Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Las búsquedas en línea pueden ayudar a predecir ondas irruptivas posteriores y disminuciones en los casos COVID-19

Las búsquedas en línea para el móvil y las actividades aisladas pueden ayudar a predecir ondas irruptivas posteriores y las disminuciones en los casos COVID-19, personas de investigadores han encontrado. Sus conclusión, sobre la base de un análisis cuatrimestral de búsquedas en línea, ofrecen medios de un potencial de anticipar los caminos del pandémico--antes de nuevas infecciones se denuncian.

“Esto es un primer paso hacia la construcción de una herramienta que pueda ayudar a predecir ondas irruptivas del caso de COVID capturando actividades más de riesgo elevado y la movilidad prevista, que las búsquedas para los gimnasios y personalmente la cena pueden iluminar,” dice Anasse Bari, profesor adjunto clínico en de informática en el instituto de Courant de la universidad de Nueva York de ciencias matemáticas y uno de los autores del papel, que aparece en el análisis y la explotación minera sociales de red del gorrón.

“Usando tales “datos alternativos” está nada nuevo y se ha aplicado para otros fines--por ejemplo, los datos alternativos se han utilizado en finanzas para generar inversiones dato-impulsadas, tales como estudiar imágenes por satélite de vehículos en estacionamientos para predecir ganancias de asuntos.”

Nuestra investigación muestra que las mismas técnicas se podrían aplicar a combate un pandémico observando, antes de tiempo, donde están probables los brotes ocurrir. Desarrollar un barómetro del comportamiento, con trabajo y la validación adicionales, permitir que los responsables políticos y los epidemiólogos rastreen el impacto de intervenciones sociales y de la riostra para las ondas irruptivas de levantamiento.”

Café de Megan, profesor adjunto clínico, división de enfermedad infecciosa y inmunología, Facultad de Medicina de Grossman, universidad de Nueva York

La investigación también mostró una asociación entre las actividades previstas fuera del hogar después de que las restricciones del lockdown fueran suprimidas, apuntando a cómo los efectos de decisiones políticas se pueden medir usando datos alternativos.

Desde el inicio del pandémico, los gobiernos han restringido las actividades, a menudo basadas en ondas irruptivas de los casos COVID-19, después aflojadas estas restricciones después de disminuciones. Sin embargo, estas acciones están en respuesta a índices de infección y se diseñan limitar la extensión de los casos futuros.

En el estudio social del análisis y de la explotación minera de red, los investigadores intentaron determinar si había maneras de observar los comportamientos sabidos para ser aventurado durante el pandémico (e.g., visitas a las barberías y a los salones del clavo) delante de brotes locales y regionales--e inversamente, determine los comportamientos sabidos para ser menos aventurado (e.g., ejercitando en casa) antes de disminuciones en casos del coronavirus.

“Nuestra meta era capturar la dinámica social subyacente de un pandémico sin precedente usando las fuentes de datos alternativas que son nuevas a la epidemiología de la enfermedad infecciosa,” explica Bari. “Cuando alguien explora la hora de límite de una barra local u observa hacia arriba direcciones a un gimnasio local, dan un cierto discernimiento en qué riesgos futuros pueden tener.”

Para examinar esto, estudiaron búsquedas en línea de marzo a junio en 2020 en los 50 estados. Aquí, dividieron búsquedas en dos categorías--o “carriles”: un carril de índice de la movilidad, que categorizó búsquedas conectó a acciones recíprocas a otros fuera del hogar (e.g., los “teatros cerca de mí,” “vuelo marcan”), y a un carril de índice del aislamiento, que categorizó las búsquedas conectadas a las actividades hechas en casa (“lanzamiento de la comida,” “yoga en casa”).

La opción de las personas de las palabras claves de la búsqueda fue informada por un fondo reciente de la democracia + la encuesta sobre el UCLA Nationscape que rastrearon actividades que los individuos denunciaron que darían prioridad a asistencia si las “restricciones fueron suprimidas de acuerdo con el dictamen de responsables de Sanidad públicos con respecto a actividades.” Los resultados más populares incluyeron “ir a un estadio/a un concierto,” “yendo a las películas,” y “asistiendo a un acontecimiento deportivo.”

Usando datos de las tendencias de Google, los investigadores rastrearon las tendencias de la búsqueda relacionadas con la movilidad y el aislamiento para desarrollar índices de la movilidad y del aislamiento. Complementaron éstos con un “índice neto del movimiento,” que era la diferencia entre el índice de la movilidad y el índice del aislamiento.

Los investigadores entonces observaban el incremento 10 a 14 del caso COVID-19 días después--el retraso previsto entre la exposición y los síntomas--en el nivel de estado examinando datos del estado y de las dependencias locales de la salud.

Totales, encontraron que el índice neto del movimiento correlacionó con los nuevos casos COVID-19--denunciado semanalmente--en 42 de 50 estados durante el período estudiado (marzo-junio de 2020).

Los investigadores también miraban más de cerca cinco estados (Arizona, California, la Florida, Nueva York, y Tejas) para determinar el impacto de la conclusión de órdenes hogareñas en búsquedas. En todos estos estados, el índice de la movilidad, que disminuyó durante la fase inicial del lockdown, creciente como los re-orificios comenzaron. Posteriormente, los casos COVID-19 subieron otra vez por toda la nación en junio de 2020 y se aflojaron en Arizona, California, la Florida, y Tejas.

Por el contrario, un fuerte descenso anterior en índices de la movilidad fue seguido por un fuerte descenso en los datos del incremento del caso en estos mismos cinco estados.

“De este trabajo, esperamos construir una base de conocimiento en cambio de la conducta humana de datos alternativos durante el ciclo vital del pandémico para permitir el aprendizaje de máquina predecir comportamiento en las epidemias futuras,” dice Aashish Khubchandani, estudiante de NYU y uno de los autores del papel.

Los investigadores reconocen que los métodos búsqueda-basados para predecir preocupaciones de la aislamiento de la chimenea de los brotes de la infección. Sin embargo, acentúan que su herramienta utiliza volúmenes grandes de interrogaciones de la búsqueda, las no individuales, y confía en datos anonymized para ofrecer proyecciones relativas a la salud.

Source:
Journal reference:

Bari, A., et al. (2021) COVID-19 early-alert signals using human behavior alternative data. Social Network Analysis and Mining. doi.org/10.1007/s13278-021-00723-5.