Contenido principal del artículo

Emiliano Isaza Villamizar
Felipe González-Casabianca
Santiago Herrera
Tomás Rodríguez-Barraquer
Andrés Ángel
Vladimir Corredor
Alejandro Feged-Rivadeneira

La tecnología aplicada al uso de grandes datos ha sido una herramienta importante para proveer información necesaria para dar respuestas a los retos de salud pública ante la pandemia de COVID-19, y en Colombia no ha sido la excepción. En este documento se analizan dos insumos de analítica de datos (rastreo digital de contactos y análisis agregado de movilidad, ambos basados en datos de telefonía celular) sobre los cuales se han tomado medidas de salud púbica en el país latinoamericano como, por ejemplo, determinar zonas de control diferencial dentro de una ciudad, el rastreo de contactos, y la identificación de potenciales superdispersores. Con base en una muestra de los datos utilizados, se hace una reflexión a la luz de los hallazgos reportados hasta el momento, especialmente desde una perspectiva de redes complejas de contactos y superdispersores, las cuales se ha mostrado tienen un papel crítico en el comportamiento de la epidemia. Los análisis expuestos son parte de una compleja interacción entre el contexto político y epidemiológico que hacen diversas sus respectivas implementaciones. Por último, se resalta que Colombia cuenta con diversos ejemplos de políticas públicas informadas por datos de última generación.

Descargas

Los datos de descargas todavía no están disponibles.

Ainslie, K. E. C., Walters, C. E., Fu, H., et al. (2020). Evidence of initial success for China exiting COVID-19 social distancing policy after achieving containment. Wellcome Open Research, 5(81). https://doi.org/10.12688/wellcomeopenres.15843.1

Buckee, C. O., Balsari, S., Chan, J., et al. (2020). Aggregated mobility data could help fight COVID-19. Science, 368(6487),145-146. https://doi.org/10.1126/science.abb8021

Chin, T., Kahn, R., Li, R., Chen, J. T., Krieger, N., Buckee, C. O., Balsari, S., & Kiang, M. V. (2020). US county-level characteristics to inform equitable COVID-19 response. medRxiv. https://doi.org/10.1101/2020.04.08.20058248

Chinazzi, M., Davis, J. T., Ajelli, M., et al. (2020). The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreak. Science, 368(6489), 395-400. https://doi.org/10.1126/science.aba9757

Hébert-Dufresne, L., Althouse, B. M., Scarpino, S. V., & Allard, A. (2020). Beyond R0: Heterogeneity in secondary infections and probabilistic epidemic forecasting. medRxiv. https://doi.org/10.1101/2020.02.10.20021725

Holmdahl, I. & Buckee, C. (2020). Wrong but useful—what covid-19 epidemiologic models can and cannot tell us. New England Journal of Medicine. https://doi.org/10.1056/NEJMp2016822

Kishore, N., Kiang, M. V., Engø-Monsen, K., Vembar, N., Balsari, S., & Buckee, C. (2020). Mobile phone data analysis guidelines: applications to monitoring physical distancing and modeling COVID-19. https://doi.org/10.31219/osf.io/5arjy

Kraemer, M. U., Yang, C.-H., Gutierrez, B., et al. (2020). The effect of human mobility and control measures on the COVID-19 epidemic in China. Science, 368(6490), 493-497. https://doi.org/10.1126/science.abb4218

Lai, S., Ruktanonchai, N. W., Zhou, L., et al. (2020). Effect of non-pharmaceutical

interventions to contain COVID-19 in China. Nature. https://doi.org/10.1038/s41586-020-2293-x

Lee, V. J., Chiew, C. J., & Khong, W. X. (2020). Interrupting transmission of COVID-19: lessons from containment efforts in Singapore. Journal of Travel Medicine, 27(3): taaa039. https://doi.org/10.1093/jtm/taaa039

MacIntyre, C. R. (2020). Global spread of COVID-19 and pandemic potential. Global Biosecurity, 1(3). https://doi.org/10.31646/gbio.55

Mitchell, T. (2002). Rule of experts: Egypt, techno-politics, modernity- University of

California Press. https://www.jstor.org/stable/10.1525/j.ctt1ppnxp

Nelson, G. D., & Rae, A. (2016). An Economic Geography of the United States: From Commutes to Megaregions. PloS one, 11(11): e0166083. https://doi.org/10.1371/journal.pone.0166083

Oliver, N., Lepri, B., Sterly, H., et al. (2020). Mobile phone data for informing public health actions across the COVID-19 pandemic life cycle. Science Advances 6(23): eabc0764. https://doi.org/10.1126/sciadv.abc0764

Parodi, S. M., & Liu, V. X. (2020). From containment to mitigation of COVID-19 in the US. JAMA, 323(15), 1441-1442. https://doi.org/10.1001/jama.2020.3882

Ross, C. L. (Ed.). (2012). Megaregions: Planning for global competitiveness. Washington: Island Press.

Shim, E., Tariq, A., Choi, W., Lee, Y., & Chowell, G. (2020). Transmission potential and severity of COVID-19 in South Korea. International Journal of Infectious Diseases, 93, 339-344. https://doi.org/10.1016/j.ijid.2020.03.031

Ting, D. S. W., Carin, L., Dzau, V., & Wong, T. Y. (2020). Digital technology and COVID-19. Nature medicine, 26(4), 459-461. https://doi.org/10.1038/s41591-020-0824-5

Wang, C. J., Ng, C. Y., & Brook, R. H. (2020). Response to COVID-19 in Taiwan: Big Data Analytics, New Technology, and Proactive Testing. JAMA, 323(14), 1341-1342. https://doi.org/10.1001/jama.2020.3151

Wang, Z., & Tang, K. (2020). Combating COVID-19: health equity matters. Nature Medicine, 26(4), 458. https://doi.org/10.1038/s41591-020-0823-6

Zhou, P., Yang, X.-L., Wang, X.-G., et al. (2020). A pneumonia outbreak associated with a new coronavirus of probable bat origin. Nature, 579(7798), 270-273. https://doi.org/10.1038/s41586-020-2012-7

Zhu, N., Zhang, D., Wang, W., et al. (2020). A Novel Coronavirus from Patients with Pneumonia in China, 2019. New England Journal of Medicine 382: 727-733. https://www.doi.org/10.1056/NEJMoa2001017

Detalles del artículo