Las campañas de divulgación pública pueden prevenir la propagación de enfermedades devastadoras pero tratables, como la tuberculosis TB, la malaria y la gonorrea. Pero garantizar que estas campañas lleguen efectivamente a pacientes no diagnosticados, que sin saberlo pueden transmitir la enfermedad a otros, es un gran desafío para el efectivo.Ahora, un equipo de investigadores de la USC Viterbi School of Engineering ha creado un algoritmo que puede ayudar a los responsables políticos a reducir la propagación general de la enfermedad. El algoritmo también está optimizado para aprovechar al máximo los recursos limitados, como los presupuestos publicitarios.
Para crear el algoritmo, los investigadores utilizaron datos, incluidas las tendencias de enfermedades conductuales, demográficas y epidémicas, para crear un modelo de propagación de la enfermedad que captura la dinámica de la población subyacente y los patrones de contacto entre las personas.
Utilizando simulaciones por computadora, los investigadores probaron el algoritmo en dos casos del mundo real: tuberculosis TB en India y gonorrea en los Estados Unidos. En ambos casos, encontraron que el algoritmo hizo un mejor trabajo en la reducción de casos de enfermedades que la salud actualpolíticas de divulgación al compartir información sobre estas enfermedades con personas que podrían estar en mayor riesgo.
El estudio fue publicado en la Conferencia AAAI sobre Inteligencia Artificial. Los autores son Bryan Wilder, candidato a un doctorado en ciencias de la computación, Milind Tambe, el profesor de Ingeniería de Helen N. y Emmett H. Jones, profesor de ciencias de la computación.e ingeniería industrial y de sistemas y cofundador del Centro USC para IA en la sociedad y Sze-chuan Suen, profesor asistente en ingeniería industrial y de sistemas.
"Nuestro estudio muestra que un algoritmo sofisticado puede reducir sustancialmente la propagación de la enfermedad en general", dice Wilder, el primer autor del artículo. "Podemos hacer una gran diferencia e incluso salvar vidas, simplemente siendo un poco más inteligentes acerca de cómoutilizamos recursos y compartimos información de salud con el público "
Revelando la dinámica de la enfermedad
El algoritmo también pareció hacer un uso más estratégico de los recursos. El equipo descubrió que se concentraba fuertemente en grupos particulares y no simplemente asignó más presupuesto a grupos con una alta prevalencia de la enfermedad. Esto parece indicar que el algoritmo está aprovechandopatrones obvios y aprovechando interacciones a veces sutiles entre variables que los humanos pueden no ser capaces de identificar.
Los modelos matemáticos del equipo también tienen en cuenta que las personas se mueven, envejecen y mueren, lo que refleja una dinámica de población más realista que muchos algoritmos existentes para el control de enfermedades. Por ejemplo, las personas pueden no curarse instantáneamente, por lo que reducir la prevalencia a los 30 años podría significarcrear comunicaciones de salud pública dirigidas para personas a los 27 años.
"Si bien existen muchos métodos para identificar poblaciones de pacientes para campañas de divulgación de salud, no muchos consideran la interacción entre los patrones de población cambiantes y la dinámica de la enfermedad a lo largo del tiempo", dice Suen, quien también tiene una cita como profesora asistente en Leonard D. SchaefferCentro de Política y Economía de la Salud.
"Menos aún consideran cómo usar un enfoque algorítmico para optimizar estas políticas dada la incertidumbre de nuestras estimaciones de la dinámica de esta enfermedad. Tomamos en cuenta ambos efectos en nuestro enfoque"
Dado que los patrones de transmisión para la infección varían con la edad, el equipo de investigación usó datos estratificados por edad para determinar el público demográfico óptimo para las comunicaciones de salud pública. Pero el algoritmo también podría segmentar las poblaciones usando otras variables, incluyendo el género y la ubicación.
En el futuro, las ideas del estudio también podrían arrojar luz sobre los resultados de salud para otras intervenciones de enfermedades infecciosas, como el VIH o la gripe.
Fuente de la historia :
Materiales proporcionado por Universidad del Sur de California . Original escrito por Caitlin Dawson. Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :