Desafios de big data para gestão em doenças
negligenciadas: um estudo de dengue na rede social
Jorge
L
Magalhães;
Luc
Quoniam;
Núbia
Boechat
twitter pela abordagem 2.0
1,2,3
3,4
2
1FIOCRUZ/Farmanguinhos.
INTRODUÇÃO
Deptº Síntese. Área Gestão e Inovação Tecnológica
2Aix-Marseille Université – Institut de Recherches en Sciences de l'Information et de Communication
3Bolsista Capes pós-doutorado 12.298.
4Universidade Nove de Julho – UNINOVE, São Paulo.
A velocidade da geração de dados no século 21 é praticamente
instantânea devido a big data1 . Assim, a questão é ter habilidade para
extrair, analisar e converter os 2,5 quintilhões (2.5×1018) de dados
gerados diariamente no mundo (McKinsey Global Institute, 2011).
Os serviços online e mídia social têm gerado quantidades de
informações a baixo custo e sem precedentes na história. Considerando
uma economia global e integrada, é imperativo que os gestores
busquem dados cada vez mais precisos para tomada de decisão. Assim,
é salutar adaptar-se constantemente nesse novo contexto mundial
(Quoniam, 2010).
Na saúde, melhores condições de vida e ações de saúde pública
estão na agenda mundial e se agravam quando 80% da população
mundial negligenciada vive em países de baixa ou média renda, não
tendo acesso aos medicamentos essenciais (WHO, 2010), e intensificase com doenças que perpetuam essas condições da pobreza, como
dengue, malária etc. (Morel et al, 2005).
Melhorar a saúde das populações mais pobres depende do
desenvolvimento e implantação de variedades de inovações em saúde,
aos quais incluem novos medicamentos, dispositivos, diagnósticos e
tecnologias em engenharia de processos e manufatura, novas
abordagens de gestão, software e políticas em sistemas de saúde.
Assim, a internet tem se tornado fundamental para leigos e profissionais
da saúde (Brownstein et al, 2008)
OBJETIVOS
Contato: [email protected]
Assim, dos 150 documentos essenciais obtidos, observa-se a
formação de 37 clusters dispostos em cores, sendo que17 tratam do
‘impacto’ sobre o tema pesquisado, 14 associados à dengue, 5 câncer
etc. Essa abordagem facilita a visualização e o resgate dos principais
documentos na área.
O termo ‘big data’ se relaciona em dados com o termo ‘saúde’ em
43% na internet. De acordo com o Twitter Statistics há 550 milhões de
usuários no twitter e emitem, em média, 58 milhões de tweets/dia. As
nações TOP 5 usuárias são EUA, Brasil, Japão, UK e Indonésia.
A figura 2 demonstra uma rede de
pessoas do twitter comentando sobre
dengue durante o mês de março/2013
no Rio de Janeiro.
No software, há possibilidade de
clicar nos pontos e identificar a pessoa
e o que a mesma comenta. A
concentração de pontos pretos indica
a quantidade maciça de twitter em
determinado local e suas respectivas
interligações (retweets). Esse cenário
Figura 2: Rede de tweets e retweets sobre dengue.
indicaria um possível surto de casos
de dengue. Outro exemplo, é o ponto vermelho e suas ramificações,
porém em escala menor.
Nessa abordagem, a possibilidade de um observatório de saúde
focado em redes sociais poderia contribuir no sentido de munir os
gestores de vigilância epidemiológica com dados em tempo real,
possibilitando ações de saúde pública ágil a fim de conter endemias.
Identificar o big data na área da saúde e algumas ferramentas do
conceito web 2.0. A doença dengue foi usada como demonstração no
estudo de caso.
RESULTADOS E DISCUSSÃO
Dados obtidos sobre doenças, saúde, pesquisas etc., podem ser
identificados não somente em abordagens tradicionais, mas também em
diversos canais da Web. Devido a
existência do big data, a dificuldade
é
estudar
essa
gama
de
informações. Um caminho é o uso
de ferramentas colaborativas 2.0
(Lynch, 2008). Existem 55700
documentos
sobre
doenças
negligenciadas e dengue na busca
pelo software Carrot®. Ao aplicar
data miner e restringir com
correlações
mais
consistentes
dentro do PubMed, reduz-se a
Figura 1: Cluster sobre doenças negligenciadas no PubMed.
pesquisa em 97,3% (figura 1).
AGRADECIMENTOS
CONCLUSÃO
É realidade o uso do big data na saúde. Portanto, há necessidade
de aliar ferramentas 2.0 a fim de melhor entender e adaptar-se às
interações das novas abordagens de tecnologias, como por exemplo, as
redes sociais. De tal modo, usá-las como método para antever a
identificação e análise de doenças e prover ações de saúde pública.
BIBLIOGRAFIA
•
•
•
•
•
•
C. Lynch, Big data: How do your data grow?, Nature, vol. 455, no 7209, p. 28–29, set. 2008.
C. M. Morel, S. J. Serruya, G. O. Penna, e R. Guimarães, Co-authorship Network Analysis: A
Powerful Tool for Strategic Planning of Research, Development and Capacity Building
Programs on Neglected Diseases, PLoS Negl. Trop. Dis., vol. 3, no 8, p. e501, ago. 2009.
J. Scott e P. J. Carrington, Handbook of Social Network Analysis. SAGE, 2011.
J. S. Brownstein, C. C. Freifeld, B. Y. Reis, e K. D. Mandl, Surveillance Sans Frontières: InternetBased Emerging Infectious Disease Intelligence and the HealthMap Project, Plos Med., vol. 5,
no 7, p. e151, 2008.
McKinsey Global Institute. Big Data: The Management Revolution. Harvard Business Review, 2011.
Quoniam, L, Lucien, A, Intelligence compétitive 2.0 : organisation, innovation et territoire.
France: Librairie Lavoisier, 2010.
1Volume
de dados criados diariamente pela sociedade e cada vez maiores excedendo a
capacidade das tecnologias atuais poderem trata-los adequadamente (McKinsey, 2010).