12 de agosto de 2020
En el año 2009 surge la gripe A (H1N1) , una pandemia que cobró alrededor de 18.337 victimas en el mundo
Esto generó un problema de Salud Pública Mundial
Hasta ese año el monitoreo en EEUU estaba a cargo del “Centro para el control de enfermedades y Prevención de enfermedades) (CDC)
El CDC generaba un reporte a través de la agregación de la información a nivel nacional
Este proceso tomaba alrededor de 10 dÃas
“En estas situaciones se vueve crucial monitorear con precisión y rapidez su evolución, tanto en el espacio (por dónde se produce) como en el tiempo (a qué velocidad)”. Walter Sosa
Predecir la intensidad de la gripe en tiempo real y con precisión geográfica
¿Cómo?
Generar un modelo de predicción a partir de:
Datos históricos de prevalencia: Semanales entre 2003 -2007 para 9 unidades hospitalarias ->2340 datos
Datos de la intensidad de búsqueda de términos y frases relacionados con la gripe
\[Intensidadgripe= f(intensidadbusqueda,otros)\]
Ambiciosas estrategias y modelamiento de big data no siempre solucionarán todo:
Pero, GFT sà resolvió un problema en un comienzo:
Desagregados a nivel individual
Desagregados a nivel espacial: Ubicación del punto o manzana
Vinculado con variables relevantes: sexo, edad, fecha de sÃntomas, fecha de examen, sector laboral, condiciones de habitabilidad, riesgo financiero, entre otros
Trazabilidad: veracidad del dato y fechas confiables de publicación
Confidencialidad: aseguramiento de la confidencialidad de los datos a pacientes y familiares
Datos abiertos individuales, con ubicación desagregada e historia de contactos
Evolución de los datos Covid-19
Fuente: SpatialDataScience_COVID19. Esteban López. https://github.com/estebanlp/Datos-COVID19