Según un estudio de la Universidad de Waterloo, analizar las tendencias en Twitter y Google puede ayudar a predecir los sustos de las vacunas que pueden provocar brotes de enfermedades.
En el estudio, los investigadores examinaron las búsquedas de Google y los tweets geocodificados con la ayuda de inteligencia artificial y un modelo matemático. Los datos resultantes les permitieron analizar las percepciones públicas sobre el valor de vacunarse y determinar cuándo una población se acercaba a una propinapunto.
En el estudio, un punto de inflexión representó el punto en el que la cobertura de la vacuna disminuye drásticamente debido a la propagación del miedo, lo que podría causar grandes brotes de enfermedades debido a la pérdida de la inmunidad de la población.
"Lo que este estudio nos dice es que las mismas teorías matemáticas utilizadas para predecir los puntos de inflexión en fenómenos como los patrones climáticos cambiantes también se pueden usar para ayudar a predecir los puntos de inflexión en la salud pública", dijo Chris Bauch, profesor de matemáticas aplicadas enWaterloo: "Al monitorear las actitudes de las personas hacia las vacunas en las redes sociales, las organizaciones de salud pública pueden tener la oportunidad de dirigir sus recursos a las áreas con mayor probabilidad de experimentar un susto de vacunas en toda la población y prevenirlo antes de que comience".
Como parte de su estudio, los investigadores recolectaron tuits que mencionaban la vacuna contra el sarampión, las paperas y la rubéola y clasificaron su sentimiento utilizando programas informáticos de inteligencia artificial. También recopilaron datos sobre búsquedas de Google relacionadas con el sarampión. Su teoría matemática sobre los sustos de la vacuna predijo qué tipode señales de alerta temprana que deben observar en los datos.
Descubrieron que podían detectar esas señales en los datos de California antes del brote de sarampión en Disneyland 2014-15, California, que mostró signos de advertencia tempranos de un punto de inflexión dos años antes de que ocurriera el brote. Su modelo matemático también predijo cómo el DisneylandEl brote ayudó a hacer retroceder a California desde el punto de inflexión al hacer que los padres tengan más miedo de la enfermedad que la vacuna.
"Saber que alguien es fumador no puede decirnos con certeza si alguien tendrá un ataque cardíaco, pero sí nos dice que tienen un mayor riesgo de ataque cardíaco", dijo Bauch. "De la misma manera, al detectar estas señales de advertencia tempranaen los datos de las redes sociales y en los datos de búsqueda de Google puede decirnos si una población tiene un mayor riesgo de padecer una vacuna, posiblemente años antes de que realmente ocurra.
"Con la capacidad de predecir las áreas donde la inmunidad está en mayor riesgo debido a factores de comportamiento, podemos ayudar a erradicar enfermedades como el sarampión y la poliomielitis".
Fuente de la historia :
Materiales proporcionados por Universidad de Waterloo . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :