Cómo los satélites están observando los problemas de salud pública
Los científicos dicen que tienen una nueva forma de medir la obesidad, desde el espacio.
No tiene nada que ver con las bromas – no tiene nada que ver con los individuos. En cambio, investigadores de la Universidad de Washington tomaron mapas satelitales de varias ciudades de Estados Unidos y capacitaron a una inteligencia artificial para buscar características de los vecindarios que pudieran ser relevantes para la salud. Esto incluyó cosas como espacios verdes, densidad de viviendas, gimnasios, restaurantes de comida rápida y transporte público, y combinaron estos datos con estadísticas sobre la obesidad en cada lugar.
El resultado final fue un algoritmo que fue capaz de analizar qué características de una ciudad tenían más probabilidades de estar asociadas con la obesidad. En general, los factores en su modelo podrían explicar la mayor parte de la obesidad en una región, aunque variaba en precisión entre localidades. Cosas como parques y gimnasios se asociaron, como era de esperar, con bajos niveles de obesidad. Pero también hubo lazos inesperados, como que los vecindarios con más tiendas de mascotas también son el hogar de personas más delgadas.
El estudio fue publicado el mes pasado en JAMA Network Open.
Los datos son tanto un argumento para incluir espacios más saludables en las ciudades como una ayuda potencial para los funcionarios de salud pública que intentan decidir dónde dirigir sus campañas de lucha contra la obesidad. La composición de los espacios construidos en las ciudades podría ser un claro indicio de que las personas corren un mayor riesgo de padecer sobrepeso.
Cosas como los ingresos también importan. Las ciudades o vecindarios con ocupantes más ricos son más capaces de construir y mantener cosas como parques, y también podrían tener más gimnasios y menos restaurantes de comida rápida. El mapa es sólo uno de una serie de factores que los funcionarios de salud pública deben considerar, aunque ofrece una perspectiva de riesgo de obesidad que antes no existía. También es una manera mucho más rápida de evaluar si una comunidad podría estar en riesgo, ya que las estimaciones oficiales suelen tener un retraso de unos pocos años.
El modelo también podría aplicarse potencialmente a otras campañas de salud pública, como las que se centran en la prevalencia de enfermedades. No sólo pudieron identificar a las comunidades en riesgo, sino que tal vez descubrieron factores que afectan los brotes de enfermedades o la salud pública que ni siquiera habíamos pensado.
