Facebook lanzó un mapa sobre COVID-19 que incluye datos de Argentina

Aplanar la curva del COVID-19 a nivel global es un desafío. De hecho, Facebook como parte del programa Data for Good, ofrece smapas de movilidad poblacional que investigadores y organizaciones sin fines de lucro ya están usando para entender la crisis del coronavirus. El programa, que emplea datos agregados para proteger la privacidad de las personas, responde a lo que hemos escuchamos de ellos acerca del valor de esta información sobre el COVID-19. 

Tres nuevos tipos de Mapas de Prevención de Enfermedades para contribuir a los trabajos de pronóstico y al diseño de medidas preventivas:

Los Mapas de Prevención de Enfermedades son categorías agregadas de información que los investigadores de la salud usan para comprender mejor cómo las dinámicas poblacionales inciden en la propagación de enfermedades. Investigadores alrededor del mundo han solicitado más herramientas de este tipo para responder a la pandemia.

• Mapas de localización cruzada, que revelan la probabilidad de que las personas de un área entren en contacto con personas en otra, ayudando a determinar dónde pueden aparecer nuevos focos de COVID-19.

Tendencias de rango de movilidad que muestran si, a nivel local, las personas suelen permanecer cerca de sus hogares. Esta información es valiosa para entender si las medidas de prevención van en la dirección correcta.

El índice de conexión social muestra los lazos de amistad entre diferentes estados, provincias y países. Esto puede ayudar a los epidemiólogos a pronosticar la posibilidad de que una enfermedad se propague, así como también entender en donde las áreas más afectadas por COVID-19 necesitan ayuda.

Este mapa muestra la probabilidad de amistad en Facebook entre el East Village, Nueva York, y el resto de EE.UU, revelando cómo los lazos sociales pueden ayudar a las comunidades a combatir y a recuperarse de la crisis.

• Los Mapas de Prevención de Enfermedades utilizan información agregada de Facebook, y tomamos medidas adicionales para ocultar la identidad de las personas y reducir el riesgo de reidentificación. Por ejemplo, nuestros conjuntos de datos pueden mostrar información a nivel de ciudad o condado, no así patrones individuales. Más información sobre nuestro abordaje para proteger la privacidad de las personas en nuestro sitio de Data for Good. 

"Este tipo de datos puede permitirnos tomar mejores decisiones en medio de un mar de incertidumbre. Analizar la información de la movilidad de las personas —agregada y anónima— podría arrojar algo de luz sobre la predicción de la ruta de propagación de la enfermedad, la asignación geoespacial efectiva de los recursos y la atención oportuna para las comunidades más vulnerables. En este momento, todos debemos preguntarnos: ¿cómo podemos ayudar a mitigar el riesgo y el impacto que COVID-19 tendrá en la vida de las personas.” – Dr. Edgar Barroso, Director del Laboratorio de Emprendimiento y Transformación, Escuela de Gobierno y Transformación Pública, Tecnológico de Monterrey.