En una era en que las empresas con fines de lucro recopilan una gran cantidad de datos sobre nosotros, una nueva investigación de la Universidad de Texas en Austin muestra que los datos recopilados por las empresas de atención médica podrían, si se ponen a disposición de los investigadores y las agencias de salud pública, permitirpronósticos más precisos de cuándo llegará la próxima temporada de gripe, cuánto durará y cuántas personas se enfermarán.
En los EE. UU., La influenza estacional causa miles de muertes y cientos de miles de hospitalizaciones cada año. El pronóstico puede mejorar la prevención, la planificación y la atención para reducir el número de víctimas humanas de la influenza severa estacional y pandémica.
Los investigadores durante años han desarrollado modelos informáticos para pronosticar cómo será la próxima temporada de gripe, pero sus resultados a menudo no son muy precisos. Un desafío importante es elegir el tipo correcto de datos para alimentar los modelos.
La profesora Lauren Ancel Meyers y el investigador postdoctoral Zeynep Ertem han desarrollado un método para evaluar cientos de conjuntos de datos para encontrar cuáles son los más predictivos y cómo combinarlos para obtener los pronósticos más precisos. En lenguaje matemático, esto se llama un problema de optimización.
De los más de 600 conjuntos de datos relacionados con la gripe que evaluaron, descubrieron que algunas de las mejores predicciones provienen de los registros de salud electrónicos recopilados por athenahealth, una compañía que brinda servicios basados en la nube para proveedores de atención médica. Estos datos, recopilados enEE. UU. incluyó información como cuántos pacientes reciben vacunas contra la gripe, resultados positivos de las pruebas de gripe y recetas relacionadas con la gripe. Combinando los datos de la salud con los datos de vigilancia tradicionales recopilados por los Centros para el Control y la Prevención de Enfermedades CDC, que siguen siendo los mejores por separado.los datos para las predicciones mejorarían las predicciones. Las predicciones eran un 15 por ciento más precisas con estos conjuntos de datos combinados que si solo se usaran datos de los CDC.
Aunque los datos de athenahealth se proporcionaron a la Universidad de Texas en Austin con fines de investigación, es difícil para los investigadores o las agencias de salud pública acceder a datos similares de compañías de atención médica de manera continua. Los datos se consideran privados y Meyers especula que la privacidadlos problemas tendrían que resolverse junto con cualquier gasto.
"Nuestro estudio sugiere que podría valer la pena intentar superar algunos de esos obstáculos porque los datos pueden ser bastante poderosos", dijo Meyers.
Publicaron sus resultados en la revista PLOS Biología Computacional .
"Nuestro método se puede aplicar a cualquier región geográfica y a muchas otras enfermedades infecciosas, incluidos los virus transmitidos por mosquitos como el dengue y la chikungunya", dijo Ertem.
Los investigadores encontraron que los conjuntos de datos más predictivos eran fuentes de vigilancia tradicionales recopiladas de los EE. UU. Por los CDC. Una, que los CDC llaman ILINet, rastrea los recuentos semanales de pacientes que buscan atención para una enfermedad similar a la influenza, según lo informado por una muestrade proveedores de servicios de salud. El otro recopila datos de más de 400 laboratorios clínicos en los EE. UU. y realiza un seguimiento de los porcentajes de muestras respiratorias que dan positivo por influenza.
Meyers dijo que espera que otros investigadores que están desarrollando herramientas de pronóstico de enfermedades apliquen estos conocimientos y su nueva metodología para mejorar la precisión y la puntualidad de las predicciones.
"El mensaje es que deberíamos pensar de manera más sistemática sobre los datos que alimentan nuestros pronósticos de enfermedades", dijo Meyers. "Con combinaciones de datos poderosas, y a veces sorprendentes, podemos hacer predicciones más tempranas y precisas sobre las amenazas emergentes"
Fuente de la historia :
Materiales proporcionado por Universidad de Texas en Austin . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :