John Snow, médico de las islas británicas, fue el padre de la
epidemilogía que hoy conocemos. Durante el brote de cólera del siglo XIX, usó
un sencillo método para saber cómo se estaba propagando. Para ello usó un mapa
del centro de la ciudad de Londres. En él, comenzó a señalar todos aquellos
puntos en los que había casos registrados. De esta manera llegó a saber cómo
comenzó el brote y desde qué sitio. Este sistema, es decir, usar un mapa e ir
señalando los puntos, es como el geolocalizador de nuestros días. El cual
podría servir perfectamente para detectar los casos de brotes en occidente. Es
verdad que en zonas con poca tecnología (aldeas en África por ejemplo) es más
difícil de conseguir.
La epidemiogía tiene
como objetivos “la
vigilancia en la Salud Pública y establecer las relaciones causales entre
factores socio-sanitarios a los que se exponen las personas y las poblaciones,
y las enfermedades que presentan. Para ello, los epidemiólogos han centrado sus
esfuerzos en la recogida de datos, utilizando gran cantidad de recursos
técnicos y humanos en la ardua tarea de extraer y validar cada fecha, cada
campo, cada valor, así hasta disponer de registros de datos de calidad, a costa
de las variables del tiempo y del coste.”[1]
Es
por esta última frase por lo que es tan importante dotar de inteligencia,
filtros y “know-how” a las herramientas usadas para el big data en relación con
las epidemias. Para conseguir calidad en el registro, acortar los tiempos de
acción y evitar un gasto sanitario considerable.
Un
reciente caso de uso de geolocalización para el seguimiento de una epidemia
tuvo lugar con motivo del brote de la gripe A (H1N1). Fue Google quien sacó su
herramienta “Google Flu” para conseguir datos y relacionarlos con el brote. “The mother of these new systems is Google’s, launched in 2008. Based on
research by Google and the CDC, it relies on data mining records of flu-related
search terms entered in Google’s search engine, combined with computer
modelling. Its estimates have almost exactly matched the CDC’s own surveillance
data over time — and it delivers them several days faster than the CDC
can. The system has since been rolled out to 29 countries worldwide, and has
been extended to include surveillance for a second disease, dengue”[2]
Sin
embargo, el algoritmo que se creó no fue suficiente como para comprobar que era
una herramienta válida como para tenerla en cuenta. Fue una herramienta que
falló, pero puede sentar las bases para una nuevos algortimos que se preparen
para los próximos brotes o epidemias. “Aunque es muy pronto para saber qué ha fallado
-¿hubo una alerta injustificada entre la población? ¿ha cometido el algoritmo
un error en su extrapolación?- el incidente ha servido para añadir leña al
debate sobre la fiabilidad y los
límites del Big Data[…] La solución del enigma necesitará a buen seguro
una ardua investigación, pero la buena noticia es que el error de este año
servirá para afinar mucho mejor las predicciones de años posteriores. Al fin y
al cabo, no hay nada mejor que un
error en un modelo para mejorar su capacidad predictiva, ya que
constituye una fuente nueva de información respecto a la que Google ya
manejaba. La única forma de mejorar un modelo predictivo son más datos, y mejor
calibración del motor de agregación de la información. Más datos sin mejor
agregación de los mismos, no sirven de nada. Y viceversa, por eso es importante
a veces fallar, para calibrar mejor en el futuro.”[3]
Un ejemplo actual de una herramienta para estar al menos
informado de pequeños brotes es la página web www.healthmap.org. En esta página podemos observar e
investigar sobre los casos más actuales por país o regiones y tenemos la
oportunidad de elegir la enfermedad o enfermedades a investigar.
Por ejemplo, del 1 de Enero al 3 de Mayo se pueden encontrar
hasta 11 noticias que podemos considerar como relevantes pero no como para
poder decir que existe realmente una epidemia.
Imagen
14[4]
Si
pinchamos en el mapa podemos observar qué brotes han existido o siguen
presentes. Por ejemplo en la zona de la Comunidad de Valencia nos encontramos
con un brote de bronquiolitis y un brote de escabiosis que, casualmente, es el
mismo brote que tuvo lugar en la cárcel de Aranjuez. “El pasado 2 de enero fueron trasladados a la
prisión de Aranjuez una veintena de reclusos chinos procedentes de la cárcel de
Alicante. En el centro madrileño se encontraban ya un centenar de detenidos de
esa misma nacionalidad por la operación Call Center, realizada el pasado 13 de
diciembre. Tal y como ha confirmado Instituciones Penitenciarias, hay 11 casos
de sarna en la enfermería y 118 presos aislados de forma preventiva pero que,
de momento, no han dado signos de haber contraído la enfermedad. También hay
siete mujeres aisladas en el módulo femenino, aunque estas no son de
nacionalidad china.”[5]
Esta es la gráfica que podemos obtener del último año referido
al virus Zika, se señala el número de alertas que ha habido en Brasil.
Imagen 15[6]
Por último, se muestra el mapa con el conjunto de noticias sobre
el virus Zika.
Imagen 16[8]
Hay que entender que tanto Google
Trends como Health Map son dos
herramientas que nos ayudan en nuestra misión de controlar lo antes posible una
crisis o emergencia. Ya que, a día de hoy, aún no es algo que sea exacto.
“Debe señalarse que esta
novedosa forma de pesquisa de epidemias no ha sido diseñada para reemplazar a
las redes de vigilancia tradicional, sobre todo teniendo en cuenta que la
investigación online no permite conocer datos demográficos, y que en el caso de
una pandemia se recolecta información tanto de la población enferma como de la
sana, la cual, producto del pánico, aumenta el número de consultas y la
sobreestimación de los datos. (Eduardo, 2009)”[9]
Por tanto, queda mucho por hacer en este aspecto, y sin embargo,
es una herramienta a tener en cuenta, sobre todo cuando hablamos de la
geolocalización que nos ayudará a recrear esos mapas que ya hace 2 siglos ideó John
Snow, el padre de la epidemiología.
[2]http://search.proquest.com/openview/9d427a592a02e39ec31ce5ecde9b6071/1?pq-origsite=gscholar&cbl=40569
[3]
http://www.eldiario.es/turing/big_data-google-facebook-gripe-trends_0_247075822.html
[4]
www.healthmap.es
[5]
http://www.promedmail.org/direct.php?id=20170105.4745566
[9]
Google FluTrends y los datos masivos:
¿Extrapolable al ébola?. Pilar José López,UCM, España pág 162
Comentarios
Publicar un comentario