Las búsquedas en línea pueden ayudar a presagiar futuros aumentos y disminuciones de COVID-19, muestra un nuevo estudio
Crédito: CC0 Public Domain
Las búsquedas en línea de actividades móviles y aisladas pueden ayudar a predecir aumentos y disminuciones posteriores en los casos de COVID-19, según un equipo de investigadores ha encontrado. Sus hallazgos, basados en un análisis de cuatro meses de búsquedas en línea, ofrecen un medio potencial para anticipar las vías de la pandemia antes de que se informen nuevas infecciones.
«Este es un primer paso hacia la creación de una herramienta que pueda ayudar a predecir aumentos repentinos de casos de COVID mediante la captura de actividades de mayor riesgo y la movilidad prevista, que puede iluminar las búsquedas de gimnasios y cenas en persona», dice Anasse Bari, asistente clínico. profesor de informática en el Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York y uno de los autores del artículo, que aparece en la revista Social Network Analysis and Mining. «El uso de tales ‘datos alternativos’ no es nada nuevo y se ha aplicado para otros fines, por ejemplo, los datos alternativos se han utilizado en finanzas para generar inversiones basadas en datos, como el estudio de imágenes satelitales de automóviles en estacionamientos para predecir las ganancias de las empresas». /p>
«Nuestra investigación muestra que las mismas técnicas podrían aplicarse para combatir una pandemia al detectar, con anticipación, dónde es probable que ocurran brotes», agrega Megan Coffee, profesora asistente clínica en la División de Enfermedades Infecciosas y Inmunología en la Facultad de Medicina Grossman de la NYU. «Desarrollar un barómetro de comportamiento, con más trabajo y validación, permitiría a los formuladores de políticas y epidemiólogos rastrear el impacto de las intervenciones sociales y prepararse para aumentos repentinos».
La investigación también mostró una asociación entre las actividades previstas fuera del hogar después de que se levantaron las restricciones de cierre, lo que indica cómo se pueden medir los efectos de las decisiones políticas utilizando datos alternativos.
Desde el inicio de la pandemia, los gobiernos han restringido las actividades, a menudo en función de los aumentos repentinos de casos de COVID-19. , luego aflojó estas restricciones después de las caídas. Sin embargo, estas acciones son en respuesta a las tasas de infección y están diseñadas para limitar la propagación de casos futuros.
En el estudio Social Network Analysis and Mining, los investigadores buscaron determinar si había formas de detectar comportamientos conocidos. riesgosos durante la pandemia (p. ej., visitas a barberías y salones de manicura) antes de brotes locales y regionales y, por el contrario, identificar comportamientos que se sabe que son menos riesgosos (p. ej., hacer ejercicio en casa) antes de que disminuyan los casos de coronavirus.
«Nuestro objetivo era capturar la dinámica social subyacente de una pandemia sin precedentes utilizando fuentes de datos alternativas que son nuevas para la epidemiología de las enfermedades infecciosas», explica Bari. «Cuando alguien busca la hora de cierre de un bar local o busca direcciones a un gimnasio local, da una idea de los riesgos futuros que puede tener».
Para examinar esto, estudiaron las búsquedas en línea de marzo. hasta junio de 2020 en los 50 estados. Aquí, dividieron las búsquedas en dos categorías o «pistas»: una pista de índice de movilidad, que categorizó las búsquedas vinculadas a interacciones con otras personas fuera del hogar (por ejemplo, «teatros cerca de mí», «boletos de avión»), y una pista de índice de aislamiento, que búsquedas categorizadas vinculadas a actividades realizadas en el hogar («entrega de alimentos», «yoga en el hogar»).
La elección del equipo de palabras clave de búsqueda se basó en una encuesta reciente de Democracy Fund + UCLA Nationscape que rastreó las actividades de los individuos informaron que darían prioridad a la asistencia si «se levantaran las restricciones por consejo de los funcionarios de salud pública con respecto a las actividades». Los resultados más populares incluyeron «ir a un estadio/concierto», «ir al cine» y «asistir a un evento deportivo».
Usando los datos de Google Trends, los investigadores rastrearon las tendencias de búsqueda relacionadas con la movilidad y aislamiento para desarrollar índices de movilidad y aislamiento. Los complementaron con un «índice de movimiento neto», que era la diferencia entre el índice de movilidad y el índice de aislamiento.
Luego, los investigadores observaron el crecimiento de casos de COVID-19 entre 10 y 14 días después, el retraso esperado entre la exposición y síntomas a nivel estatal al examinar los datos de las agencias de salud estatales y locales.
En general, encontraron que el índice de movimiento neto se correlacionó con los nuevos casos de COVID-19 informados semanalmente en 42 de los 50 estados durante el período estudiado (marzo-marzo). junio de 2020).
Los investigadores también observaron más de cerca cinco estados (Arizona, California, Florida, Nueva York y Texas) para determinar el impacto de la finalización de las órdenes de quedarse en casa en las búsquedas. En todos estos estados, el índice de movilidad, que disminuyó durante la fase inicial de cierre, aumentó a medida que comenzaron las reaperturas. Posteriormente, los casos de COVID-19 aumentaron nuevamente en todo el país en junio de 2020 y aumentaron en Arizona, California, Florida y Texas.
Por el contrario, una fuerte disminución anterior en los índices de movilidad fue seguida por una fuerte disminución en el número de casos. datos de crecimiento en estos mismos cinco estados.
«A partir de este trabajo, esperamos construir una base de conocimiento sobre el cambio de comportamiento humano a partir de datos alternativos durante el ciclo de vida de la pandemia para permitir que el aprendizaje automático prediga el comportamiento en futuras epidemias», dice Aashish Khubchandani, estudiante universitario de la Universidad de Nueva York y uno de los autores del artículo.
Los investigadores reconocen que los métodos basados en búsquedas para predecir brotes de infección plantean problemas de privacidad. Sin embargo, enfatizan que su herramienta utiliza grandes volúmenes de consultas de búsqueda, no individuales, y se basa en datos anónimos para ofrecer proyecciones relacionadas con la salud.
Explore más
Estudio: los efectos negativos para la salud mental de los confinamientos pandémicos aumentan y luego desaparecen Más información: Anasse Bari et al, Señales de alerta temprana de COVID-19 utilizando datos alternativos del comportamiento humano, Análisis y Minería de Redes Sociales (2021). DOI: 10.1007/s13278-021-00723-5 proporcionado por la Universidad de Nueva York 2022 de https://medicalxpress.com/news/2021-02-online-foreshadow-future-covid-surges.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.