Vocero
|
Transcripción
|
| sam edgemon |
Hola. Este es Sam Edgemon. Trabajé para el Instituto SAS, ya sabes, trabajo para el Instituto SAS, porque puedo trabajar en muchos proyectos diferentes. |
| |
Y les vamos a hablar de uno de esos proyectos en los que trabajamos hoy. Casi en todos estos proyectos en los que trabajo, trabajo con Tony Cooper, que está en la pantalla. Realmente hemos trabajado juntos desde que nos conocimos en la Universidad de Tennessee hace unos años. |
| |
Y las cosas que aprendimos en la Universidad de Tennessee las hemos aplicado a lo largo de este proyecto. Ahora bien, este proyecto se realizó para el Departamento de Seguridad Nacional. |
| |
El Departamento de Seguridad Nacional estaba muy preocupado por el terrorismo biológico y llegaron a SAS con la pregunta de cómo vamos a detectar los actos de terrorismo biológico. |
| |
Bueno, sabes que es una gran discusión, ya sabes, si piensas en |
| |
las cosas con las que podríamos volver. Sabes, una de esas cosas fue bueno, ¿qué haces? ¿Qué es lo que más te preocupa? ¿Qué hace? ¿Cómo se ven las cosas? |
| |
que te preocupa? Y hablaron de cosas como el ántrax, la ricina y otros elementos muy peligrosos que los terroristas podrían usar para dañar a la población estadounidense. |
| |
Bueno, tomamos la pregunta y sus preocupaciones inmediatas e investigamos lo mejor que pudimos sobre el ántrax y la ricina, en particular. |
| |
Ya sabes, nuestra investigación involucró, ya sabes, involucró ir a sitios web y estudiar lo que los CDC dijeron que eran síntomas de ántrax, y los síntomas de |
| |
ricina y cómo esas, esas cosas pueden presentarse en un paciente que ingresa a la sala de emergencias o toma una ambulancia o llama a un centro de envenenamiento o algo así sucede. De lo que nos dimos cuenta al pasar por este proceso fue |
| |
fue que los síntomas se parecen mucho a los de la gripe si ha estado expuesto al ántrax. Y si ha estado expuesto a la ricina, eso se parece mucho a cualquier tipo de problema gastrointestinal que pueda experimentar. Entonces concluimos y nuestra respuesta a Seguridad Nacional fue que |
| |
fue que si podemos detectar un brote de influenza o un brote de, digamos el norovirus o algún problema gastrointestinal, |
| |
entonces pensamos que podemos detectar cuando algunos de estos elementos malos se han usado en el público. Y ese es el camino que tomamos. Así que tomamos datos de EMS y y |
| |
salas de emergencia, departamentos de emergencia y centros de envenenamiento y, de hecho, también usamos datos del motor de búsqueda de Google o datos de redes sociales |
| |
para detectar cosas que antes se creían indetectables en cierto sentido. Pero desarrollamos varias, varias herramientas en el camino. Y pueden ver en la diapositiva que tengo aquí algunos de los resultados de las preguntas |
| |
eso que juntamos, ya sabes, estos diferentes métodos de los que hemos hablado aquí. Me referiré a algunos de esos métodos en el breve tiempo que tenemos para hablar hoy, pero profundicemos en ello. Lo que quiero hacer es mostrarles los tipos de conversaciones que tuvimos. |
| |
utilizando JMP. Usamos JMP a lo largo de este proyecto para comunicar nuestras ideas y comunicar nuestras preocupaciones, comunicar lo que estábamos viendo. Un ejemplo de esa comunicación podría comenzar así, nosotros habíamos tomado datos del EMS |
| |
system, sistema médico basado principalmente en Carolina del Norte. Ya sabes, SAS tiene su sede en Carolina del Norte, JMP tiene su sede en Carolina del Norte en Cary y |
| |
y algunos de ellos, algunos de los mejores datos médicos del país se encuentran en Carolina del Norte. La Universidad de Carolina del Norte tiene mucho que hacer. |
| |
De hecho, formamos una colaboración entre SAS y la Universidad de Carolina del Norte y la Universidad Estatal de Carolina del Norte para trabajar en este proyecto de Seguridad Nacional que duró casi cinco años. |
| |
Pero lo que les mostré inicialmente fue que saben qué datos podríamos extraer de esas bases de datos que podrían decirnos cosas interesantes. |
| |
Así que simplemente caminemos, caminemos a través de algunos de esos tipos de situaciones. Una de las cosas de las que inicialmente quería hablar era, bueno, veamos los casos. sabes, |
| |
¿Podemos ver información en casos que ocurren todos los días? Así que sabes que este fue uno de los primeros gráficos que demostré. Sabes, es difícil ver algo en esto |
| |
y no creo que realmente puedas ver nada en esto. Este es el, ya sabes, cuántos casos |
| |
en el estado de Carolina del Norte, en un promedio de un día determinado, ya sabes, 2782 casos por día y, ya sabes, esa es mucha información para clasificar. |
| |
Así que podemos ver los códigos de diagnóstico, pero a algunos de los muchachos no les gustó la idea de que esto no es tan claro como queremos que sea, así que tuvimos que encontrar formas de acceder a esos datos y estudiarlos. |
| |
y estudiar qué, qué, qué formas en las que podríamos sacar a la luz la información. Una de esas formas en las que nos apetecía era identificar síntomas, síntomas específicos relacionados con algo que nos interesa, |
| |
lo que se remonta a esta idea de que, bien, hemos identificado cómo se ve el ántrax cuando alguien entra a la sala de emergencias o toma una ambulancia o lo que sea. |
| |
Así que tenemos esos... si identificamos esos síntomas específicos, entonces podemos ir y buscar eso en los datos. |
| |
Ahora, una forma en que podríamos hacer eso, podríamos preguntarle a los profesionales. Había salas llenas de profesionales médicos en esto, en este proyecto y muchos médicos. Y algo raro que |
| |
Lo observé muy rápidamente cuando le hiciste preguntas a una sala llena de personas muy, muy inteligentes, como qué es qué... qué síntomas debo buscar cuando busco la influenza o el norovirus, obtienes muchas, muchas respuestas diferentes. . |
| |
Así que pensé, bueno, realmente me gustaría tener una forma de obtener esta información, matemáticamente, en lugar de solo usar la opinión. Y lo que hice fue organizar los datos con los que estaba trabajando |
| |
considerar los síntomas en días específicos y el diagnóstico. Iba a usar esos códigos de diagnóstico de diagnóstico. |
| |
Y lo que terminé obteniendo, y configuré esto donde podía ejecutarlo una y otra vez, fue un conjunto de síntomas matemáticamente válidos. |
| |
que podríamos entrar en los datos y buscar y buscar cosas específicas como la influenza, el norovirus o el ántrax o la ricina o los síntomas de la COVID-19. |
| |
Este proyecto volvió a surgir con muchas preguntas sobre lo que podríamos... cómo podríamos encontrar los problemas. |
| |
de COVID 19 en este. Esto es exactamente lo que comencé a mostrar de nuevo, este tipo de cosas. ¿Cómo podemos identificar los síntomas? Bueno, esta es una forma de hacerlo. |
| |
Ahora, una vez que encontramos estos síntomas, una de las cosas que hacemos es escribir un código que podría parecerse a este código que buscará en un campo particular en una de esas bases de datos y buscará cosas que encontramos en esos análisis que hemos |
| |
que acabamos de demostrar para usted. Así que aquí buscaremos en el campo principal de quejas en una de esas bases de datos para buscar palabras específicas |
| |
que nos puede interesar hacer. Ahora que los programas completos también buscarían términos que alguien dijera, Bueno, alguien no tiene fiebre o alguien no tiene náuseas. Así que tendríamos que identificar |
| |
esencialmente los negativos, así como los síntomas puros entre comillas en las palabras. Así que una vez que hicimos eso, podríamos volver a |
| |
JMP y pensemos, bueno, veamos, veamos, veamos esta información nuevamente. Tenemos tenemos esta cantidad de casos aquí arriba, pero ¿y si le echamos un vistazo? |
| |
donde hemos identificado síntomas específicos ahora |
| |
y ver cómo sería eso. |
| |
Entonces, lo que realmente estoy buscando es información sobre |
| |
problemas gastrointestinales. Podría haber estado buscando gripe o algo así, pero así es como se ven los datos. Son los mismos datos. Esencialmente ha sido esculpido para que parezca que sabes algo que me interesa. Entonces, en este caso, hubo un brote. |
| |
del norovirus que le contamos a la gente que no sabían sobre eso, ya sabes, empezamos a hablar de esto el 15 de enero. |
| |
Y sabes que el mundo no sabía que había esencialmente un brote de norovirus hasta que comenzamos a hablar de eso aquí. |
| |
Y eso fue, eso fue visto como un gran problema. Sabes, tomamos datos, limpiamos esos datos y dejamos las cosas que realmente nos interesan |
| |
Pero seguimos. Sabes que la fuerza de lo que estábamos haciendo no era simplemente contar casos o contar códigos de diagnóstico, estamos buscando síntomas que describan la visita de la persona a |
| |
la sala de emergencias o lo que llamaron sobre el centro de envenenamiento o ellos o tomaron la ambulancia para. |
| |
campo principal de quejas, campos de síntomas, |
| |
y campos de texto libre. Examinamos los campos que describían las palabras que un técnico de EMS podría usar en la escena. Buscamos en los campos que describen |
| |
las palabras que una enfermera puede usar cada vez que alguien ingresa por primera vez a la sala de emergencias, y analizamos las palabras que un médico puede usar. Tal vez no en lo que hicieron clic en los cuadros, sino en las palabras reales que usaron. Y también desarrollamos una métrica en torno a eso. |
| |
esta métrica |
| |
fue, ya sabes, nos hizo saber |
| |
ya sabes, otro mes antes de que algo fuera extraño en un área particular de Carolina del Norte en una fecha particular. Así que mencioné que esto fue el 15 de enero y esto, esto fue el 6 de diciembre. |
| |
y estaba en la misma zona. Y lo que realmente se está registrando es cuánto habla la gente sobre un tema específico y si una persona habla sobre eso, |
| |
no tiene un gran peso, por lo tanto, no sería un gran problema. Si dos personas están hablando de eso, si una enfermera |
| |
y un técnico de EMS están hablando de un conjunto específico de síntomas, o mencionan un síntoma varias veces, luego lo estamos midiendo y estamos desarrollando una métrica a partir de esa información. |
| |
Entonces, si tres personas, el médico, la enfermera y el técnico de emergencias médicas, si esa es la información que tenemos, si todos están hablando de eso, |
| |
entonces es probablemente un gran problema. Entonces eso es lo que sucedió aquí el 6 de diciembre, mucha gente está hablando de síntomas que describirían algo como el norovirus. |
| |
Esto, esto estaba relacionado con un brote del que los medios comenzaron a hablar a mediados de febrero. Entonces, esto se ve como... como si le contáramos al mundo algo de lo que los medios comenzaron a hablar, ya sabes, un mes después. |
| |
Y |
| |
específicamente, ya sabes, nos atrajo esta región de Cape Fear porque muchos de los casos estaban en esa área de Carolina del Norte alrededor de Wilson, |
| |
El condado de Wilson y ese tipo de cosas. Entonces, para que eso se viera como algo de interés que pudiéramos, podríamos profundizar en eso mucho antes de, ya sabes, hablar de algo que está pasando. Ahora |
| |
continuamos con ese tipo de trabajo relacionado con, ya sabes, usando esas herramientas para biovigilancia. |
| |
Pero lo que hicimos más tarde fue, ya sabes, después de que configuramos sistemas que, ya sabes, básicamente funcionaban |
| |
todos los días, ya sabes, cada hora, todos los días, ese tipo de cosas. Y luego, siempre que podamos decir, bueno, |
| |
el sistema ha pronosticado un brote, usted sabe si esto se notó. La información que estaba proporcionando... estaba realmente libre de ruido en cierto sentido. Miramos hacia atrás en el tiempo y estábamos |
| |
prediciendo digamos, entre 20 y 30 alertas al año, |
| |
Alertas totales al año. Así que hubo 20 o 30 situaciones en las que acabamos de dar a las personas, el, el, el aviso de que podrían investigar algo, ya sabes, mirar, verificar algo. Es posible que sepa que se está produciendo una situación. Pero en uno de estos casos, |
| |
el tipo con el que trabajamos tanto en Seguridad Nacional se acercó a nosotros y dijo, está bien, creemos en su alerta, así que cuéntenos algo más al respecto. Cuéntanos qué |
| |
de qué está hecho. Así fue como planteó la pregunta. Entonces, entonces, lo que hicimos |
| |
Fue fue desarrollar un modelo, justo en frente de él. |
| |
Y la razón por la que pudimos hacer eso (y aquí están, aquí están los resultados de ese modelo), la razón por la que pudimos hacer eso fue que ahora nos dimos cuenta del valor de |
| |
de mantener datos sobre los síntomas en relación con el tiempo y el lugar y todos los diferentes datos que podríamos mantener en relación con eso, como la edad, como el origen étnico. |
| |
Entonces, cuando nos preguntaron de qué está hecho, entonces podríamos... Pongamos esto justo en el medio de la pantalla, cierre parte de la otra información que nos rodea aquí para que pueda concentrarse en eso. |
| |
Entonces, cuando nos preguntan, está bien, de qué se compone este brote, ya sabes, construimos un modelo frente a ellos (Tony realmente hizo eso) |
| |
y que eso pareció tener un gran impacto cuando hizo esto, decir, está bien, tienes razón. Ahora les dijimos que hoy hay una alerta. |
| |
Y debe prestar atención a los casos de influenza en esta área en particular porque parece ser anormal. Pero también podríamos decirles ahora que, está bien |
| |
estos casos están compuestos principalmente por jóvenes, personas menores de 16 años. |
| |
Los síntomas de los que hablan cuando van a la sala de emergencias o suben a una ambulancia son fiebre, tos, problemas respiratorios. Hay dolor. |
| |
y hay problemas gastrointestinales. La pieza clave de información que sentimos es la interacción entre los grupos de edad y los síntomas mismos. |
| |
Si bien este puede, ya sabes, puede que no se considere importante porque está al final de la lista, creemos que lo es, |
| |
e incluso estos de aquí abajo. Hablamos de los jóvenes y la disnea, y de los jóvenes y los problemas gastronómicos, y luego de los mayores. |
| |
Entonces, ya sabes, comenzamos a ver que las personas mayores también ingresan a los datos aquí. Entonces podríamos hablar de gente joven, gente mayor y gente en su |
| |
Los 20, 30, 40 y 50 no aparecen en este brote en este momento. Así que hay un par de cosas aquí. Cuando pudiéramos dar información a la gente que conoces el día de |
| |
de que suceda una alerta y podríamos darles un conjunto de síntomas para buscar. Sabes, cuando COVID 19 estaba bien en nuestro país, sabes que todavía pareces encender las noticias todos los días y escuchar sobre un síntoma diferente. |
| |
Así es como podemos lidiar con ese tipo de cosas. Ya sabes, podemos entender |
| |
ya sabes, qué síntomas están surgiendo de tal manera que las personas pueden tener, ya sabes, tener información para reconocer cuándo ocurrirá y existirá un problema. |
| |
Entonces, estas son algunas de las cosas de las que saben que estamos hablando aquí, pensarán en cómo podemos aplicarlas ahora. |
| |
Usando los sistemas de alerta que les mostré anteriormente, generalmente me refiero al método TAP como simplemente usar análisis de texto y gráficos proporcionales. |
| |
Bueno, ya sabes, probablemente ya hayamos superado eso ahora, depende de nosotros. Entonces no teníamos la herramienta para ir a buscar en ese momento. |
| |
Pero este tipo de herramientas aún pueden ayudarnos a poder decir, ya sabes, estos son los síntomas que estamos buscando. Estos son los |
| |
estos son los grupos de edad sobre los que también estaban interesados en aprender. Entonces, sigamos repasando algunas formas en las que podríamos usar lo que aprendimos en ese proyecto para ayudar en la situación con COVID 19. |
| |
Una de las cosas que hicimos, por supuesto, es que hablamos sobre la creación de esta base de datos de síntomas. La base de datos de síntomas nos está dando información a diario sobre los síntomas que se presentan. |
| |
Y sabes quién está, quién está enfermo y dónde está enfermo. Así que aquí hay un extracto de esa base de datos de la que hablamos, donde tiene información sobre una fecha, |
| |
tiene información sobre género, etnia, en regiones de Carolina del Norte. Podríamos llevar esto a las ciudades y los códigos postales o lo que sea útil. |
| |
Este TAP lo mencioné en esa información de análisis de texto, bueno, ahora tenemos información de TAP sobre los síntomas. Ya sabes, así que si la gente está hablando de |
| |
esto, digamos, por ejemplo, náuseas, entonces sabemos cuántas personas están hablando de náuseas en un día y, finalmente, en un lugar. Y entonces esto es solo un extracto de los síntomas de |
| |
de esto |
| |
esta base de datos. Entonces, echemos un vistazo a cómo podríamos usar esto. Digamos que quisiera venir a mí, un médico de urgencias, o alguien que investiga COVID 19 podría venir a mí y decir: |
| |
bueno, ¿dónde se enferma la gente? Ya sabes, ahí es donde la gente se enferma. |
| |
ahora, o dónde podría estar ocurriendo un brote en un área en particular. Bueno, este es el tipo de cosas que podríamos hacer para demostrar eso. |
| |
Utilizo mucho el análisis de componentes principales. En este caso, debido a que tenemos estos datos configurados, puedo usar esta herramienta para identificar |
| |
las cosas que me interesa analizar. En este caso son las regiones, preguntaron, ya sabes, la pregunta era dónde, dónde y qué. Vale, ¿qué te interesa saber? Así que escucho a la gente hablar sobre problemas respiratorios. |
| |
con respecto a COVID y escucho personas hablando de tener fiebre y estos son síntomas elevados. Estos son temas de los que la gente está hablando. |
| |
incluso más de lo que están escribiendo las cosas. Esa es la idea de TAP, es que estamos entrando en esos campos de texto y entendiendo cosas interesantes. Así que una vez que nosotros |
| |
ejecutamos estos análisis, |
| |
JMP crea este maravilloso gráfico para nosotros. Es genial para comunicar lo que está pasando. Y lo que está pasando en este caso es que Charlotte, Carolina del Norte, |
| |
realmente está inundado con médicos y enfermeras y tal vez técnicos de EMS hablando de que sus pacientes tienen fiebre |
| |
y problemas respiratorios. Si quiere alejarse lo más posible de eso, puede pasar un tiempo en Greensboro o Asheville, y si está en Raleigh Durham, puede estar al tanto de lo que está en el camino. |
| |
Entonces, esta es una forma en que podemos usar este tipo de información para |
| |
para esencialmente inteligencia, ya sabes, inteligencia sobre lo que podría estar sucediendo a continuación en áreas específicas. También podríamos hablar de severidad en lo mismo, en la misma instancia. Podríamos hablar de la gravedad de los casos y medir dónde se encuentran de la misma manera. |
| |
Entonces, la clave aquí es organizar y utilizar la base de datos de síntomas. |
| |
Usamos JMP para comunicar estas ideas. Es posible que se haya mostrado un gráfico como este al Departamento de Seguridad Nacional y lo hablamos fácilmente durante dos horas, no solo con preguntas sobre la validez uniforme, |
| |
ya sabes, es de donde provienen los datos y así sucesivamente. Podríamos hablar de eso y también podríamos hablar de |
| |
bien, esta, esta es la información que necesitas saber, ya sabes. Esta es información que lo ayudará a comprender dónde se enferman las personas, de modo que se puedan dar advertencias y esencialmente salvar vidas. |
| |
Entonces, ese es en cierto sentido el sistema que hemos creado. La clave subyacente es, son los datos. |
| |
Nuevamente, los datos que hemos usado son EMS, ED, datos del centro de envenenamiento. No tengo un ejemplo de los datos del centro de envenenamiento aquí, pero tengo una larga charla sobre cómo usamos los datos del centro de envenenamiento para sacar a la luz las enfermedades transmitidas por los alimentos, de manera similar a lo que mostramos aquí. |
| |
Y luego la capacidad de ser bastante dinámico al desarrollar nuestra historia frente a las personas y hablar con ellas. |
| |
en, ya sabes, vender confianza en lo que hacemos. JMP nos ayuda a hacer eso; El código SAS nos ayuda a hacer eso. Esa es una buena combinación de herramientas y eso es todo lo que tengo para este particular |
| |
tema. Agradezco su atención y espero que lo encuentre útil, y espero que podamos ayudarlo con este tipo de cosas. Gracias. |
