identificar estos casos a nivel estatal o de condado, dependiendo de la plataforma utilizada.
"Muchos de los problemas de salud pública más importantes en nuestra sociedad hoy en día - VIH e infecciones de transmisión sexual, abuso de opioides y cáncer - podrían prevenirse si tuviéramos mejores datos sobre cuándo y dónde ocurrían estos problemas", dijo Sean Young, fundador y director del Centro para el Comportamiento Digital de la UCLA y el Instituto de Tecnología de Predicción de la UC. "Estos dos estudios sugieren que las redes sociales y los datos de búsqueda en Internet podrían ayudar a solucionar este problema al predecir cuándo y dónde pueden ocurrir futuros casos de sífilis. Esto podríaser una herramienta que las agencias gubernamentales como los CDC podrían usar ", agregó Young, quien también es profesor asociado de medicina familiar en la Escuela de Medicina David Geffen de la UCLA.
Un estudio, que se publicará en la revista revisada por pares Epidemiología investigó la asociación entre consultas de búsqueda a nivel estatal en Google con casos de sífilis primaria y secundaria, las etapas más tempranas y más transmisibles en la infección de transmisión sexual, que posteriormente se informaron en estos estados.
Para este estudio, los investigadores compilaron datos de 25 palabras clave y frases como "encontrar sexo" y "ETS" recopiladas en Google Trends del 1 de enero de 2012 al 31 de diciembre de 2014. También obtuvieron el condado semanaldatos de sífilis de nivel de los CDC que cubren el mismo período de tiempo para los 50 estados, fusionaron esos datos por estado y los cotejaron con los datos semanales de Google Trends que habían recopilado.
La investigación incorporó un tipo de modelo estadístico de informática llamado aprendizaje automático, que puede examinar grandes cantidades de datos para encontrar patrones y predecir esos patrones. Esta máquina basada en inteligencia artificial analizó la relación entre las búsquedas relacionadas con la sífilis de las personas en Googley las tasas reales de sífilis durante un período de tiempo. Después de conocer ese patrón, probó si podía predecir con precisión los casos futuros de sífilis utilizando solo los términos de búsqueda de Google relacionados con la sífilis.
Los investigadores descubrieron que el modelo predijo 144 semanas de recuentos de sífilis para cada estado con una precisión del 90 por ciento, lo que les permitió predecir tendencias a nivel estatal en sífilis antes de que hubieran ocurrido.
Investigadores del instituto encontraron lo mismo con Twitter. En un estudio publicado en medicina preventiva tomaron datos de Twitter a nivel de condado del 26 de mayo al 9 de diciembre de 2012, por un total de 8,538 tweets ubicados geográficamente. Al igual que con el análisis de Google Trends, los investigadores compilaron una lista de palabras asociadas con comportamientos de riesgo sexual.
Revisaron casos semanales a nivel de condado de sífilis primaria y secundaria y sífilis latente temprana infección en los 12 meses anteriores, sin síntomas evidentes que probablemente ocurrieron en los 12 meses anteriores. Los casos fueron de los 50 estados y Washington,DC, y se informaron a los CDC de 2012 a 2013. Los datos de 2012 se incluyeron porque las tasas de sífilis previas de un condado pueden predecir las tasas futuras, y querían determinar cómo funcionaría el método basado en Twitter con los datos del año anterior.
Descubrieron que los condados que tenían tweets relacionados con el riesgo más altos en 2012 se asociaron con un salto de 2.7 por ciento en primaria y secundaria y un aumento de 3.6 por ciento en casos de sífilis latente temprana en 2013. En comparación, los condados que informaron un mayor número de casos de sífilis enEl 2012 se asoció con aumentos de 0.6 por ciento y 0.4 por ciento de los casos de sífilis primaria / secundaria y latente temprana, respectivamente, en 2013, lo que sugiere que el modelo basado en Twitter funcionó tan bien como simplemente usando los datos de sífilis del año anterior. Esto es importante porque los datos de Twitterson extremadamente económicos y sugieren que los datos de las redes sociales son alternativas de bajo costo para predecir la sífilis.
Ambos estudios tienen ciertas limitaciones. Para el artículo de Google, incluyen la probabilidad de que no se reporten muchos casos de sífilis primaria y secundaria; los hallazgos fueron sesgados hacia los usuarios de Google, que representan alrededor del 64 por ciento de los usuarios de motores de búsqueda; y GoogleLos datos de tendencias son una muestra aleatoria de todos los datos y no del conjunto de datos completo, lo que podría haber afectado el funcionamiento del modelo. En el caso del estudio de Twitter, los datos se basaron en usuarios de Twitter, que es una muestra selecta de personas; los investigadores solo revisaron los datospara 2012 y 2013, cuando se necesitarían datos de un período de tiempo más largo para desarrollar respuestas apropiadas de salud pública, y algunas áreas con un alto número de casos de sífilis pueden haber recibido mensajes de salud pública a través de las redes sociales que contenían palabras clave relevantes que fueron capturadas en los datoslos investigadores examinaron
Fuente de la historia :
Materiales proporcionado por Universidad de California - Ciencias de la salud de Los Ángeles . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :