Políticas públicas, grandes dados, teoria de redes e COVID-19

DOI:  https://doi.org/10.12804/revistas.urosario.edu.co/desafios/a.9205

Barra lateral de artigos

PDF (Español (España)) HTML (Español (España)) Lector Inteligente (Español (España)) ePub (Español (España))

Publicado: jun. 10, 2020
Edição: v. 32 n. 2 (2020): (Julho-Dezembro)
Seção Documentos de discussão


Palavras-chave: Public policy , big data , network theory , COVID-19 , Bogota , Colombia. políticas públicas , teoría de redes , COVID-19 , Bogotá , Colombia políticas públicas , teoria de redes , COVID-19 , Bogotá , Colômbia.

Conteúdo do artigo principal

Autores

Emiliano Isaza Villamizar Universidad de los Andes
  Felipe González-Casabianca Universidad de los Andes
  Santiago Herrera Universidad de los Andes
  Tomás Rodríguez-Barraquer Universidad de los Andes
  Andrés Ángel Universidad de los Andes
  Vladimir Corredor Universidad Nacional de Colombia
  Alejandro Feged-Rivadeneira Universidad del Rosario
Resumo

A tecnologia aplicada ao uso de grandes dados tem sido uma ferramenta importante para prover informação necessária para dar respostas aos desafios de saúde pública ante a pandemia de COVID-19, e na Colômbia não tem sido exceção. Neste documento se analisam dois insumos de analítica de dados (rastreio digital de contatos e análise agregado de mobilidade, ambos os dois baseados em dados de telefonia celular) sobre os quais se têm tomado medidas de saúde pública no país latino-americano como, por exemplo, determinar zonas de controle diferencial dentro da cidade, o rastreio de contatos, e a identificação de potenciais superdispersores. Com base em uma amostra dos dados utilizados, se faz uma reflexão à luz dos resultados reportados até agora, especialmente desde uma perspectiva de redes complexas de contatos e superdispersores, as quais se tem mostrado têm um papel crítico no comportamento da epidemia. As análises expostas são parte de uma complexa interação entre o contexto político e epidemiológico que fazem diversas suas respetivas implementações. Finalmente, ressalta-se que a Colômbia conta com diversos exemplos de políticas públicas informadas por dados de última geração.

Como Citar
Isaza Villamizar, E., González-Casabianca, F., Herrera, S., Rodríguez-Barraquer, T., Ángel, A., Corredor, V., & Feged-Rivadeneira, A. (2020). Políticas públicas, grandes dados, teoria de redes e COVID-19. Desafíos, 32(2), 1–19. https://doi.org/10.12804/revistas.urosario.edu.co/desafios/a.9205
Referências

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

Estatísticas de consulta

Downloads

Não há dados estatísticos.
Métricas de publicação

3333 172




 

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Los derechos de autor serán de la Universidad del Rosario. Cuando el autor quiera publicar el manuscrito en otra publicación, deberá pedir a la Editorial de la Universidad del Rosario los permisos correspondientes. De igual forma, cuando la Revista esté interesada en publicar artículos que ya han sido publicados en otras revistas, procederá a solicitar los permisos correspondientes en la editorial donde se realizó la primera publicación. Bajo una Creative Commons Attribution License, los autores pueden compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.