|
Vocero
|
Transcripción
|
| Sam Edgemon |
Hola. Este es Sam Edgemon. Trabajé para el Instituto SAS, ya sabes, trabajo para el Instituto SAS, porque trabajo en muchos proyectos diferentes. |
| |
Y les vamos a contar sobre 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. Este proyecto fue realizado para el Departamento de Seguridad Nacional. |
| |
El Departamento de Seguridad Nacional estaba muy preocupado por el terrorismo biológico y acudieron a SAS con la pregunta de cómo detectaríamos actos de terrorismo biológico. |
| |
Bueno, ya sabes, es una gran discusión, ya sabes, si piensas en |
| |
las cosas con las que podríamos regresar. Ya sabes, una de esas cosas era bueno, ¿qué es lo que más te preocupa, qué es lo que hace, cómo se ven las cosas? |
| |
que te preocupa? Y hablaron de cosas como el ántrax, la ricina y una serie de otros elementos muy peligrosos que los terroristas podrían utilizar 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 implicó 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 podrían presentarse en un paciente que ingresa a la sala de emergencias o toma una ambulancia o llama a un centro de intoxicaciones o sucede algo así. Entonces, lo que nos dimos cuenta al pasar por este proceso fue |
| |
fue que los síntomas se parecen mucho a los de la gripe si has estado expuesto al ántrax. Y si ha estado expuesto al ricino, 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, norovirus o algún problema gastrointestinal, |
| |
Entonces creemos que podemos detectar cuándo algunos de estos malos elementos se han utilizado en público. Y ese es el camino que tomamos. Entonces tomamos datos de EMS y y |
| |
salas de emergencia, departamentos de emergencia y centros de intoxicaciones y, de hecho, también hemos utilizado datos del motor de búsqueda de Google o también datos de redes sociales. |
| |
detectar cosas que ya conocías se consideraban indetectables en cierto sentido. Pero desarrollamos varias, varias herramientas a lo largo del camino. Y podéis ver en la diapositiva que tengo aquí algunos de los resultados de las preguntas. |
| |
Eso es lo que juntamos, ya sabes, estos diferentes métodos de los que hemos hablado aquí. Hablaré de algunos de esos métodos en el breve tiempo que tenemos para hablar hoy, pero profundicemos en ellos. Lo que quiero hacer es mostrarte los tipos de conversaciones que tuvimos. |
| |
utilizando JMP. Usamos JMP a lo largo de este proyecto para comunicar nuestras ideas y comunicar nuestras inquietudes, comunicar lo que estábamos viendo. Un ejemplo de esa comunicación podría comenzar así: nosotros, habíamos tomado datos del EMS. |
| |
sistema, sistema médico con sede 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 en ese sentido. |
| |
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 podemos extraer de esas bases de datos que podrían decirnos cosas interesantes. |
| |
Así que simplemente analicemos algunos de esos tipos de situaciones. Una de las cosas de las que inicialmente quería hablar era, está bien, veamos los casos. sabes, |
| |
¿Podemos ver información en casos que ocurren todos los días? Entonces ya sabes, 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. Estos son, ya sabes, cuántos casos |
| |
En el estado de Carolina del Norte, en un día determinado, el promedio es de 2,782 casos por día y, ya sabes, esa es mucha información para clasificar. |
| |
Podemos ver los códigos de diagnóstico, pero a algunos de los chicos no les gustó la idea de que esto no fuera tan claro como queríamos, así que tuvimos que encontrar formas de acceder a esos datos y estudiarlos. |
| |
y estudiar de qué maneras podemos sacar a la luz la información. Una de esas formas que nos apetecía era identificar síntomas, síntomas específicos relacionados con algo que nos interesa, |
| |
lo que se remonta a esta idea de que, bueno, hemos identificado cómo se ve el ántrax cuando alguien entra a la sala de emergencias o viaja en una ambulancia o lo que sea. |
| |
Entonces tenemos esos... si identificamos esos síntomas específicos, entonces podemos buscarlos en los datos. |
| |
Ahora, una forma de hacerlo sería preguntarle a los profesionales. Había salas llenas de profesionales médicos en este proyecto y muchos médicos. Y es algo extraño que |
| |
Lo que observé muy rápidamente fue cuando le preguntaste a una sala llena de personas muy, muy inteligentes, preguntas como, qué es... qué síntomas debo buscar cuando estoy buscando influenza o norovirus, obtienes muchísimas respuestas diferentes. . |
| |
Entonces pensé, bueno, realmente me gustaría tener una manera de obtener esta información, matemáticamente, en lugar de simplemente usar opiniones. 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 para poder ejecutarlo una y otra vez, fue un conjunto de síntomas matemáticamente válidos. |
| |
que podríamos analizar datos y buscar cosas específicas como la influenza, el norovirus, el ántrax, la ricina o los síntomas del COVID 19. |
| |
Este proyecto surgió nuevamente con muchas preguntas sobre qué podríamos... cómo podríamos encontrar los problemas. |
| |
del COVID 19 en esto. Esto es exactamente lo que comencé a mostrar de nuevo, este tipo de cosas. ¿Cómo podemos identificar los síntomas? Bueno, esta es una manera de hacerlo. |
| |
Ahora, una vez que encontremos estos síntomas, una de las cosas que haremos es escribir un código que podría verse similar a este código que buscará en un campo particular en una de esas bases de datos y buscará cosas que encontramos en esas. análisis que hemos |
| |
que acabamos de demostrarle. Así que aquí buscaremos el campo de queja principal en una de esas bases de datos para buscar palabras específicas. |
| |
que podríamos estar interesados en hacer. Ahora que los programas completos también buscarían términos que alguien dijera, Bueno, alguien no tiene fiebre o alguien no tiene náuseas. Entonces tendríamos que identificar |
| |
esencialmente los negativos, así como los síntomas puros entre comillas en las palabras. Entonces, una vez que hayamos hecho eso, podremos volver a |
| |
JMP y y pensemos, bueno, veamos, veamos esta información nuevamente. Tenemos esta cantidad de casos aquí, pero ¿y si le echamos un vistazo? |
| |
donde hemos identificado síntomas específicos ahora |
| |
y ver cómo se vería. |
| |
Entonces, lo que realmente estoy buscando es información sobre |
| |
problemas gastrointestinales. Podría haber estado buscando gripe o algo así, pero así son los datos. Son los mismos datos. Básicamente, 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 y que no sabían, ya sabes, comenzamos a hablar de esto el 15 de enero. |
| |
Y usted sabe que el mundo no sabía que esencialmente había un brote de norovirus hasta que comenzamos a hablar de ello aquí. |
| |
Y eso fue visto como algo importante. Ya sabes, tomamos datos, los limpiamos y dejamos las cosas que realmente nos interesan. |
| |
Pero seguimos adelante. Usted sabe que el punto fuerte de lo que estábamos haciendo no era simplemente contar casos o contar códigos de diagnóstico, sino que estábamos analizando los síntomas que describen la visita de la persona a |
| |
la sala de emergencias o para qué llamaron al centro de intoxicaciones o para qué fueron llevados en la ambulancia. |
| |
campo de queja principal, 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 campos que describen |
| |
las palabras que una enfermera podría usar cuando alguien llega por primera vez a la sala de emergencias, y analizamos las palabras que puede usar un médico. Quizás no en qué 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, con otro mes de anticipación algo extraño en un área particular de Carolina del Norte en una fecha particular. Entonces mencioné que esto era el 15 de enero y esto, esto era el 6 de diciembre. |
| |
y estaba en la misma zona. Y lo que realmente se registra es cuánta gente habla sobre un tema específico y si una persona está hablando de ello, |
| |
No tiene mucho peso, por lo que no sería gran cosa. Si dos personas están hablando de ello, si una enfermera |
| |
y un técnico de EMS están hablando de un conjunto específico de síntomas, o mencionando un síntoma varias veces, luego lo medimos y desarrollamos una métrica a partir de esa información. |
| |
Entonces, si tres personas, ya sabes, el médico, la enfermera y el técnico de EMS, si esa es la información que tenemos, si todos están hablando de ello, |
| |
entonces probablemente sea un gran problema. Eso es lo que sucedió aquí el 6 de diciembre: mucha gente habla de síntomas que describirían algo como el norovirus. |
| |
Esto, esto estaba relacionado con un brote del que los medios empezaron 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 fuera visto como algo de interés, podríamos profundizar mucho antes de, ya sabes, hablar sobre algo que esté sucediendo. Ahora |
| |
Continuamos con ese tipo de trabajo relacionado con, ya sabes, el uso de esas herramientas para la biovigilancia. |
| |
Pero lo que hicimos después fue, ya sabes, después de que configuramos sistemas que, ya sabes, esencialmente funcionaban |
| |
todos los días, ya sabes, cada hora, todos los días, ese tipo de cosas. Y luego, cuando pudiéramos decir, bueno, |
| |
el sistema ha predicho un brote, usted sabe si esto se notó. La información que estaba proporcionando... era 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. Entonces hubo 20 o 30 situaciones en las que acabábamos de avisar a la gente de que tal vez deberían investigar algo, ya sabes, mirar, comprobar algo. Es posible que usted sepa que está ocurriendo una situación. Pero en uno de estos casos, |
| |
El tipo con el que trabajamos tanto en Seguridad Nacional vino a nosotros y nos dijo, está bien, creemos en su alerta, así que cuéntenos algo más al respecto. Cuéntanos qué |
| |
de qué está compuesto. Así es como planteó la pregunta. Entonces, entonces lo que hicimos |
| |
Fue desarrollar un modelo, justo frente a 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 hacerlo 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 conservar en relación con eso, como la edad, como el origen étnico. |
| |
Entonces, cuando nos preguntaron de qué está compuesto, entonces podríamos... Pongamos esto justo en el medio de la pantalla, cerremos parte de la otra información que nos rodea aquí para que puedan concentrarse en eso. |
| |
Entonces, cuando nos preguntan, bueno, ¿de qué está compuesto este brote?, ya sabes, construimos un modelo frente a ellos (Tony en realidad lo hizo). |
| |
y que eso pareció tener un gran impacto cuando hizo esto, decir: Está bien, tienes razón. Ahora les hemos dicho que hoy hay una alerta. |
| |
Y se 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 conformados 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 y problemas respiratorios. Hay dolor. |
| |
y hay problemas gastrointestinales. La pieza clave de información que creemos que son las interacciones 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 sí lo es, |
| |
e incluso estos de aquí abajo. Hablamos de los jóvenes y la disnea, y de los jóvenes y los problemas gastrointestinales, y luego de las personas mayores. |
| |
Así que, ya sabes, se empezó a ver que las personas mayores también entran en los datos aquí. Entonces podríamos hablar de gente más joven, gente mayor y gente en su |
| |
Los años 20, 30, 40 y 50 no aparecen en este brote en este momento. Entonces hay un par de cosas aquí. ¿Cuándo podríamos darle información a la gente que conoces el día de |
| |
de que ocurra una alerta y podríamos darles un conjunto de síntomas para buscar. Sabes, cuando el COVID 19 estaba bien en nuestro país, sabes que todavía pareces ver las noticias todos los días y escuchar sobre un síntoma diferente. |
| |
Así es como podemos lidiar con ese tipo de cosas. Sabes, podemos entender |
| |
ya sabes, qué síntomas están surgiendo de modo que las personas puedan realmente tener, ya sabes, tener información para reconocer cuándo va a ocurrir y existir un problema. |
| |
Estas son algunas de las cosas de las que estamos hablando aquí, pensarán en cómo podemos aplicarlas ahora. |
| |
Usando los sistemas de alerta que les mostré anteriormente, generalmente me refiero a ellos como el método TAP, simplemente usando análisis de texto y gráficos proporcionales. |
| |
Bueno, ya sabes, probablemente ya hayamos superado eso, depende de nosotros. Así que 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 edades sobre los que también estábamos interesados en aprender. Entonces, sigamos analizando 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, fue hablar sobre la creación de esta base de datos de síntomas. La base de datos de síntomas nos brinda información diariamente sobre los síntomas que surgen. |
| |
Y sabes 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. |
| |
Mencioné TAP en esa información de análisis de texto, bueno, ahora tenemos información de TAP sobre los síntomas. Ya sabes, entonces si la gente está hablando de |
| |
Esto, digamos, por ejemplo, náuseas, entonces sabemos cuántas personas hablan de náuseas en un día y, finalmente, en un lugar. Y esto es sólo un extracto de los síntomas de |
| |
de esto |
| |
esta base de datos. Entonces, echemos un vistazo a cómo podríamos usar esto. Digamos que quieres venir a verme, un médico de urgencias o alguien que esté investigando el COVID 19 podría venir y decirme: |
| |
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 particular. Bueno, este es el tipo de cosas que podríamos hacer para demostrarlo. |
| |
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. Bien, ¿qué te interesa saber? Entonces escucho a la gente hablar sobre problemas respiratorios. |
| |
con respecto a COVID y escucho a la gente hablar de tener fiebre y estos son síntomas elevados. Estos son temas de los que la gente está hablando. |
| |
incluso más de lo que escriben las cosas. Esa es la idea de TAP: entrar en esos campos de texto y comprender cosas interesantes. Así que una vez que nosotros |
| |
realizamos 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, |
| |
En realidad, tal vez esté inundado de médicos, enfermeras y tal vez técnicos de EMS que hablan de que sus pacientes tienen fiebre. |
| |
y problemas respiratorios. Si desea alejarse lo más posible de eso, puede pasar tiempo en Greensboro o Asheville, y si está en Raleigh Durham, es posible que esté al tanto de lo que hay en el camino. |
| |
Esta es una forma en que podemos usar este tipo de información para |
| |
esencialmente inteligencia, ya sabes, inteligencia sobre lo que podría estar sucediendo a continuación en áreas específicas. También podríamos hablar de gravedad en el mismo caso. Podríamos hablar de la gravedad de los casos y medir dónde se encuentran de la misma manera. |
| |
Entonces ya sabes que 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 a Seguridad Nacional y hablamos de ello durante dos horas fácilmente, no solo con preguntas sobre validez uniforme, |
| |
ya sabes, es de donde provienen los datos y demás. Podríamos hablar de eso y también podríamos hablar de |
| |
Bien, esta, esta es la información que necesitas saber, ¿sabes? Esta es información que le ayudará a comprender dónde se enferman las personas, de modo que se puedan dar advertencias y, esencialmente, salvar vidas... vidas. |
| |
Así que, en cierto sentido, ese es el sistema que hemos creado. La clave subyacente son los datos. |
| |
Nuevamente, los datos que hemos utilizado son datos de EMS, ED y centros de intoxicaciones. No tengo un ejemplo de los datos del centro de intoxicaciones aquí, pero he tenido una larga charla sobre cómo usamos los datos del centro de intoxicaciones para sacar a la luz las enfermedades transmitidas por los alimentos, de manera similar a la que hemos mostrado aquí. |
| |
Y luego la capacidad de ser bastante dinámicos al desarrollar nuestra historia frente a las personas y hablar con ellas. |
| |
en, ya sabes, vender la creencia 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 le resulte útil, y espero que podamos ayudarle con este tipo de cosas. Gracias. |
