"Esta gripe es horrible. No puede respirar, no puede dormir ni comer. Dolor muscular, fiebre 102. Debería haber recibido la vacuna. Es hora de un maratón de películas".
El tweet anterior parece 140 caracteres de miseria. Pero en manos de Alessandro Vespignani del noreste y sus colegas, es mucho más.
Un equipo internacional liderado por Vespignani ha desarrollado un modelo computacional único para proyectar la propagación de la gripe estacional en tiempo real. Utiliza publicaciones en Twitter en combinación con parámetros clave de la epidemia de cada temporada, incluido el período de incubación de la enfermedad, eltasa de inmunización, cuántas personas puede infectar un individuo con el virus y las cepas virales presentes.
Probado contra los sistemas oficiales de vigilancia de la gripe, se ha demostrado que el modelo pronostica con precisión la evolución de la enfermedad con hasta seis semanas de anticipación, significativamente antes que otros modelos. Permitirá a las agencias de salud pública planificar con anticipación la asignación de recursos médicos y el lanzamiento de campañasque alientan a las personas a tomar medidas preventivas como la vacunación y el aumento del lavado de manos.
"En el pasado, no teníamos conocimiento de las condiciones iniciales de la gripe", dice Vespignani, quien también es director del Network Science Institute en Northeastern. Las condiciones iniciales, que muestran dónde y cuándo comenzó una epidemia, así comoEl alcance de la infección: funciona como una plataforma de lanzamiento para pronosticar la propagación de cualquier enfermedad.
Para determinar esas condiciones, los investigadores incorporaron Twitter en su modelo basado en parámetros. "Este tipo de integración nunca se había hecho antes", dice Vespignani. "No estábamos buscando la cantidad de personas que estaban enfermas porque Twitter nodecirte eso. Lo que queríamos saber era: ¿Tenemos más gripe en este momento en Texas o en Nueva Jersey, en Seattle o en San Francisco? Twitter, que incluye ubicaciones de GPS, es un proxy para eso.a cuántas personas tuitearon sobre sus síntomas o cuán miserables fueron debido a la gripe, pudimos obtener un peso relativo en cada una de esas áreas de los Estados Unidos "
El artículo sobre el modelo novedoso recibió el codiciado premio Mención de Honor al Mejor Documento en la Conferencia Internacional de la World Wide Web 2017 el mes pasado después de su presentación. Fue uno de los únicos cuatro documentos de más de 400 presentados para ser seleccionados para un premio.
Un trabajo en progreso
El trabajo de los investigadores comenzó cuando los Centros para el Control y la Prevención de Enfermedades anunciaron el "Predict the Influenza Season Challenge" en noviembre de 2013, una invitación a investigadores externos para avanzar en la ciencia de pronosticar enfermedades infecciosas. Vespignani y su equipo han participado alguna vezdesde entonces, con el nuevo documento que cubre sus proyecciones para las temporadas de gripe 2014-15 y 2015-16 en los EE. UU., Italia y España.
Durante esos períodos de tiempo, aplicaron pronósticos y otros algoritmos semana a semana a los parámetros clave informados por los datos de Twitter. "Esto nos dio una gran cantidad de posibles formas en que la enfermedad podría evolucionar", dice Vespignani. Luego coincidieron con el resultadosimulaciones con los datos de vigilancia generados por los CDC e informes clínicos y personales de enfermedades similares a la influenza de los tres países ". Los datos de vigilancia nos dicen la verdad fundamental durante las últimas cuatro semanas, pero siempre se retrasan aproximadamente una semana porque ustednecesitan obtener el informe del médico ", dice. Al analizar la dinámica evolutiva revelada en los datos pasados, pudieron seleccionar el modelo que probablemente pronosticaría el futuro.
El modelado explícito de los parámetros de la enfermedad, información sobre la dinámica de la enfermedad en sí misma, distingue el modelo de Vespignani de otros en el desafío. Por ejemplo, podrían identificar la semana en que la epidemia alcanzaría su punto máximo y la magnitud deese pico con una precisión del 70 al 90 por ciento seis semanas antes del evento.
"Al capturar los parámetros clave, podríamos rastrear qué tan grave era la gripe cada año en comparación con cada dos años y ver qué estaba impulsando la propagación", dice el primer autor Qian Zhang, PhD'14, científico investigador asociado en Northeastern ".Eso es lo que realmente les importa a las agencias de salud pública y a los epidemiólogos. No solo estamos jugando un juego de números, que es lo que hacen los modelos estadísticos ".
Si bien el documento informa los resultados utilizando datos de Twitter, los investigadores señalan que el modelo también puede trabajar con datos de muchas otras fuentes digitales, así como con encuestas en línea de individuos como influenzanet, que es muy popular en Europa.
"Nuestro modelo es un trabajo en progreso", enfatiza Vespignani. "Planeamos agregar nuevos parámetros, por ejemplo, la estructura de la escuela y el lugar de trabajo. Esto no es un desafío en el sentido de que quieres ganar. Es un desafío científico".en el que desea aprender: para ver que no hay un solo modelo, sino una cartera de modelos que nos dirá cosas nuevas "
Fuente de la historia :
Materiales proporcionado por Universidad del noreste . Original escrito por Thea Singer. Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :