Cr\u00e9dito: Unsplash\/CC0 Dominio p\u00fablico <\/p>\n
Los funcionarios de salud p\u00fablica se est\u00e1n enfocando en el 30 % de la poblaci\u00f3n elegible que sigue sin vacunarse contra el COVID-19 a partir de finales de octubre de 2021, y eso requiere averiguar d\u00f3nde est\u00e1n esas personas y por qu\u00e9 no est\u00e1n vacunadas. <\/p>\n
Las personas siguen sin vacunarse por muchas razones, incluida la creencia en teor\u00edas de conspiraci\u00f3n infundadas sobre la enfermedad, las vacunas o ambas; desconfianza en el establecimiento m\u00e9dico; preocupaciones sobre riesgos y efectos secundarios; miedo a las agujas; y dificultad para acceder a las vacunas. Para orientar sus mensajes y alcance geogr\u00e1ficamente y de acuerdo con el tipo de vacilaci\u00f3n, los funcionarios de salud p\u00fablica necesitan buenos datos para guiar sus esfuerzos. Los m\u00e9todos de encuesta tradicionales son \u00fatiles pero tienden a ser costosos. <\/p>\n
Otro enfoque es evaluar la reticencia a la vacuna a trav\u00e9s de la lente de las redes sociales. Como investigadora de inteligencia artificial, analizo los datos de las redes sociales mediante el aprendizaje autom\u00e1tico. Mi \u00faltima investigaci\u00f3n, realizada con la estudiante de posgrado Sara Melotte y aceptada para su publicaci\u00f3n en la revista PLOS Digital Health, predice el grado de reticencia a vacunarse a nivel de c\u00f3digo postal en las \u00e1reas metropolitanas de EE. UU. mediante el an\u00e1lisis de tuits geolocalizados. <\/p>\n
Descubrimos que mediante el procesamiento de datos de Twitter geolocalizados mediante t\u00e9cnicas de aprendizaje autom\u00e1tico f\u00e1cilmente disponibles, pod\u00edamos predecir con mayor precisi\u00f3n la renuencia a vacunarse por c\u00f3digo postal que mediante el uso de atributos de c\u00f3digos postales como el precio promedio de la vivienda y la cantidad de centros de atenci\u00f3n m\u00e9dica. e instalaciones de servicios sociales.<\/p>\n
Los l\u00edmites de las encuestas<\/p>\n
Las encuestas, como la encuesta Gallup COVID-19 lanzada en 2020, estiman los niveles de reticencia a la vacunaci\u00f3n en la poblaci\u00f3n general mediante el sondeo de una muestra representativa con una pregunta de duda sobre la vacuna S\u00ed\/No: Si una vacuna aprobada por la Administraci\u00f3n de Drogas y Alimentos para prevenir el coronavirus\/COVID-19 estuviera disponible en este momento sin costo alguno, \u00bfaceptar\u00eda vacunarse? La vacilaci\u00f3n estimada de la vacuna es el porcentaje de personas que responden \u00abNo\u00bb. Como se demostr\u00f3 tanto en nuestra investigaci\u00f3n como en el trabajo de otros, factores como la ubicaci\u00f3n, los ingresos y los niveles de educaci\u00f3n se correlacionan con la vacilaci\u00f3n de la vacuna.<\/p>\n
Una desventaja general de tales encuestas es que las preguntas detalladas son costosas de administrar. Los tama\u00f1os de las muestras tienden a ser peque\u00f1os debido a las limitaciones de costos y las tasas de falta de respuesta. Este \u00faltimo se ha visto exacerbado recientemente por la polarizaci\u00f3n pol\u00edtica. Los m\u00e9todos computacionales de las ciencias sociales, que utilizan algoritmos inform\u00e1ticos para analizar grandes cantidades de datos, son otra opci\u00f3n, pero pueden tener problemas para interpretar el texto ruidoso de las redes sociales para obtener informaci\u00f3n. <\/p>\n
Miner\u00eda de Twitter<\/p>\n
Nuestro trabajo asume el desaf\u00edo de usar datos de Twitter disponibles p\u00fablicamente para predecir con precisi\u00f3n la reticencia a la vacunaci\u00f3n en un c\u00f3digo postal determinado. Nos enfocamos en los c\u00f3digos postales de las principales \u00e1reas metropolitanas, que son conocidas por su alta actividad de tuits. Los usuarios tambi\u00e9n activan el GPS con m\u00e1s frecuencia en estas \u00e1reas. <\/p>\n
Como primer paso, descargamos todos los tweets de un conjunto de datos disponible p\u00fablicamente llamado GeoCoV19, que filtra los tweets para que sean lo m\u00e1s relevantes posible para COVID-19. Luego, utilizando una metodolog\u00eda revisada por pares, filtramos los tweets a tweets habilitados para GPS de las principales \u00e1reas metropolitanas. Luego dividimos aleatoriamente los tweets en un conjunto de entrenamiento y un conjunto de prueba. El primero se us\u00f3 para desarrollar el modelo, mientras que el segundo se us\u00f3 para evaluar el modelo.<\/p>\n
Entrenar un modelo para predecir la vacilaci\u00f3n de vacunas de un c\u00f3digo postal es como dibujar una l\u00ednea recta a trav\u00e9s de un conjunto de puntos para que que la l\u00ednea se acerque lo m\u00e1s posible al centro de los puntos, lo que se conoce como l\u00ednea de mejor ajuste. La l\u00ednea indica la tendencia en los datos. El primer paso es convertir el texto sin procesar de los tweets en puntos de datos. <\/p>\n
Las redes neuronales profundas recientemente desarrolladas pueden convertir autom\u00e1ticamente el texto en puntos de datos para que los tweets con significados similares est\u00e9n m\u00e1s cerca unos de otros. B\u00e1sicamente, usamos una red de este tipo para convertir nuestros tweets en puntos de datos y luego entrenamos nuestro modelo de aprendizaje autom\u00e1tico en esos puntos de datos. Validamos nuestro modelo utilizando los resultados de la encuesta Gallup COVID-19.<\/p>\n
Nuestro m\u00e9todo funcion\u00f3 mejor en la predicci\u00f3n de altos niveles de reticencia a la vacuna que los m\u00e9todos que solo usan caracter\u00edsticas gen\u00e9ricas, como precios promedio de viviendas dentro del c\u00f3digo postal, en lugar de datos de redes sociales. Tambi\u00e9n demostramos que nuestro modelo es efectivo en presencia de tweets que no est\u00e1n relacionados con vacunas o COVID-19. El conjunto de datos GeoCov19 es bueno, pero incluye muchos tweets que no son relevantes espec\u00edficamente para las vacunas y una fracci\u00f3n peque\u00f1a pero no trivial que no es relevante para COVID-19 en absoluto.<\/p>\n
Detecci\u00f3n temprana y prevenci\u00f3n<\/p>\n
En una investigaci\u00f3n que actualmente se encuentra en revisi\u00f3n por pares, desarrollamos algoritmos que extraen autom\u00e1ticamente las posibles causas de la vacilaci\u00f3n de las vacunas y su alcance en las redes sociales. Nuestro an\u00e1lisis preliminar confirma que, si bien algunas causas son el resultado de teor\u00edas de conspiraci\u00f3n e informaci\u00f3n err\u00f3nea, otras se basan en preocupaciones leg\u00edtimas, como los posibles efectos secundarios de las vacunas. <\/p>\n
Esperamos que las personas con estas inquietudes est\u00e9n mucho m\u00e1s dispuestas a vacunarse si se les presentan fuentes confiables de informaci\u00f3n que calmen sus temores. En el futuro, los funcionarios de salud p\u00fablica podr\u00edan usar el aprendizaje autom\u00e1tico para la detecci\u00f3n temprana de dudas sobre las vacunas en las redes sociales. Luego, podr\u00edan usar algoritmos para distribuir autom\u00e1ticamente informaci\u00f3n espec\u00edfica y atacar la propagaci\u00f3n de informaci\u00f3n err\u00f3nea relacionada con la salud.<\/p>\n
Estos futuros sistemas digitales de salud p\u00fablica podr\u00edan conducir a resultados m\u00e1s saludables, tanto en el \u00e1mbito f\u00edsico como en el digital. . <\/p>\n
Explore m\u00e1s<\/p>\n
La vacilaci\u00f3n de la vacuna COVID-19 podr\u00eda provocar miles de muertes adicionales Proporcionado por The Conversation <\/p>\n
Este art\u00edculo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el art\u00edculo original. <\/p>\n
Cita<\/strong>: Los tweets coincidentes con los c\u00f3digos postales pueden resaltar los puntos cr\u00edticos de la vacilaci\u00f3n de la vacuna COVID-19 (8 de noviembre de 2021) consultado el 29 de agosto de 2022 en https:\/\/medicalxpress.com\/news\/2021 -11-tweets-codes-spotlight-hot-covid-.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Unsplash\/CC0 Dominio p\u00fablico Los funcionarios de salud p\u00fablica se est\u00e1n enfocando en el 30 % de la poblaci\u00f3n elegible que sigue sin vacunarse contra el COVID-19 a partir de finales de octubre de 2021, y eso requiere averiguar d\u00f3nde est\u00e1n esas personas y por qu\u00e9 no est\u00e1n vacunadas. Las personas siguen sin vacunarse por … Continuar leyendo \u00abCoincidir los tuits con los c\u00f3digos postales puede resaltar los puntos cr\u00edticos de las dudas sobre la vacuna contra el COVID-19\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-3061","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/3061","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=3061"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/3061\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=3061"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=3061"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=3061"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}