{"id":3913,"date":"2015-04-03T08:46:47","date_gmt":"2015-04-03T14:46:47","guid":{"rendered":"http:\/\/cienciauanl.uanl.mx\/?p=3913"},"modified":"2015-04-03T08:46:47","modified_gmt":"2015-04-03T14:46:47","slug":"tema-38-analitica-predictiva-ii","status":"publish","type":"post","link":"https:\/\/cienciauanl.uanl.mx\/?p=3913","title":{"rendered":"Tema 38: anali\u0301tica predictiva II"},"content":{"rendered":"
\n
\n
\n
\n

\"influenzamapusa\"<\/a><\/p>\n

PETER B. MANDEVILLE<\/p>\n

\n
\n
\n

CIENCIA UANL \/ AN\u0303O 18, No. 72, MARZO-ABRIL 2015<\/p>\n<\/div>\n<\/div>\n<\/div>\n

An approximate answer to the right problem is worth a good deal more\u00a0than an exact answer to an approximate problem. <\/em><\/p>\n

John W. Tukey<\/p>\n

\n
\n
\n
\n

Un ejemplo de medicina:<\/p>\n

Las epidemias de la influenza de temporada constituyen un importante problema de salud pu\u0301blica que causa decenas de millones de enfermedades respiratorias y de 250,000 a 500,000 muertes en el mundo cada an\u0303o. (1)<\/p>\n

Adema\u0301s de la influenza estacional, una nueva cepa del virus de la influenza contra el cual no existe inmunidad previa, y que demuestra transmisio\u0301n de humano a humano, podri\u0301a dar lugar a una pandemia con millones de vi\u0301ctimas mortales. (1)<\/p>\n

La deteccio\u0301n temprana de la actividad de la enfermedad, si la sigue una respuesta ra\u0301pida, puede reducir el impacto tanto de la influenza estacional como de la pandemia. (1)<\/p>\n

La vigilancia tradicional se basa en la recopilacio\u0301n de numerosos indicadores que incluyen los si\u0301ntomas cli\u0301nicos, los resultados de laboratorio de virologi\u0301a, ingresos hospitalarios, las estadi\u0301sticas de mortalidad, (2) el nu\u0301mero de visitas a los hospitales, los si\u0301ntomas de los pacientes, los tratamientos de los pacientes, el seguimiento de las visitas a la sala de emergencia, la realizacio\u0301n de pruebas de laboratorio y encuestas de la poblacio\u0301n, (3) a fin de determinar cua\u0301ntas visitas de pacientes esta\u0301n relacionadas con la influenza en las\u00a0nueve regiones de los EUA. Los Centers for Disease Control and Prevention (CDC) utilizan sistemas tradicionales de vigilancia con un retraso de informacio\u0301n de una a dos semanas. (4)<\/p>\n<\/div>\n

\n

En 2009 se descubrio\u0301 un nuevo virus, H1N1, con elementos de los virus de la influenza aviar y la influenza porcina. Agencias de salud pu\u0301blica en todo el mundo temi\u0301an que una pandemia estuviera en marcha. No existi\u0301a una vacuna contra el nuevo virus. La u\u0301nica esperanza para frenar su propagacio\u0301n que teni\u0301an las autoridades era la localizacio\u0301n de las respectivas zonas donde se encontraba presente el virus.<\/p>\n

\"gftrends\"<\/a><\/p>\n

Unas semanas antes de que H1N1 fuera noticia, ingenieros de Google Flu Trend (GFT) publicaron un arti\u0301culo en la revista Nature, explicando co\u0301mo GFT podri\u0301a \u2018predecir\u2019 la propagacio\u0301n de la influenza de invierno en los EUA, no so\u0301lo a nivel nacional, sino en regiones especi\u0301ficas incluyendo los estados. Fue logrado mediante el ana\u0301lisis de los patrones de bu\u0301squeda. Google recibe ma\u0301s de 3 mil millones de bu\u0301squedas todos los di\u0301as y todos son almacenados. (5)<\/p>\n

Se realizaron cerca de 50 millones de bu\u0301squedas semanalmente dentro de los EUA de 2003 a 2008. Se calculo\u0301 una serie de tiempo de cada una para cada estado que fue normalizado al dividir el nu\u0301mero de cada bu\u0301squeda por el nu\u0301mero total de las bu\u0301squedas\u00a0en el estado. Se puede determinar el estado en que fue introducida una bu\u0301squeda al identificar la direccio\u0301n IP asociada. Entonces se utilizo\u0301 un modelo lineal para calcular el log-odds de la visita al me\u0301dico con Illness Like Influenza (ILI) y el log-odds de la bu\u0301squeda. (3-6)<\/p>\n

\n
\n
\n
\n

Fue probada cada una de las 50 millones de bu\u0301squedas a determinar si el resultado calculado a partir de una sola bu\u0301squeda coincide con los datos de ILI de los CDC. El resultado de este proceso fue una lista de las bu\u0301squedas que son las mejores predictoras de ILI. (3-6)<\/p>\n

Se formulo\u0301 un modelo lineal con las 45 bu\u0301squedas ma\u0301s importantes como las variables explicativas. Se ajusto\u0301 el modelo a los datos semanales de ILI entre 2003 y 2007. Por u\u0301ltimo, se utilizo\u0301 este modelo de entrenamiento para predecir los brotes de influenza en las regiones de los EUA. (3-6)<\/p>\n

Este algoritmo ha sido revisado posteriormente por GFT como respuesta a la preocupacio\u0301n por la precisio\u0301n. Intentos de replicar los resultados han sugerido que los desarrolladores del algoritmo \u201csenti\u0301an una necesidad no articulada para encubrir los te\u0301rminos de bu\u0301squeda\u201d. (3-6)<\/p>\n

Un estudio publicado en la Royal Society Open Science demuestra que se pueden utilizar los datos de bu\u0301squeda de GFT para mejorar significativamente las estimaciones del nu\u0301mero de casos de la influenza. Tam- bie\u0301n reduce los errores de utilizar los datos de los CDC en hasta un 52.7%. (6)<\/p>\n

En la pandemia de influenza de 2009, GFT rastreo\u0301 informacio\u0301n sobre la influenza en los EUA. En febrero de 2010, los CDC identificaron un pico de casos de influenza en la regio\u0301n del Atla\u0301ntico de los EUA. Sin embargo, el ana\u0301lisis de GFT fue capaz de mostrar ese mismo pico dos semanas antes del informe de los CDC. (6)<\/p>\n

El documento inicial (1) declaro\u0301 que las predicciones del GFT fueron de un exactitud de 97% comparadas con las de los CDC. Sin embargo, los informes posteriores afirmaron que hay ocasiones en que las predicciones GFT han sido muy imprecisas, sobre todo durante el intervalo de 2011 a 2013 cuando se sobreestimo consistentemente la prevalencia de la influenza. (6)<\/p>\n

Un ana\u0301lisis concluyo\u0301 que \u201cmediante la combinacio\u0301n de GFT y los datos de los CDC puede calibrar las predicciones dina\u0301micamente y puede mejorar sustancialmente el rendimiento\u201d. (6)<\/p>\n<\/div>\n

\n

Mappy Health escanea datos en tiempo real de Twitter, y busca las tendencias de salud a trave\u0301s de la bu\u0301squeda de 234 te\u0301rminos. Se presenta la informacio\u0301n recopilada en gra\u0301ficos con la finalidad de ayudar a los usuarios a notar las tendencias que se reportan con ma\u0301s rapidez que los me\u0301todos tradicionales.3<\/p>\n

Sickweather escanea millones de mensajes de Facebook y tweets en Twitter para 24 si\u0301ntomas de la influenza, posteriormente efectu\u0301a un ana\u0301lisis lingu\u0308i\u0301stico para eliminar la informacio\u0301n no relacionada con la influenza y entonces se grafican los resultados en un mapa.3<\/p>\n

No se basa GFT en una pequen\u0303a muestra aleatoria, sino que se utilizan todas las miles de millones de bu\u0301squedas de Internet en los EUA. El uso de todos estos datos en lugar de una muestra pequen\u0303a mejora el nivel de prediccio\u0301n del ana\u0301lisis de la propagacio\u0301n de la influenza hasta una ciudad en lugar de un estado o la nacio\u0301n.5<\/p>\n

En lugar de obsesionarse con la precisio\u0301n, la exactitud, la limpieza y el rigor de los datos, se puede dejar un poco de holgura. No se deben aceptar datos que son erro\u0301neos o falsos, pero un poco de desorden puede ser aceptable a cambio de un conjunto ma\u0301s completo de datos. De hecho, en algunos casos puede llegar a ser beneficioso, ya que cuando se intenta utilizar so\u0301lo una pequen\u0303a parte exacta de los datos, e\u0301sta puede no captar la amplitud de detalle.5<\/p>\n

Debido a que se pueden calcular las correlaciones mucho ma\u0301s ra\u0301pido que la causalidad, a menudo e\u0301stas son preferibles. Todavi\u0301a hari\u0301an falta los estudios causales y experimentos controlados con variables cui- dadosamente seleccionadas en casos especi\u0301ficos. Para muchas necesidades cotidianas, el saber el \u201cque\u201d y no el \u201cporque\u201d es ma\u0301s que suficiente. A su vez, las correlaciones de datos grandes pueden sen\u0303alar a\u0301reas prometedoras para la exploracio\u0301n de relaciones causales. (5)<\/p>\n

Para mayor informacio\u0301n sobre anali\u0301tica predictiva, las citas 7-10 son textos con ejemplos de varias disci- plinas. La cita 11 tiene ejemplos de la medicina y la cita 12 tiene ejemplos de comercio.<\/p>\n

Tambie\u0301n, se recomienda el curso Statistical Learning que es gratuito en Stanford Online y ense- n\u0303ado por Trevor Hastie y Rob Tibshirani con un Promotional Video en:<\/p>\n

https:\/\/www.youtube.com\/watch?v=St2-97n7atk y la Course Page en https:\/\/class.stanford.edu\/courses\/HumanitiesandScience\/StatLearning\/Winter2015\/ about con fecha de inicializacio\u0301n el 20 de enero 2015 finalizando el 05 de abril 2015.<\/p>\n

\n
\n
\n
\n
\n
\n
\n
\n

Referencias<\/strong><\/p>\n

    \n
  1. Ginsberg J., Mohebbi M.H., Patel R.S., Brammer L., Smolinski M.S., Brilliant L. (2009). Detecting influen- za epidemics using search engine query data, http:\/\/ cs.wellesley.edu\/~cs315\/Papers\/ Predicting%20flu%20epidemics.pdf<\/li>\n
  2. Dugas A.F., Jalalpour M., Gel Y., Levin S., Torcaso F., Igusa T., Rothman R.E. (2013). Influenza Forecasting\u00a0with Google Flu Trends, http:\/\/ www.ncbi.nlm.nih.gov\/pmc\/articles\/PMC3572967\/ pdf\/pone.0056176.pdf<\/li>\n<\/ol>\n
      \n
    1. Konkel F. (2013). Predictive analytics allows feds to track outbreaks in real time, http:\/\/fcw.com\/articles\/ 2013\/01\/25\/flu-social-media.aspx<\/li>\n
    2. Bari A., Chaouchi M., Jung T. (2014). Predictive Analytics for Dummies. John Wiley & Sons, Inc., New York, NY, USA.<\/li>\n
    3. Mayer-Schonberger V., Kukier K. (2014). Big Data. Houghton Mifflin Harcourt Publishing Company, New York, NY, USA.<\/li>\n<\/ol>\n<\/div>\n
      \n
        \n
      1. Google Flu Trends. (2014, November 1). In Wikipedia, The Free Encyclopedia. Retrieved 23:25, February 20, 2015, from http:\/\/en.wikipedia.org\/w\/ index.php?title=Google_Flu_Trends&oldid=631999740<\/li>\n
      2. Hastie T., Tibshirani R., Friedman J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed., Springer Science+Business Media, LLC, New York, NY, USA.<\/li>\n
      3. James G., Witten D., Hastie T., Tibshirani R. (2013). An Introduction to Statistical Learning with Applications in R. Springer Science+Business Media, LLC, New York, NY, USA.<\/li>\n
      4. Kuhn M., Johnson K. (2013). Applied Predictive Modeling. Springer Science+Business Media, LLC, New York, NY, USA.<\/li>\n
      5. LantzB.(2013).MachineLearningwithR:Learnhow to use R to apply powerful machine learning methods and gain an insight into real-world applications. Packt Publishing, Birmingham, UK.<\/li>\n
      6. Steyerberg E.W. (2009). Clinical Prediction Models: A Practical Approach to Development, Validation, and Updating. Springer Science+Business Media, LLC, New York, NY, USA.<\/li>\n
      7. Ohri A. (2012). R for Business Analytics. Springer Science+Business Media, LLC, New York, NY, USA.<\/li>\n<\/ol>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

        PETER B. MANDEVILLE CIENCIA UANL \/ AN\u0303O 18, No. 72, MARZO-ABRIL 2015 An approximate answer to the right problem is worth a good deal more\u00a0than an exact answer to an approximate problem. John W. Tukey Un ejemplo de medicina: Las epidemias de la influenza de temporada constituyen un importante problema de salud pu\u0301blica que causa decenas de millones de enfermedades […]<\/p>\n","protected":false},"author":2,"featured_media":3914,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[19],"tags":[],"class_list":["post-3913","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tips-bioestadisticos"],"_links":{"self":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/3913","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=3913"}],"version-history":[{"count":1,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/3913\/revisions"}],"predecessor-version":[{"id":3916,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/posts\/3913\/revisions\/3916"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=\/wp\/v2\/media\/3914"}],"wp:attachment":[{"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=3913"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=3913"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cienciauanl.uanl.mx\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=3913"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}