Las estadísticas de atención médica basadas en «grandes datos» pueden no ser siempre confiables
Crédito: Unsplash/CC0 Public Domain
Las estadísticas basadas en los llamados «grandes datos» pueden no ser siempre tan confiables como podríamos esperar, según un estudio publicado en el International Journal of Healthcare Technology and Management. La investigación analizó un subconjunto manejable de información dinámica con marca de tiempo de Internet pertinente a las infecciones por COVID-19. El autor del estudio, Kenneth David Strang, de W3-Research en Saint Thomas, en las Islas Vírgenes de EE. UU., escribe que los resultados fueron «sorprendentes» y revelaron algunas limitaciones de las técnicas estadísticas convencionales. El trabajo de Strang sugiere que el uso de herramientas de análisis general para big data de atención médica puede no ser confiable.
Strang señala que, si bien el estudio es pertinente para nuestra comprensión y enfoque de los macrodatos en la actual pandemia de COVID-19, tiene implicaciones más amplias sobre cómo se analizan los macrodatos mediante herramientas estadísticas y si es necesario un cambio de paradigma. en nuestro enfoque y las ideas aparentemente contradictorias de que los datos masivos se pueden manejar de la misma manera que cualquier otro dato científico o si dicha evidencia científica justifica un enfoque completamente diferente simplemente en virtud de la escala de esa evidencia que se manifiesta en los datos masivos.
«Sin duda, se necesitará más investigación para verificar estos problemas de confiabilidad con los grandes datos de atención médica, ya que aquí solo se usó el estudio de caso de coronavirus», dice Strang. Señala que la naturaleza de los grandes datos y el acceso de un investigador a repositorios tan vastos y el poder de procesamiento necesario para analizarlos pueden ofrecer limitaciones inherentes y la cantidad de información y conocimientos nuevos que se pueden extraer fácilmente. Además, es difícil realizar verificaciones para demostrar que cualquier análisis de este tipo es válido simplemente debido a la escala de los datos y esas limitaciones. Strang ofrece un enfoque hipotético que podría permitir dicha validación mediante el uso de un conjunto de datos de control para un experimento dado que no es en sí mismo «grandes datos».
Es casi un aparte de los hallazgos del estudio con respecto a nuestro enfoque de grandes datos que Strang pudo demostrar que había algunas «relaciones potenciales fascinantes entre la propiedad de propiedades extranjeras en Australia cerca de las dos ciudades más grandes, con vínculos a China y, por lo tanto, vulnerabilidades potenciales a futuros brotes pandémicos».
Explore más
Brote de meningitis declarado en la universidad de Canadá Más información: Kenneth David Strang, Limitaciones de análisis generales con big data de atención médica de coronavirus, International Journal of Healthcare Technology and Management (2021). DOI: 10.1504/IJHTM.2021.119163 Proporcionado por Inderscience Cita: Las estadísticas de atención médica basadas en «grandes datos» pueden no siempre ser confiables (2 de diciembre de 2021) consultado el 29 de agosto de 2022 en https://medicalxpress.com /news/2021-12-healthcare-statistics-based-big-reliable.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.