Los datos de movilidad utilizados para responder a la COVID-19 pueden excluir a las personas mayores y no blancas
Crédito: Pixabay/CC0 Dominio público
La información sobre la movilidad de las personas adónde van medida por sus teléfonos inteligentes se ha utilizado ampliamente para diseñar y evaluar formas de responder al COVID-19, incluida la forma de orientar los recursos de salud pública. Sin embargo, se ha prestado poca atención a cuán confiables son estos datos y qué tipo de sesgo demográfico poseen. Un nuevo estudio probó la confiabilidad y el sesgo de los datos de movilidad ampliamente utilizados y descubrió que es menos probable que los votantes mayores y no blancos sean captados por estos datos. La asignación de recursos de salud pública en función de dicha información podría causar daños desproporcionados a los grupos minoritarios y de edad avanzada de alto riesgo.
El estudio, realizado por investigadores de la Universidad Carnegie Mellon (CMU) y la Universidad de Stanford, aparece en las Actas de la Conferencia ACM sobre equidad, responsabilidad y transparencia, una publicación de la Asociación de Maquinaria Informática.
«La edad avanzada es un factor de riesgo importante para la mortalidad relacionada con la COVID-19, y las comunidades afroamericanas, nativas americanas y latinas soportan una carga desproporcionadamente alta de casos y muertes por la COVID-19», explica Amanda Coston, estudiante de doctorado en el Heinz College and Machine Learning Department de CMU, quien dirigió el estudio como investigador de verano en el Laboratorio de Regulación, Evaluación y Gobernanza de la Universidad de Stanford. «Si estos grupos demográficos no están bien representados en los datos que se utilizan para informar la formulación de políticas, corremos el riesgo de promulgar políticas que no ayuden a los que corren mayor riesgo y exacerben aún más las disparidades graves en la respuesta de la atención médica a la pandemia».
Durante la pandemia de COVID-19, los datos de movilidad se han utilizado para analizar la efectividad de las políticas de distanciamiento social, ilustrar cómo los viajes de las personas afectan la transmisión del virus y sondear cómo los diferentes sectores de la economía se han visto afectados por el distanciamiento social. Sin embargo, a pesar de los entornos de alto riesgo en los que se ha utilizado esta información, faltan evaluaciones independientes de la confiabilidad de los datos.
En este estudio, se utilizó la primera auditoría independiente del sesgo demográfico de un conjunto de datos de movilidad basado en teléfonos inteligentes. en la respuesta a COVID-19, los investigadores evaluaron la validez de los datos de SafeGraph. Este conjunto de datos de movilidad ampliamente utilizado contiene información de aproximadamente 47 millones de dispositivos móviles en los Estados Unidos. Los datos provienen de aplicaciones móviles, como aplicaciones de navegación, clima y redes sociales, donde los usuarios optaron por el seguimiento de ubicación.
Cuando comenzó COVID-19, SafeGraph publicó gran parte de sus datos de forma gratuita como parte del Consorcio de datos COVID-19 para permitir que los investigadores, las organizaciones sin fines de lucro y los gobiernos obtengan información e informen las respuestas. Como resultado, los datos de movilidad de SafeGraph se han utilizado ampliamente en la investigación de pandemias, incluso por parte de los Centros para el Control y la Prevención de Enfermedades, y para informar las órdenes y pautas de salud pública emitidas por las oficinas de los gobernadores, las grandes ciudades y los condados. Los investigadores de este estudio intentaron determinar si los datos de SafeGraph representan con precisión a la población en general.
SafeGraph ha informado públicamente sobre la representatividad de sus datos. Pero los investigadores sugieren que debido a que el análisis de la empresa examinó el sesgo demográfico solo en los niveles agregados del censo y no abordó la cuestión del sesgo demográfico para inferencias específicas de lugares de interés (por ejemplo, lugares de votación), fue necesaria una auditoría independiente.
Un desafío importante al realizar una auditoría de este tipo es la falta de información demográfica. Los datos de SafeGraph no contienen datos demográficos como la edad y la raza. En este estudio, los investigadores demostraron cómo los datos administrativos pueden proporcionar la información demográfica necesaria para una auditoría de sesgo, complementando la información recopilada por SafeGraph. Utilizaron los registros de participación y registro de votantes de Carolina del Norte, que generalmente incluyen información sobre la edad, el género y la raza, así como el viaje de los votantes a un lugar de votación el día de las elecciones. Sus datos provinieron de un proveedor privado de archivos de votantes que combina registros de votantes disponibles públicamente. En total, el estudio incluyó a 539 000 votantes de Carolina del Norte que votaron en 558 lugares durante las elecciones generales de 2018. Los investigadores consideraron que esta muestra era altamente representativa de todos los votantes en ese estado.
El estudio identificó un sesgo de muestreo en los datos de SafeGraph que subrepresenta a dos grupos de alto riesgo, que los autores calificaron de particularmente preocupante en el contexto de la pandemia de COVID-19. Específicamente, los votantes mayores y de minorías tenían menos probabilidades de ser capturados por los datos de movilidad. Esto podría llevar a las jurisdicciones a subasignar importantes recursos de salud, como sitios de prueba emergentes y máscaras, a poblaciones vulnerables.
«Si bien la información de SafeGraph puede ayudar a las personas a tomar decisiones políticas, la información auxiliar, incluido el conocimiento previo acerca de las poblaciones locales, también debe usarse para tomar decisiones políticas sobre la asignación de recursos», sugiere Alexandra Chouldechova, profesora asistente de estadísticas y políticas públicas en CMU, coautora del estudio.
Los autores también piden más trabajo para determinar cómo los datos de movilidad pueden ser más representativos, lo que incluye pedir a las empresas que proporcionan este tipo de datos que sean más transparentes al incluir las fuentes de sus datos (p. ej., identificar qué aplicaciones de teléfonos inteligentes se usaron para acceder a la información).
Entre las limitaciones del estudio, los autores señalan que en los Estados Unidos, los votantes tienden a ser mayores e incluyen más personas blancas que la población general, por lo que los resultados del estudio pueden subestimar la sa sesgo de muestreo en la población general. Además, dado que SafeGraph proporciona a los investigadores una versión agregada de los datos por motivos de privacidad, los investigadores no pudieron probar el sesgo a nivel de votante individual. En cambio, los autores probaron el sesgo en los lugares físicos de interés y encontraron evidencia de que es más probable que SafeGraph capte el tráfico a lugares frecuentados por visitantes más jóvenes, en su mayoría blancos, que a lugares frecuentados por visitantes mayores, en su mayoría no blancos.
En términos más generales, el estudio muestra cómo se pueden usar los datos administrativos para superar la falta de información demográfica, que es un obstáculo común en la realización de auditorías de sesgo.
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: Amanda Coston et al, Aprovechamiento de datos administrativos para auditorías de sesgo, Actas de la Conferencia ACM de 2021 sobre Equidad, Rendición de Cuentas y Transparencia (2021). DOI: 10.1145/3442188.3445881 Proporcionado por la Universidad Carnegie Mellon Cita: Los datos de movilidad utilizados para responder a COVID-19 pueden excluir a personas mayores y no blancas (2021, 17 de marzo) consultado el 30 de agosto de 2022 de https: //medicalxpress.com/news/2021-03-mobility-covid-older-non-white-people.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.