Se cree que la obesidad es el producto de más de 100 factores diferentes, que interactúan como un sistema complejo en múltiples niveles.
Comprender los impulsores de la obesidad requiere datos considerables, que son difíciles, costosos y lentos de recopilar por medios tradicionales.
El uso de ‘big data‘ presenta una posible solución a este desafío.
¿Qué es Big Data?
El Big Data es el análisis masivo de datos. Una cuantía de datos, tan sumamente grande, que las aplicaciones de software de procesamiento de datos que tradicionalmente se venían usando no son capaces de capturar, tratar y poner en valor en un tiempo razonable.
Igualmente, el mismo término se refiere a las nuevas tecnologías que hacen posible el almacenamiento y procesamiento, además de al uso que se hace de la información obtenida a través de dichas tecnologías.
Si Big Data es la materia prima, entonces su valor radica en la información y estructura que contiene. Las herramientas que permiten extraer esta información provienen de diversas disciplinas, tales como la Ciencia de la Computación, la Estadística y la Inteligencia Artificial, entre otras. La diversidad de fuentes de donde provienen estas herramientas ha dado origen a un nuevo campo científico interdisciplinario cuyo fin es desarrollar técnicas para extraer información a partir de datos. Esta disciplina, conocida como Ciencia de Datos (Data Science en inglés) es el segundo componente en la metodología de análisis de datos a gran escala.
Objetivo
El objetivo del artículo “Evidence from big data in obesity research: international case studies” publicado en International Journal of Obesity, es mostrar estudios de casos de investigación internacionales presentados durante una serie de seminarios organizados por la Red Estratégica para la Obesidad del Consejo de Investigación Económica y Social (ESRC) en el Reino Unido. Estos están destinados a proporcionar una visión en profundidad de cómo se pueden utilizar los grandes datos en la investigación de la obesidad, y los beneficios específicos, limitaciones y desafíos encontrados.
Métodos y resultados
Se presentan tres estudios de caso.
Estudio 1
Investigó la influencia del entorno construido en la actividad física. Utilizó datos espaciales sobre espacios verdes e instalaciones de ejercicio. Además, incluyó datos de nivel individual sobre actividad física y entrada a centros de ocio.
Estudio 2
Utilizó una variedad de conjuntos de datos electrónicos de salud vinculados para investigar las asociaciones entre la cirugía de obesidad y el riesgo de desarrollar cáncer.
Estudio 3
Usó datos sobre los valores de las parcelas junto con los datos del Estudio de Obesidad de Seattle. El estudio trataba de investigar los determinantes sociodemográficos de la obesidad en Seattle.
Conclusiones de los estudios Big Data
Demostraron cómo el Big Data podría usarse para aumentar los datos obteniendo una gama ampliada de variables en el sistema de obesidad.
Además, el Big Data puede presentar mejoras sobre los datos tradicionales. En concreto, mejoras con relación al tamaño, cobertura, temporalidad y objetividad de las medidas.
Sin embargo, también encontraron desafíos o limitaciones; particularmente en relación con sesgos ocultos o imprevistos y falta de información contextual.
En general, a pesar de los desafíos, el Big Data representa un recurso relativamente sin explotar que es prometedor para ayudar a comprender los impulsores de la obesidad.
Fuente
Wilkins, E., Aravani, A., Downing, A. y col. Evidencia de grandes datos en la investigación de la obesidad: estudios de casos internacionales. Int J Obes 44, 1028-1040 (2020). https://doi.org/10.1038/s41366-020-0532-8
