“Doctor Google”

Las consultas en Google predicen epidemias en tiempo real. / EFE

La información de los centros de salud ayuda a Google a predecir epidemias de gripe

.

La búsqueda masiva de síntomas de gripe en internet ayuda a anticipar una epidemia. Investigadores estadounidenses han combinado los datos de Google con los datos tradicionales de incidencia de la enfermedad y han creado un mapa de contagio que puede ayudar a predecir un brote de gripe con una semana de antelación. 

.

SINC / Google se ha convertido en el médico más consultado por la población. Las enormes cantidades de datos que generan las búsquedas de síntomas en internet crean patrones útiles para predecir epidemias y ayudar en su prevención y tratamiento. Este es el caso de Google Flu Trends, una herramienta que funciona en más de 25 países y que calcula la propagación y la gravedad de un brote de gripe en tiempo real. Es utilizada principalmente por profesionales de la salud.

Ahora, un equipo de investigadores de la Universidad de California (EE UU) propone un modelo mejorado que combina el ‘big data’ de Google con la recopilación tradicional que llevan a cabo los Centros de Control de Enfermedades. Con estos datos crea una red de conectividad entre regiones geográficas que describe los patrones de contagio. El artículo se ha publicado en la revista Nature Scientific Reports.

“Google Flu Trends tiene errores de precisión. Con este algoritmo podemos optimizar la herramienta para que prevea con precisión y rapidez una epidemia de gripe con una semana de antelación”, explica a Sinc Michael Davidson, investigador de la institución estadounidense y autor principal del estudio.

El modelo combina la precisión de los datos de los centros de control y las predicciones en tiempo real de Google

El modelo combina la exactitud de los datos recogidos por los centros de control –consultas médicas, registros de ausentismo escolar, llamadas de emergencia o registros farmacéuticos– con las predicciones a tiempo real que hace Google Flu Trends, que recoge datos de hasta dos semanas antes, desde que los usuarios realizan las primeras búsquedas.

Con esta información se crea una red que conecta las diferentes regiones geográficas tanto por su proximidad física como por lo vinculadas que estén mediante medios de transporte. A través de estos datos y de su comparación con los recogidos durante el año anterior, se estudian los patrones de contagio, puesto que los factores que facilitan la propagación son prácticamente invariables de un período a otro.

.

Prevención y control

“La mejor manera de mejorar Google Flu Trend sería trabajar muy estrechamente con Google para incorporar esas mejoras directamente en su algoritmo de búsqueda”, asegura el experto.

La aplicación de este modelo permitirá dirigir los esfuerzos de prevención –como campañas de vacunación– y de tratamiento a la población en riesgo real. Además, conocer los patrones de contagio podría resultar útil para implementar estrategias de control que frenen la epidemia.

“Integrar la información tradicional en lugar de sustituirla por los ‘big data’ aumenta la eficacia potencial de las campañas”, concluye el investigador, quien también asegura que esta mejora puede tener implicaciones en otros muchos modelos epidemiológicos.

.

____________________

Referencia bibliográfica:

Michael Davidson et al.:”Using Networks to Combine ‘‘Big Data’’and Traditional Surveillance to ImproveInfluenza Predictions”. Nature Reports (29 de Enero de 2015)

Dejar comentario

Deja tu comentario
Pon tu nombre aquí