A muchos nos resultaría inapropiado utilizar Twitter para publicar información sobre nuestro estado de salud o achaques físicos. Sin embargo, los tuits con esta información pueden tener un gran potencial para científicos, investigadores e incluso gestores hospitalarios. Así lo acaba de demostrar un estudio dirigido por la Universidad de Arizona.
Los investigadores, liderados por la profesora Sudha Ram y el científico Yolande Pengetnze, se focalizaron en una patología concreta: el asma. ‘Nos dimos cuenta de que el asma es uno de los mayores generadores de tráfico en los servicios de urgencias’, comenta Ram. Pero además, esta enfermedad ‘supone muchos imprevistos para los hospitales, quienes no siempre cuentan en Urgencias con personas especializadas en su tratamiento ni con equipos apropiados para atender a este tipo de pacientes’.
Ante esta situación, los investigadores analizaron durante tres meses la relación entre los tuits que hablaban de esta enfermedad crónica y la relación con el aumento de visitas a los servicios de Urgencias del Hospital de Dallas. Para ello, crearon un sistema que tuviera en cuenta tres parámetros: los registros médicos electrónicos, la calidad del aire y los mensajes de Twitter.
Recopilaron datos sobre la calidad del aire de los sensores ambientales de las inmediaciones del Hospital de Dallas; reunieron millones de tuits que contenían palabras clave relacionadas con el asma (‘asma’, ‘inhalador’, ‘jadeo’, etc) y, con la ayuda de los registros médicos electrónicos, relacionaron estos tuits con los códigos postales de los pacientes de este hospital.
Entre sus hallazgos destaca que las visitas de pacientes asmáticos al hospital no solo aumentaban a medida que la calidad del aire empeoraba, sino también cuando en Twitter se disparaban los comentarios con palabras clave relacionadas con el asma. Menos significativos fueron los resultados de las búsquedas en Google en la zona. Aunque los investigadores incluyeron también este buscador en su estudio, concluyeron que no era un buen predictor de las visitas a Urgencias de pacientes con asma.
Ram y sus colaboradores fueron capaces de hallar algoritmos automáticos que predicen (con un 75% de precisión) el número de pacientes que debe esperar el hospital en un día determinado. Ella y sus colegas esperan que estos hallazgos puedan servir para ayudar a crear modelos predictivos similares con otras enfermedades, como la diabetes; pero también para que los hospitales no se desborden y puedan desarrollar mejores estrategias de gestión de los recursos humanos y materiales en los Servicios de Urgencias’.
Con esta investigación se vuelve a poner de relieve el importante papel del Big Data y de los flujos de información que derivan de los nuevos canales de comunicación social.
