|
Vocero
|
Transcripción
|
| Sam Edgemon |
Hola. Soy Sam Edgemon. Trabajé para el Instituto SAS, ya sabes, trabajo para el Instituto SAS, porque tengo la oportunidad de trabajar en muchos proyectos diferentes. |
| |
Y vamos a contarles 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. Hemos trabajado juntos desde que nos conocimos en la Universidad de Tennessee hace unos años. |
| |
Y lo que aprendimos en la Universidad de Tennessee lo aplicamos en este proyecto. Este proyecto se realizó para el Departamento de Seguridad Nacional. |
| |
El Departamento de Seguridad Nacional estaba muy preocupado por el terrorismo biológico y acudió al SAS con la pregunta de cómo detectaríamos actos de terrorismo biológico. |
| |
Bueno, ya sabes que es una discusión bastante importante, ya sabes, si piensas en ello... |
| |
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 haces? ¿Cómo se ven las cosas? |
| |
¿Qué es lo que te preocupa? Y hablaron de cosas como el ántrax, la ricina y 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 sabe, nuestra investigación implicó, ya sabe, ir a sitios web y estudiar lo que los CDC dijeron que eran síntomas de ántrax y los síntomas de |
| |
ricina y cómo esas cosas pueden presentarse en un paciente que ingresa a la sala de emergencias o toma una ambulancia o llama a un centro de toxicología o algo así. Entonces, lo que nos dimos cuenta al pasar por este proceso fue |
| |
Los síntomas se parecen mucho a los de la gripe si has estado expuesto al ántrax. Y si has estado expuesto a la ricina, se parece mucho a cualquier tipo de problema gastrointestinal que puedas experimentar. Así que llegamos a la conclusión y nuestra respuesta al Departamento de Seguridad Nacional fue que |
| |
¿Es que si podemos detectar un brote de influenza o un brote de, digamos, norovirus o algún problema gastrointestinal, |
| |
Entonces pensamos que podemos detectar cuándo algunos de estos elementos nocivos se han utilizado en público. Y ese es el camino que tomamos. Tomamos datos de EMS 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 datos de las redes sociales. |
| |
Para detectar cosas que antes se creían indetectables, en cierto sentido. Pero hemos desarrollado varias herramientas a lo largo del camino. Y en la diapositiva que tengo aquí se pueden ver algunos de los resultados de las preguntas. |
| |
Eso es lo que hicimos, 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 ello. Lo que quiero hacer es mostrarte los tipos de conversaciones que tuvimos. |
| |
Utilizamos JMP. Usamos JMP en todo este proyecto para comunicar nuestras ideas y comunicar nuestras inquietudes, comunicar lo que estábamos viendo. Un ejemplo de esa comunicación podría comenzar así: habíamos tomado datos del EMS. |
| |
Sistema, sistema médico con sede principalmente en Carolina del Norte. 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 qué datos podríamos extraer de esas bases de datos que podrían decirnos cosas interesantes. |
| |
Así que vamos a repasar algunos de esos tipos de situaciones. Una de las cosas de las que quería hablar inicialmente era: bien, veamos algunos casos. |
| |
¿Podemos ver información en casos que ocurren todos los días? Entonces, ya saben, este fue uno de los primeros gráficos que mostré. Ya saben, es difícil ver algo en este gráfico. |
| |
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 día cualquiera el promedio es de 2.782 casos al día y, ya sabe, esa es mucha información para analizar. |
| |
Así que podemos ver los códigos de diagnóstico, pero a algunos de los muchachos no les gustó la idea de que esto no sea tan claro como queremos que sea, así que tuvimos que encontrar formas de acceder a esos datos y estudiarlos. |
| |
y estudiar de qué manera podríamos sacar a la luz la información. Una de esas formas que pensamos fue identificar síntomas, síntomas específicos relacionados con algo que nos interesa, |
| |
Lo cual nos lleva de nuevo a la idea de que, bien, hemos identificado cómo se ve el ántrax cuando alguien entra a una sala de emergencias o toma un viaje en ambulancia o lo que sea. |
| |
Entonces tenemos esos... si identificamos esos síntomas específicos, entonces podemos ir y buscarlos en los datos. |
| |
Una forma de hacerlo es preguntarles a los profesionales. Había salas llenas de profesionales médicos en este proyecto y muchos médicos. Y algo extraño es que... |
| |
Observé muy rápidamente que cuando le hacías preguntas a una sala llena de gente muy, muy inteligente como "¿qué son... qué síntomas debo buscar cuando busco gripe o norovirus?", obtenías muchísimas respuestas diferentes. |
| |
Entonces pensé: "Bueno, realmente me gustaría tener una manera de acceder a esta información, matemáticamente, en lugar de simplemente usar opiniones". Y lo que hice fue organizar los datos con los que estaba trabajando. |
| |
Para tener en cuenta los síntomas en días específicos y el diagnóstico. Iba a utilizar esos códigos de diagnóstico. |
| |
Y lo que terminé obteniendo, y lo configuré para poder ejecutarlo una y otra vez, fue un conjunto de síntomas matemáticamente válidos. |
| |
que podríamos ingresar a los datos y buscar cosas específicas como la influenza, el norovirus o el ántrax o la ricina o los síntomas del COVID 19. |
| |
Este proyecto resurgió con muchas preguntas sobre qué podríamos hacer... cómo podríamos abordar los problemas. |
| |
de COVID 19 en esto. Esto es exactamente lo que comencé a mostrar nuevamente, 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 hecho. |
| |
que acabamos de demostrarles. Aquí, buscaremos en el campo de queja principal en una de esas bases de datos palabras específicas |
| |
que nos podría interesar hacer. Ahora bien, los programas completos también buscarían términos que alguien dijo, bueno, alguien no tiene fiebre o alguien no tiene náuseas. Entonces tendríamos que identificar |
| |
En esencia, lo negativo, así como los síntomas puros entre comillas en las palabras. Una vez que hicimos eso, pudimos volver a |
| |
JMP y pensemos, bueno, veamos, veamos esta información nuevamente. Tenemos esta cantidad de casos aquí, pero ¿qué tal si le damos un vistazo? |
| |
donde hemos identificado síntomas específicos ahora |
| |
y ver cómo se vería eso. |
| |
Entonces, lo que realmente estoy buscando es cualquier información sobre |
| |
Problemas gastrointestinales. Podría haber estado buscando gripe o algo así, pero así es como se ven los datos. Son los mismos datos. Simplemente, han sido diseñados para que parezcan algo que me interesa. En este caso, hubo un brote. |
| |
del norovirus del que le hablamos a la gente y de la que no sabían nada, ya sabes, empezamos a hablar de esto el 15 de enero. |
| |
Y, como sabéis, el mundo no sabía que había habido un brote de norovirus hasta que empezamos a hablar de ello aquí. |
| |
Y eso fue visto como algo muy importante. Ya sabes, tomamos datos, los limpiamos y dejamos las cosas que realmente nos interesaban. |
| |
Pero seguimos adelante. Sabes que la fortaleza de lo que estábamos haciendo no era simplemente contar casos o contar códigos de diagnóstico, estábamos observando los síntomas que describen la visita de la persona al médico. |
| |
la sala de emergencias o lo que llamaron sobre el centro de intoxicaciones o tomaron un viaje en la ambulancia. |
| |
campo de queja principal, campos de síntomas, |
| |
y campos de texto libre. Buscamos en 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 podría usar cuando alguien ingresa por primera vez a la sala de emergencias, y analizamos las palabras que un médico podría usar. Tal vez no lo que hicieron clic en los cuadros, sino las palabras reales que usaron. Y desarrollamos una métrica en torno a eso también. |
| |
Esta métrica |
| |
Fue, ya sabes, nos lo hizo saber. |
| |
Ya sabes, con un mes de antelación, algo extraño ocurrió en una zona concreta de Carolina del Norte en una fecha concreta. 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 cuánto habla la gente sobre un tema específico y si una persona habla de ello, |
| |
No tiene mucho peso, por lo tanto, no sería un gran problema. Si dos personas están hablando de ello, si una enfermera |
| |
y un técnico de EMS está hablando de un conjunto específico de síntomas, o mencionando un síntoma varias veces, entonces 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 emergencias médicas, si esa es la información que tenemos, si todos están hablando de ello, |
| |
Entonces, probablemente sea un problema bastante grave. Eso es lo que sucedió aquí el 6 de diciembre. Mucha gente habla de síntomas que describen algo parecido al norovirus. |
| |
Esto estaba relacionado con un brote del que los medios empezaron a hablar a mediados de febrero. Por lo tanto, esto se considera como si le estuviéramos contando al mundo algo de lo que los medios empezaron a hablar un mes después. |
| |
Y |
| |
En concreto, nos sentimos atraídos por esta región de Cape Fear porque muchos de los casos se dieron en esa zona de Carolina del Norte alrededor de Wilson. |
| |
El condado de Wilson y ese tipo de cosas. Entonces, eso se vio como algo de interés que pudimos analizar con mucha anticipación antes de hablar sobre algo que estaba sucediendo. |
| |
Continuamos con ese tipo de trabajo en relación con el uso de esas herramientas para la biovigilancia. |
| |
Pero lo que hicimos después fue, ya sabes, después de configurar los sistemas que, ya sabes, básicamente se ejecutaban... |
| |
todos los días, ya sabes, cada hora, todos los días, ese tipo de cosas. Y entonces, cada vez que pudiéramos decir, bueno, |
| |
El sistema ha predicho un brote, ¿sabes si se notó? La información que se estaba brindando... estaba realmente libre de ruido en cierto sentido. Miramos hacia atrás en el tiempo y estábamos |
| |
pronosticando, digamos, entre 20 y 30 alertas al año, |
| |
alertas totales al año. Entonces, hubo 20 o 30 situaciones en las que simplemente le habíamos dado a la gente el aviso de que tal vez deberían investigar algo, ya saben, mirar, verificar algo. Podría haber ocurrido una situación, pero en uno de estos casos, |
| |
El tipo con el que trabajamos tanto en Seguridad Nacional se acercó a nosotros y nos dijo: "Está bien, creemos en su alerta, así que díganos algo más al respecto". |
| |
De qué está hecho. Así es como planteó la pregunta. Entonces, lo que hicimos fue... |
| |
Estaba desarrollando un modelo, justo delante de él. |
| |
Y la razón por la que pudimos hacer eso (y 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 mantener en relación con eso, como la edad, la etnia. |
| |
Entonces, cuando nos preguntaron de qué está hecho, entonces pudimos... Pongamos esto justo en el medio de la pantalla, cerremos algo de la otra información que nos rodea aquí para que puedan concentrarse solo en eso. |
| |
Entonces, cuando nos preguntan, bien, ¿de qué se compone este brote?, ya sabes, construimos un modelo frente a ellos (Tony realmente lo hizo). |
| |
Y eso pareció tener un gran impacto cuando lo hizo, al decir: "Está bien, tienes razón. Ahora te hemos dicho hoy que hay una alerta". |
| |
Y deberían prestar atención a los casos de gripe en esta zona en particular porque parece ser anormal. Pero también podríamos decirles ahora que, bueno, |
| |
Estos casos se componen principalmente de jóvenes, personas menores de 16 años. |
| |
Los síntomas de los que hablan cuando van a urgencias o suben a una ambulancia son fiebre, tos, problemas respiratorios y dolor. |
| |
Y hay problemas gastrointestinales. La información clave que creemos que debe tenerse en cuenta son las interacciones entre los grupos de edad y los síntomas en sí. |
| |
Si bien este puede no ser considerado importante porque está al final de la lista, creemos que lo es. |
| |
Y también estos de aquí abajo. Hablamos de jóvenes y disnea, jóvenes y problemas gastrointestinales, y luego de personas mayores. |
| |
Entonces, ya sabes, empezamos a ver que también aparecían personas mayores en los datos. Así que podríamos hablar de gente más joven, gente mayor y gente de su edad. |
| |
En este momento, no se están presentando casos de personas de entre 20, 30, 40 y 50 años en este brote. Por lo tanto, hay un par de cosas aquí. Cuando podríamos darles información a las personas el día del brote, |
| |
de que se produzca una alerta y podríamos darles un conjunto de síntomas a los que prestar atención. Ya sabes, cuando el COVID-19 ya estaba muy extendido en nuestro país, todavía parecía que encendíamos las noticias todos los días y escuchábamos sobre un síntoma diferente. |
| |
Así es como podemos lidiar con ese tipo de cosas. Ya sabes, podemos entender |
| |
Ya sabes, qué síntomas están apareciendo para que la gente pueda realmente tener, ya sabes, tener información para reconocer cuándo un problema realmente va a ocurrir y existir. |
| |
Entonces, 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 antes, a los que generalmente me refiero como el método TAP, que simplemente utiliza análisis de texto y gráficos proporcionales. |
| |
Bueno, ya sabes, probablemente ya hayamos superado ese problema, es culpa nuestra, así que no teníamos la herramienta para buscarlo 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 nos interesaba aprender. Así que, sigamos analizando algunas formas en las que podríamos usar lo que aprendimos en ese proyecto para ayudar con la situación del COVID 19. |
| |
Una de las cosas que hicimos, por supuesto, fue crear esta base de datos de síntomas. La base de datos de síntomas nos brinda información diaria sobre los síntomas que surgen. |
| |
Y ya sabes quién está enfermo y dónde. Aquí hay un extracto de la base de datos de la que hablamos, donde hay información sobre una fecha, |
| |
Tiene información sobre género y etnia en las regiones de Carolina del Norte. ¿Podrías llevar esto a las ciudades y los códigos postales o cualquier cosa que te resulte útil? |
| |
Mencioné TAP en ese texto de información analítica, bueno, ahora tenemos información de TAP sobre los síntomas. Entonces, si la gente está hablando de |
| |
Por ejemplo, si hablamos de náuseas, entonces sabemos cuántas personas hablan de náuseas en un día y, eventualmente, en un lugar. Y esto es solo un extracto de los síntomas de |
| |
de esto |
| |
Esta base de datos. Veamos cómo podríamos usarla. 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 está enfermando la gente? Ya sabes, ahí es donde se está enfermando la gente. |
| |
Ahora bien, ¿dónde podría estar ocurriendo un brote en una zona determinada? Bueno, este es el tipo de cosas que podríamos hacer para demostrarlo. |
| |
Utilizo mucho el análisis de componentes principales. En este caso, como tenemos estos datos configurados, puedo usar esta herramienta para identificar |
| |
El tema que me interesa analizar. En este caso, se trata de las regiones. Preguntaron dónde, dónde y qué. Bien, ¿qué es lo que te interesa saber? Escucho a la gente hablar de problemas respiratorios. |
| |
En cuanto al COVID, escucho a personas hablar de tener fiebre y síntomas que son bastante elevados. Son problemas de los que la gente habla. |
| |
Incluso más de lo que escriben las cosas. Esa es la idea de TAP, que nos adentremos en esos campos de texto y entendamos cosas interesantes. Entonces, una vez que lo hagamos, |
| |
ejecutamos estos análisis, |
| |
JMP crea este maravilloso gráfico para nosotros. Es excelente para comunicar lo que está sucediendo. Y lo que está sucediendo en este caso es que Charlotte, Carolina del Norte, |
| |
Está realmente inundado de médicos, enfermeras y tal vez técnicos de servicios médicos de urgencia que hablan de que sus pacientes tienen fiebre. |
| |
y problemas respiratorios. Si quieres alejarte lo más posible de eso, puedes pasar un tiempo en Greensboro o Asheville, y si estás en Raleigh Durham, es posible que sepas lo que se avecina. |
| |
De esta manera, podemos utilizar este tipo de información. |
| |
En esencia, para obtener información, es decir, información sobre lo que podría ocurrir a continuación en áreas específicas. También podríamos hablar de la 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. |
| |
Hemos utilizado JMP para comunicar estas ideas. Es posible que se haya mostrado un gráfico como este al Departamento de Seguridad Nacional y hayamos hablado de él durante dos horas sin hacer preguntas sobre su validez. |
| |
Ya sabes, es de dónde vienen los datos y todo eso. Podríamos hablar de eso y también podríamos hablar de |
| |
Bien, esta es la información que necesitan saber. Esta es información que los ayudará a entender dónde se están enfermando las personas, de modo que se puedan dar advertencias y, esencialmente, salvar vidas. |
| |
De alguna manera, 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 del centro de intoxicaciones. No tengo un ejemplo de los datos del centro de intoxicaciones aquí, pero he hablado largo y tendido sobre cómo usamos los datos del centro de intoxicaciones para detectar enfermedades transmitidas por los alimentos, de manera similar a lo que hemos mostrado aquí. |
| |
Y luego la capacidad de ser bastante dinámicos al desarrollar nuestra historia frente a la gente y hablar con ellos. |
| |
En, ya sabes, vender la 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 proyecto en particular. |
| |
Tema. Agradezco su atención y espero que les sea de utilidad, espero que podamos ayudarles con este tipo de cosas. Gracias. |
