Investigadores se centran en las redes sociales para frenar la expansión de una enfermedad

El antropólogo James Holland Hones y el biólogo Marcel Salathe han desarrollado un model matemático que identifica redes sociales y predice cómo interactuarán durante la expansión de una enfermedad. Dicen que puede ser clave para contener una epidemia.

Para frenar epidemias, es útil intentar entender cómo funcionan las redes sociales. Averiguar quién podría tener una enfermedad y tiene más posibilidades de transmitirla a otros es fundamental para controlar un problema de este tipo.

Vacuna

Se puede utilizar el sistema para averiguar a quién se debe vacunar primero. Wikipedia.

Pero los científicos no habían encontrado un buen método para conseguirlo. Suelen basarse en modelos no realistas que suponen que todo el mundo interactúa con los demás al mismo ritmo. Imagínate un cubo lleno de pan rallado en el que tienes que empanar varios trozos de carne, lo más probable es que todas las piezas se cubran con la misma cantidad de pan ya que se introducen todas a la vez y se empanan juntas.

Los investigadores de Stanford han encontrado una idea mejor, una manera más útil de seguir y frenar el avance de una enfermedad porque refleja las relaciones en la vida real. Desarrollando un algoritmo y comprobándolo con datos de Facebook, han averiguado cómo identificar las interacciones sociales entre comunidades, es decir, las relaciones que más probablemente unirán un grupo con otro y harán que más gente se contagie.

Su algoritmo “buscador de puentes entre comunidades” se presenta en un artículo publicado el 8 de abrol en la PLoS Computational Biology.

El modelo tiene en cuenta la estructura de la comunidad, las redes sociales y el hecho de que grupos cercanos suelen estar conectados por unos pocos individuos, ideas que pueden parecer evidentes pero que no habían sido aún aplicadas por los epidemiólogos.

“Si hay una enfermedad en una comunidad unida con sólo una manera de salir de la ciudad, las posibilidades de que lleguen a otra pequeña comunidad de una forma aleatoria son muy pequeñas”, dijo Jones, profesor asistente de antropología. “Cuantas más salidas de la ciudad haya, más probable es que la enfermedad salga y se esparza. Es por tanto la clave encontrar estas vías de salida y cerrarlas”.

Los datos de Facebook que se utilizaron para esta teoría provienen de 2005, cuando la red social sólo estaba disponible para estudiantes universitarios. Monitorizar las relaciones y las interacciones entre los estudiantes de cinco campus ayudaron a los investigadores a desarrollar un modelo matemático que reconoce los clusters de gente y predice la probabilidad de que se establezcan “puentes” entre ellos.

“Cuando un virus empieza a expandirse, ni el tiempo y las dosis necesarias para inmunizar a la población están disponibles”, dijo Salathé. “Por lo tanto, se necesita una estrategia que permita proteger a la población tanto como sea posible dados los recursos limitados que tienes. Nuestro análisis muestra que ponerse como objetivo los puentes entre comunidades es una estrategia útil y que el algoritmo que proponemos es una forma eficiente de encontrarlos.

Este artículo ha sido traducido de Physorg y publicado bajo licencia CC by-sa

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s

A %d blogueros les gusta esto: