Por: Antonio Moneo, Michelle Marshall y José Luis Delgado Davara del Sector de Conocimiento y Aprendizaje y la División de Protección Social y Salud del Banco Interamericano de Desarrollo
El pasado 2 y 3 de diciembre se celebró en Rio de Janeiro el evento Alerta Zika!, la primera expedición de datos organizada por el BID para abordar la problemática del Zika y otras enfermedades transmitidas por mosquito como Dengue y Chinkungunya. El evento se organizó en alianza con la Fundación Getulio Vargas (FGV), la Pontificia Universidad Católica (PUC) de Rio de Janeiro y la Secretaría Municipal de Salud de Rio (SMS). También colaboraron en el evento Lab.Rio, Carto y Amazon Web Services.
El objetivo de esta expedición de datos fue experimentar sobre cómo usar el “big data” para mejorar la manera de resolver problemas de desarrollo. Para ello, y en respuesta al desafío planteado por la Secretaría Municipal de Salud de Rio, nos concentramos en diseñar algoritmos capaces de predecir si el próximo verano habrá una nueva epidemia de Zika.
Para resolver el desafío, los participantes contaron con más de diez datasets con datos clínicos, ambientales y epidemiológicos. La principal base de datos, con incidencias notificadas a la Secretaría de Salud de infecciones por alguna enfermedad transmitida por mosquito, contenía más de 110.000 observaciones y 55 variables.
Durante el fin de semana se presentaron cinco proyectos y se nominaron tres ganadores. A continuación, se detalla en qué consistió cada uno de ellos.
1 Zika Dash
El equipo Zika Dash desarrolló una plataforma online que cruza datos epidemiológicos y ambientales para mapear la incidencia de Zika en los barrios de Rio de Janeiro y permite visualizar cómo la enfermedad se propagó entre 2015 y 2016. Esta visualización tiene como objetivo facilitar la detección de las zonas más afectadas por la enfermedad y tomar medidas. Para apoyar su estudio, este equipo llevó a cabo un análisis estadístico que demostró una correlación evidente entre los casos de Zika, Dengue y Chikungunya en la ciudad de Río.
Las visualizaciones gráficas, los análisis basados en estudios estadísticos y las respuestas concretas a las preguntas del Ministerio llevó a este equipo, de dos estudiantes de posgrado en matemática aplicada en la FGV, a presentar su proyecto en el evento AULA BID.
2 Z302
Z3O2, un equipo formado por tres estudiantes de la PUC de Río, basaron su trabajo en la premisa de que los datos de los brotes de Zika estaban directamente relacionados a la situación geográfica del paciente. Para ello, crearon un modelo regresivo utilizando datos epidemiológicos, sociales y ambientales para predecir el comportamiento del brote en la ciudad. Hicieron uso del lenguaje de programación Python con las librerías de código abierto Theano DeepLearning Library, y OpenLayers Library para la visualización de mapas. Finalmente, también se apoyaron en la herramienta Carto, aplicación web especializada en la visualización cartográfica de datos y en sus módulos de predicción.
3
Alerta Zika
El equipo Alerta Zika desarrolló visualizaciones de datos a nivel exploratorio para determinar la correlación entre el número de casos detectados y otras variables, como la temperatura o el índice de desarrollo humano para los distintos barrios de Rio. Mediante un dashboard con distintas métricas, este equipo pudo identificar correlaciones entre las bases de datos con incidencias clínicas, datos climáticos y variables del Atlas de Brasil derivadas del índice de Desarrollo Humano Municipal (IDHM) de las Naciones Unidas.
4 Zika-trends
El equipo Zika Trends, formado por estudiantes de pre-grado de FGV, empleó un algoritmo de clasificación utilizando como variable objetivo la tendencia epidemiológica (ascendente, descendente, estable) de las tres enfermedades, por barrio y por semana. Con esta información, se buscó conseguir una capacidad de predicción de hasta dos semanas y poder incrementar la capacidad de anticipación del municipio. Para el análisis se emplearon las librerías de Python, pandas, numpy, basemap, matplotlib y la herramienta de cartografía QGis.
5
Big Data Fighting Zika
El equipo “Fighting Zika”, compuesto por tres analistas de datos de la universidad PUC de Río de Janeiro, trabajó con el objetivo de predecir los casos de Zika con 15 días de antelación. De esta manera, se buscó mejorar la capacidad de respuesta del Ministerio de Salud para destinar los recursos de manera eficiente y aumentar las labores de prevención en las zonas adecuadas. Para ello, el equipo se apoyó en Pentaho Data Integration para la manipulación de datos y en Python con las librerías sklearn, ElasticNet Lasso, y RidgeRegression SVR para el diseño del modelo predictivo. Finalmente, también hicieron una visualización de sus resultados con Tableau.
Estos fueron los cinco proyectos que surgieron después de un fin de semana en el que exploramos la capacidad que tiene el “big data” para mejorar vidas.
¿Tienes otros ejemplos de cómo se puede usar el “big data” para resolver problemas de desarrollo? Cuéntanos en los comentarios.
[starbox id=1095,1105,285]
En Venezuela hemos estado trabajando con data de redes sociales para determinar la actividad de la enfermedad ,zika, dengue y chikungunya , estamos monitorizando zika desde tuiter con metrucas específicas , nos gustaría tener contacto con esta iniciativa
Big data genial pero tendría que ser útil para poner presidentes. Me explico de que sirve tanta tecnología si los que toman las decisiones son burros y no las usan. Ejemplo claro el covid19 la mayoría de los presidentes han pasado del big data. Funcionara cuando se vote por el big data y pongan a personas competentes en los gobiernos de los países.