Pese a que el coronavirus de Wuhan ha liderado las noticias desde finales del 2019, la ciencia no deja de preocuparse por otros patógenos más antiguos, como aquellos que causan la gripe.
COVID-19: cronología de la enfermedad que tiene en vilo al mundo entero
Un equipo de investigadores de la Universidad Estatal de Arizona se encuentra desarrollado un sistema diseñado para hacer seguimiento de la gripe a través de la red social Twitter. Los detalles del mismo se presentan en un documento publicado en la Revista Internacional de Investigación Ambiental y Salud Pública.
Datos de Twitter, matemática y computación
En vista de la necesidad imperante de detectar y responder de manera temprana ante las amenazas de salud pública como los virus emergentes y reemergentes como el SARS, la gripe aviar, el Ébola y el Zika, los investigadores empezaron a centrar sus esfuerzos en el desarrollo de un sistema de detección innovador y eficiente que involucra las redes sociales.
Los métodos y algoritmos actuales para la detección de epidemias como las ya mencionadas parecen quedarse cortos ante la gran cantidad de datos que proporcionan estas plataformas en las actualidad. Partiendo de estos, es posible desarrollar mejores sistemas de vigilancia de epidemias.
Las epidemias más devastadoras de la historia
Los investigadores están combinando el análisis de los datos de Twitter geoetiquetados en tiempo real referentes a los brotes de enfermedades como la gripe con ecuaciones matemáticas y computación para desarrollar un algoritmo que permitirá detectar brotes. La gran ventaja es que será casi en tiempo real y con datos de ubicación.
“El apoyo de NSF a proyectos como este demuestra el poder de las matemáticas para abordar los desafíos nacionales de salud como el reciente brote de coronavirus”, dice Juan Meza, director de la División de Matemáticas de NSF.
Se trata de una herramienta con potencial en pleno desarrollo del brote del coronavirus de Wuhan. Poder adelantarse a este tipo de eventos puede prevenir la propagación de los patógenos y reducir las consecuencias económicas de ello.
Referencia: Regional Influenza Prediction with Sampling Twitter Data and PDE Model.
[atribucion-tekcrispy url=https://www.tekcrispy.com/2020/01/29/datos-twitter-detectar-brotes-enfermedades/]