O que a explosão de informações processadas causa na Epidemiologia? pergunta Maya Petersen

Este slideshow necessita de JavaScript.

O segundo dia do Epi2017 terminou com a conferência da pesquisadora norte-americana, Maya Petersen, da University of California Berkeley, que abordou vários aspectos da Inferência Causal na Epidemiologia. A pesquisa de Petersen centra-se no desenvolvimento e aplicação de novos métodos de inferência causal aos problemas da saúde, com foco no tratamento e prevenção do HIV, suas palavras expuseram seu forte interesse na interface entre bioestatística, epidemiologia e medicina clínica.

Maya anunciou logo no início da conferência que seu objetivo era falar sobre o ponto de intersecção entre a aprendizagem eletrônica e inferência causal, e questionou o público: – “Podemos aproveitar estes dois componentes e transforma-los num impacto na saúde pública? Estamos vivendo numa geração em que dados analíticos estão mudando a maneira como vivemos, e na saúde pública temos um acesso sem precedentes às informações de grandes populações”, explicou a pesquisadora.

Maya explicou ainda que as bases de dados que nascem a partir de toda a informação colocada por todos nós nas redes sociais agregam variáveis ao longo do tempo e mudam constantemente de rosto, permitindo que cruzemos estas informações, “Hoje acompanhamos dados médicos de pacientes em tempo real, através de telefones celulares”, exemplificou.

“Desde o início de nossa profissão, usamos dados, mas agora estamos diante de uma explosão do poder computacional que processo toda esta informação, então, o que causa esta explosão? Minha visão é idealista e bastante otimista de como métodos de inferência causal e também métodos de aprendizagem com computadores podem melhorar nosso atendimento aos portadores do vírus do HIV em todo o mundo. Com os dados podemos saber melhor que estratégia usar e para quem podemos direcionar nossas intervenções mais eficientemente> Depois constatamos melhores desfechos e tratamentos além de reduzir novas infecções pelo HIV”, comemorou Maya.

Na opinião da pesquisadora, existe espaço para um raciocínio otimista que chega com as novas tecnologias “Pois é isso que nos move, como cientistas, para desenvolvermos novas ferramentas: porém, ainda há muito trabalho a ser feito”. Maya citou informações dadas por Arthur L. Reingold, também durante uma conferência no Epi2017, que considera centrais “Como abraçar a exploração destes métodos mais sofisticados e o que eles nos podem oferecer”

A pesquisadora terminou a conferência elencando aquilo que considera o mais importante: -“Os melhores dados analíticos não bastam pois o delineamento importa, a qualidade dos dados importam, vejam, os métodos não são mágicos, nunca podemos subestimar o contato e a conversa com as pessoas para entender o contexto de tudo. Nesta palestra quis mostrar um pouco da minha aprendizagem sobre máquinas e inferência causal, e o que venho considerando como crucial para o sucesso é o componente qualitativo da ciência social. Ferramentas teóricas são excelentes, mas dá muito trabalho transformar tudo em ferramentas práticas e é isso que precisamos para aproveitar todo o potencial, sejam epidemiologistas aplicados e façam o trabalho difícil de entender o que nossos amigos teóricos trazem, é um grande desafio mas extremamente recompensador e divertido fazer esta interação”, pediu Maya.

 

Comments

comments