Monitoreo de Twitter en la vigilancia epidemiológica de COVID-19, en la Ciudad de México, 2020-2021.

  • Other
  • Public health surveillance
  • Vaccine preventable diseases
Export to CSV
Antecedentes:
Las redes sociales pueden servir como fuente de datos para la inteligencia epidemiológica, ya que pueden proporcionar datos en tiempo real. El objetivo de este estudio es identificar la correlación entre casos y defunciones por COVID-19, en la Ciudad de México con la actividad registrada en Twitter de septiembre de 2020 a marzo de 2021.

Métodos:
Mediante la revisión de tweets que fueron extraídos por un periodo de tiempo, se generó una lista de términos de búsqueda relacionados con COVID-19 que se monitorearon mediante la conexión al Application Programming Interface de Twitter con Python 3 y la librería Tweepy para capturar los objetos en formato JSON, y que fueron transformados en una base de datos relacional. A partir de los datos oficiales del Gobierno de México, los casos y defunciones en la Ciudad de México en el periodo de estudio, se definieron por fecha de inicio de síntomas y de defunción. Se realizó una correlación de Spearman con la actividad de Twitter agrupada por semana epidemiológica para dicho periodo.

Resultados:
Se analizaron 3,100 tweets relacionados con casos y defunciones de COVID-19 (4.39% del total de tweets recolectados); 2,405 (77.58%) relacionados a casos y 695 (22.41%) a defunciones. Encontramos una correlación media entre la actividad de Twitter y los registros oficiales de casos [0.66, (p <0.001)] y fuerte para las defunciones [ 0.85, (p <0.001)]. La mayoría de tweets se registró en enero de 2021, correspondiendo con el pico máximo de la pandemia en México.

Conclusiones:
Twitter puede ser útil para el monitoreo y detección de eventos en salud pública. Cuenta con ventajas para la accesibilidad de datos en tiempo real y bajo costo para la obtención y análisis de información. Se evidenció el aporte de la red social como complemento para el monitoreo de la tendencia de casos y defunciones de COVID-19.

Please abstracts [at] tephinet [dot] org (email us) if you have any corrections.

If this abstract has been converted into a full article, please abstracts [at] tephinet [dot] org (email us) the link. We would love to help promote your work.