La comunidades como la familia, compañeros de trabajo y amigos de la secundaria en Facebook redes de amigos pueden ser detectados y visualizados en Mathematica 9.
| In[1]:= |  |
| Out[1]= |
Wolfram
martes, 8 de julio de 2014
Mathematica visualiza redes online
Las comunidades de Redes de Amigos en Facebook con Mathematica
La comunidades como la familia, compañeros de trabajo y amigos de la secundaria en Facebook redes de amigos pueden ser detectados y visualizados en Mathematica 9.
Wolfram
La comunidades como la familia, compañeros de trabajo y amigos de la secundaria en Facebook redes de amigos pueden ser detectados y visualizados en Mathematica 9.
Wolfram
domingo, 6 de julio de 2014
Centralidad y prestigio en los datos de Padgett usando Mathematica
Centralidad y prestigio de las familias florentinas
La familia Medici no tenía la mayor riqueza o la mayoría de escaños en la legislatura, sin embargo, llegó al poder. A través de los matrimonios, la familia Medici tenía una posición de centralidad en la red social, que es crucial para la comunicación, ofertas de intermediación, etc
Wolfram
La familia Medici no tenía la mayor riqueza o la mayoría de escaños en la legislatura, sin embargo, llegó al poder. A través de los matrimonios, la familia Medici tenía una posición de centralidad en la red social, que es crucial para la comunicación, ofertas de intermediación, etc
| In[1]:= |  |
| In[2]:= |  |
| In[3]:= |  |
| In[4]:= |  |
Wolfram
sábado, 5 de julio de 2014
La amenaza emergente de los capitalistas sociales en Twitter
La amenaza emergente de capitalistas sociales de Twitter
Capitalistas Sociales en Twitter están arruinando inadvertidamente la red para los usuarios normales, dicen los científicos de la red.
MIT Technology Review
Un par de años atrás, los científicos de red comenzó a estudiar el fenómeno de la "cosecha de enlaces" en Twitter y otras redes sociales. Este es el proceso en el que los spammers se reúnen el mayor número de enlaces o seguidores como sea posible para ayudar a difundir sus mensajes.
Lo que estos investigadores descubrieron en Twitter fue curioso. Ellos encontraron que la cosecha de enlaces era común entre los spammers. Sin embargo, la mayoría de las personas que siguieron las cuentas de spam provino de un grupo relativamente pequeño de usuarios humanos en Twitter.
Estas personas resultan ser las personas que son ellos mismos tratando de acumular el capital social mediante la recopilación de la mayor cantidad de seguidores como sea posible. Los investigadores llaman a esta gente capitalistas sociales.
Esto plantea una pregunta interesante: ¿cómo surgen los capitalistas sociales y qué tipo de influencia tienen en la red? Hoy tenemos una respuesta de tipo, gracias al trabajo de Vincent Labatut en la Universidad de Galatasaray en Turquía y un par de amigos que se han llevado a cabo el primer estudio detallado de los capitalistas sociales y cómo se comportan.
Estos chicos dicen que los capitalistas sociales caen en al menos dos categorías diferentes que reflejan su éxito y las funciones que desempeñan en la vinculación a diversas comunidades. Pero advierten que los capitalistas sociales tienen un lado oscuro también.
En primer lugar, un poco de historia. Twitter cuenta con alrededor de 255 millones de usuarios activos que envían 500 millones de tweets de cada día. En promedio, cada usuario de Twitter cuenta con alrededor de 200 seguidores y sigue a un número similar, la creación de una red social dinámico en el que los mensajes se filtran a través de la red de enlaces.
Muchas de estas personas utilizan Twitter para conectarse con amigos, familiares, organizaciones de noticias, etc. Pero unos pocos, los capitalistas sociales, utilizan la red simplemente para maximizar su propio número de seguidores.
Los capitalistas sociales esencialmente se basan en dos tipos de reciprocidad para acumular seguidores. La primera es para tranquilizar a los demás usuarios que si siguen a este usuario, entonces él o ella va a seguir de nuevo, un proceso llamado Sígueme y yo te siga o FMIFY. La segunda consiste en seguir a nadie y espero que siga de nuevo, un proceso llamado I Follow You, Follow Me o IFYFM.
Este proceso se lleva a cabo sin tener en cuenta el contenido de los mensajes, que es como se confundan con los spammers, un punto que resulta ser significativa después.
Claramente, capitalistas sociales son diferentes de los usuarios de Twitter que eligen seguir a las personas en función del contenido que twittean. La pregunta que Labatut y colegas dispuso a responder es cómo identificar automáticamente los capitalistas sociales en Twitter y para averiguar cómo se sientan dentro de la red Twitter.
Una característica clara del mecanismo de reciprocidad es que habrá un gran solapamiento entre los amigos y seguidores de los capitalistas sociales. Es posible medir esta superposición y clasificar los usuarios en consecuencia. Capitalistas sociales tienden a tener una superposición mucho más cerca de un 100 por ciento de los usuarios normales.
Una vez identificados los capitalistas sociales, otra medida importante es la relación entre amigos para seguidores. Labatut y colegas decir que los que utilizan la estrategia de FMIFY tener una proporción menor que 1, mientras que los que utilizan el IFYFM tendrán una ración mayor que 1 (porque el número de seguidores es siempre mayor que el número de amigos).
Una última forma de clasificarlos es por su nivel de éxito. Aquí, Labatut y otros establecen un umbral arbitrario de 10.000 seguidores. Capitalistas sociales con más de esto son, obviamente, más éxito que los que tienen menos.
Para estudiar estos grupos, Labatut y coanalyze un conjunto de datos anónimos de 55 millones de usuarios de Twitter con dos mil millones de vínculos entre ellos. Y se encuentran con unos 160.000 usuarios que se ajustan a la descripción del capitalismo social.
En particular, el equipo está interesado en cómo los capitalistas sociales están vinculados a las comunidades dentro de Twitter, es decir grupos de usuarios que están más fuertemente relacionados entre sí que el promedio.
Resulta que hay una sorprendente variedad de capitalistas sociales que juegan diferentes roles. "Nos enteramos de los diferentes tipos de capitalistas sociales ocupan funciones muy específicas", dicen Labatut y colegas.
Por ejemplo, los capitalistas sociales con menos de 10 mil seguidores tienden a no tener un gran número de enlaces dentro de una misma comunidad, pero los enlaces a un montón de diferentes comunidades. Por el contrario, aquellos con más de 10.000 seguidores pueden tener una fuerte presencia en las comunidades individuales, así como las comunidades enlace dispares. En ambos casos, los capitalistas sociales son significativos debido a que sus mensajes viajan ampliamente en toda la red Twitter.
Esto tiene importantes consecuencias para la red Twitter. Labatut y colegas dicen que hay un claro lado oscuro en el papel de los capitalistas sociales. "Debido a esta falta de interés en el contenido producido por los usuarios a los que siguen, los capitalistas sociales no son saludables para un servicio como Twitter," dicen.
Eso es debido a que proporcionan un conducto indiscriminada para los spammers para vender sus mercancías. "[Capitalistas sociales '] comportamiento ayuda a los spammers ganan influencia, y más en general hace que la tarea de la búsqueda de información relevante más difícil para los usuarios habituales", dicen Labatut y co.
Esa es una idea interesante que plantea una pregunta difícil para Twitter y otras redes sociales. Encontrar capitalistas sociales ahora debe ser sencillo ahora que Labatut y otros han encontrado una manera de detectar de forma automática. Pero si los capitalistas sociales son perjudiciales, si sus actividades se limitarán?
Las respuestas por favor en la sección de comentarios a continuación.
Ref: http://arxiv.org/abs/1406.6611 : Identifying the Community Roles of Social Capitalists in the Twitter Network
www.mpi-sws.org/~farshad/TwitterLinkfarming.pdf: Understanding and Combating Link Farming in the Twitter Social Network
Capitalistas Sociales en Twitter están arruinando inadvertidamente la red para los usuarios normales, dicen los científicos de la red.
MIT Technology Review
Un par de años atrás, los científicos de red comenzó a estudiar el fenómeno de la "cosecha de enlaces" en Twitter y otras redes sociales. Este es el proceso en el que los spammers se reúnen el mayor número de enlaces o seguidores como sea posible para ayudar a difundir sus mensajes.
Lo que estos investigadores descubrieron en Twitter fue curioso. Ellos encontraron que la cosecha de enlaces era común entre los spammers. Sin embargo, la mayoría de las personas que siguieron las cuentas de spam provino de un grupo relativamente pequeño de usuarios humanos en Twitter.
Estas personas resultan ser las personas que son ellos mismos tratando de acumular el capital social mediante la recopilación de la mayor cantidad de seguidores como sea posible. Los investigadores llaman a esta gente capitalistas sociales.
Esto plantea una pregunta interesante: ¿cómo surgen los capitalistas sociales y qué tipo de influencia tienen en la red? Hoy tenemos una respuesta de tipo, gracias al trabajo de Vincent Labatut en la Universidad de Galatasaray en Turquía y un par de amigos que se han llevado a cabo el primer estudio detallado de los capitalistas sociales y cómo se comportan.
Estos chicos dicen que los capitalistas sociales caen en al menos dos categorías diferentes que reflejan su éxito y las funciones que desempeñan en la vinculación a diversas comunidades. Pero advierten que los capitalistas sociales tienen un lado oscuro también.
En primer lugar, un poco de historia. Twitter cuenta con alrededor de 255 millones de usuarios activos que envían 500 millones de tweets de cada día. En promedio, cada usuario de Twitter cuenta con alrededor de 200 seguidores y sigue a un número similar, la creación de una red social dinámico en el que los mensajes se filtran a través de la red de enlaces.
Muchas de estas personas utilizan Twitter para conectarse con amigos, familiares, organizaciones de noticias, etc. Pero unos pocos, los capitalistas sociales, utilizan la red simplemente para maximizar su propio número de seguidores.
Los capitalistas sociales esencialmente se basan en dos tipos de reciprocidad para acumular seguidores. La primera es para tranquilizar a los demás usuarios que si siguen a este usuario, entonces él o ella va a seguir de nuevo, un proceso llamado Sígueme y yo te siga o FMIFY. La segunda consiste en seguir a nadie y espero que siga de nuevo, un proceso llamado I Follow You, Follow Me o IFYFM.
Este proceso se lleva a cabo sin tener en cuenta el contenido de los mensajes, que es como se confundan con los spammers, un punto que resulta ser significativa después.
Claramente, capitalistas sociales son diferentes de los usuarios de Twitter que eligen seguir a las personas en función del contenido que twittean. La pregunta que Labatut y colegas dispuso a responder es cómo identificar automáticamente los capitalistas sociales en Twitter y para averiguar cómo se sientan dentro de la red Twitter.
Una característica clara del mecanismo de reciprocidad es que habrá un gran solapamiento entre los amigos y seguidores de los capitalistas sociales. Es posible medir esta superposición y clasificar los usuarios en consecuencia. Capitalistas sociales tienden a tener una superposición mucho más cerca de un 100 por ciento de los usuarios normales.
Una vez identificados los capitalistas sociales, otra medida importante es la relación entre amigos para seguidores. Labatut y colegas decir que los que utilizan la estrategia de FMIFY tener una proporción menor que 1, mientras que los que utilizan el IFYFM tendrán una ración mayor que 1 (porque el número de seguidores es siempre mayor que el número de amigos).
Una última forma de clasificarlos es por su nivel de éxito. Aquí, Labatut y otros establecen un umbral arbitrario de 10.000 seguidores. Capitalistas sociales con más de esto son, obviamente, más éxito que los que tienen menos.
Para estudiar estos grupos, Labatut y coanalyze un conjunto de datos anónimos de 55 millones de usuarios de Twitter con dos mil millones de vínculos entre ellos. Y se encuentran con unos 160.000 usuarios que se ajustan a la descripción del capitalismo social.
En particular, el equipo está interesado en cómo los capitalistas sociales están vinculados a las comunidades dentro de Twitter, es decir grupos de usuarios que están más fuertemente relacionados entre sí que el promedio.
Resulta que hay una sorprendente variedad de capitalistas sociales que juegan diferentes roles. "Nos enteramos de los diferentes tipos de capitalistas sociales ocupan funciones muy específicas", dicen Labatut y colegas.
Por ejemplo, los capitalistas sociales con menos de 10 mil seguidores tienden a no tener un gran número de enlaces dentro de una misma comunidad, pero los enlaces a un montón de diferentes comunidades. Por el contrario, aquellos con más de 10.000 seguidores pueden tener una fuerte presencia en las comunidades individuales, así como las comunidades enlace dispares. En ambos casos, los capitalistas sociales son significativos debido a que sus mensajes viajan ampliamente en toda la red Twitter.
Esto tiene importantes consecuencias para la red Twitter. Labatut y colegas dicen que hay un claro lado oscuro en el papel de los capitalistas sociales. "Debido a esta falta de interés en el contenido producido por los usuarios a los que siguen, los capitalistas sociales no son saludables para un servicio como Twitter," dicen.
Eso es debido a que proporcionan un conducto indiscriminada para los spammers para vender sus mercancías. "[Capitalistas sociales '] comportamiento ayuda a los spammers ganan influencia, y más en general hace que la tarea de la búsqueda de información relevante más difícil para los usuarios habituales", dicen Labatut y co.
Esa es una idea interesante que plantea una pregunta difícil para Twitter y otras redes sociales. Encontrar capitalistas sociales ahora debe ser sencillo ahora que Labatut y otros han encontrado una manera de detectar de forma automática. Pero si los capitalistas sociales son perjudiciales, si sus actividades se limitarán?
Las respuestas por favor en la sección de comentarios a continuación.
Ref: http://arxiv.org/abs/1406.6611 : Identifying the Community Roles of Social Capitalists in the Twitter Network
www.mpi-sws.org/~farshad/TwitterLinkfarming.pdf: Understanding and Combating Link Farming in the Twitter Social Network
viernes, 4 de julio de 2014
ARS 101: Centralidad de excentricidad y cercanía
Excentricidad y Cercanía
Netzwerkerin
Excentricidad y cercanía son medidas de centralidad. La medida de centralidad trata de captar cómo ciertos nodos son importantes para una red determinada. Por definición, cuando una medida de centralidad es más alta, más central es ese nodo de la red. En general, la medida de centralidad concreta que da los resultados más significativos depende del contexto de la red. Aquí le damos la definición de dos medidas de centralidad estrechamente relacionados, la excentricidad y la cercanía.
En muchas aplicaciones, la centralidad de un nodo depende principalmente de su distancia a otros nodos. En algunas aplicaciones, la centralidad de algún nodo v se determina por la distancia máxima, en otros está determinada por la suma de las distancias a los otros nodos. Sin embargo, un nodo es más central si el máximo o la suma de las distancias es pequeña. Para cumplir con la definición de una medida de carácter central, por lo que es necesario tomar la inversa de los dos números. Que ahora distmax (v) denota la distancia máxima que el nodo v tiene hacia cualquier otro nodo w. Entonces, la excentricidad ecc(v) de nodo v se define como:
ecc (v) = 1/distmax (v).
Análogamente, deje distsum (v) denota la suma de las distancias de v para todos los demás nodos j en la red. Entonces, la estrecha cercanía (v) del nodo v se define como:
close (v) = 1/distsum (v).
Larry, Anna y Rudy tienen las mayores centralidades de excentricidad en esta red
Netzwerkerin
Excentricidad y cercanía son medidas de centralidad. La medida de centralidad trata de captar cómo ciertos nodos son importantes para una red determinada. Por definición, cuando una medida de centralidad es más alta, más central es ese nodo de la red. En general, la medida de centralidad concreta que da los resultados más significativos depende del contexto de la red. Aquí le damos la definición de dos medidas de centralidad estrechamente relacionados, la excentricidad y la cercanía.
En muchas aplicaciones, la centralidad de un nodo depende principalmente de su distancia a otros nodos. En algunas aplicaciones, la centralidad de algún nodo v se determina por la distancia máxima, en otros está determinada por la suma de las distancias a los otros nodos. Sin embargo, un nodo es más central si el máximo o la suma de las distancias es pequeña. Para cumplir con la definición de una medida de carácter central, por lo que es necesario tomar la inversa de los dos números. Que ahora distmax (v) denota la distancia máxima que el nodo v tiene hacia cualquier otro nodo w. Entonces, la excentricidad ecc(v) de nodo v se define como:
ecc (v) = 1/distmax (v).
Análogamente, deje distsum (v) denota la suma de las distancias de v para todos los demás nodos j en la red. Entonces, la estrecha cercanía (v) del nodo v se define como:
close (v) = 1/distsum (v).
Larry, Anna y Rudy tienen las mayores centralidades de excentricidad en esta red
miércoles, 2 de julio de 2014
Bremnensvegen, donde se acuñó el término red social
Anecdotario: Bremmens, "la pequeña comunidad de pescadores" de Barnes
Aquí residía la "pequeña comunidad de pescadores" que fue parte del estudio de campo de John Barnes y que dio lugar a su publicación del año 1954 donde por primera vez se menciona la palabra red social.
Ver mapa más grande
Las calles de Bremnes
El faro
La iglesia... que reunía a toda la comunidad formando la red social de la comunidad
Aquí residía la "pequeña comunidad de pescadores" que fue parte del estudio de campo de John Barnes y que dio lugar a su publicación del año 1954 donde por primera vez se menciona la palabra red social.
Ver mapa más grande
Las calles de Bremnes
El faro
La iglesia... que reunía a toda la comunidad formando la red social de la comunidad
lunes, 30 de junio de 2014
Facebook hizo experimentos no consentidos de contagio emocional
Facebook manipuló los estados de ánimo de los usuarios en un experimento secreto para mostrar como el mal humor se difundía
Facebook puede utilizar un algoritmo para que los usuarios estén felices o tristes e incluso científico que editó el estudio, dijo que le dio "pavor"
Andrew Griffin - The Independent
Facebook manipuló las emociones de cientos de miles de sus usuarios, y encontraron que podían hacer cambiar el estado de ánimo de felices o tristes, han dicho. El experimento, para el que los investigadores no obtuvieron el consentimiento específico, ha provocado críticas por parte de los usuarios por problemas de privacidad y éticos.
Durante una semana en 2012, Facebook sesgó las noticias de cerca de 700.000 usuarios alimentándolos para que sean tanto más felices o más tristes de lo normal. El experimento reveló que después que el experimento había terminado los usuarios tendían a publicar comentarios positivos o negativos según el sesgo que se le dio en su suministro de noticias.
La investigación ha provocó malestar a causa de la manipulación de los involucrados.
Los estudios sobre redes del mundo real muestran que lo que los investigadores llaman "contagio emocional" se puede transferir a través de redes. Pero el estudio es la evidencia de que el efecto puede ocurrir sin interacción directa o pistas no verbales.
Cualquier persona que utiliza la versión en inglés de Facebook automáticamente calificaba para el experimento, cuyos resultados se publicaron a principios de este mes (ver el trabajo completo al final de esta entrada). Los investigadores analizaron las palabras utilizadas en los mensajes para decidir automáticamente si eran propensos a ser positivos o negativos, y los desplazaron a cada grupo según el cual los usuarios cayeron.
Se encontró que las emociones se extienden a través de la red, y que los amigos tienden a responder más a los mensajes negativos. Los usuarios que fueron expuestos a los mensajes menos emocionales de cualquier tipo también tendieron a retirarse de publicar ellos mismos.
Hay un promedio de 1.500 historias posibles que pueda aparecer en canales de noticias de los usuarios. Fuente: Getty Images
La investigación fue criticada por activistas durante el fin de semana, quienes dijeron que la investigación podría ser usada por Facebook para animar a los usuarios a publicar más y por otros organismos, como los gobiernos, para manipular los sentimientos de los usuarios en algunos países.
Incluso el científico que editó el estudio tenía preocupaciones éticas sobre sus métodos, dijo. "Creo que es una pregunta abierta", Susan Fiske, profesor de psicología en la Universidad de Princeton, dijo a The Atlantic. "Es éticamente aceptable desde la perspectiva normativa, pero la ética son una especie de decisiones sociales. No hay una respuesta absoluta. Y así, el nivel de indignación que parece estar sucediendo sugiere que tal vez no debería haber hecho ... estoy sin dejar de pensar en ello y estoy un poco descolocada también. "
Los 'Política de Servicio de Datos' de Facebook - parte de los Términos de Servicio de que cada usuario se inscribe a la hora de crear una cuenta - se reserva el derecho de Facebook a usar la información "para las operaciones internas, incluyendo la resolución de problemas, análisis de datos, las pruebas, la investigación y la mejora del servicio."
Los investigadores dijeron que constituía el consentimiento informado necesario para realizar la investigación y eso lo hizo legal. El estudio no dice que los usuarios se les dijo de su participación en el experimento, los investigadores dijeron que fue llevada a cabo por los equipos de manera que no vieron mensajes.
Facebook ha dicho que hay un promedio de 1.500 historias posibles que pueda aparecer en las noticias de los usuarios se alimenta en un momento dado. Utiliza un algoritmo que dice analiza el comportamiento de los usuarios en el sitio para determinar cuál de esas historias para mostrar.
Facebook puede utilizar un algoritmo para que los usuarios estén felices o tristes e incluso científico que editó el estudio, dijo que le dio "pavor"
Andrew Griffin - The Independent
Facebook manipuló las emociones de cientos de miles de sus usuarios, y encontraron que podían hacer cambiar el estado de ánimo de felices o tristes, han dicho. El experimento, para el que los investigadores no obtuvieron el consentimiento específico, ha provocado críticas por parte de los usuarios por problemas de privacidad y éticos.
Durante una semana en 2012, Facebook sesgó las noticias de cerca de 700.000 usuarios alimentándolos para que sean tanto más felices o más tristes de lo normal. El experimento reveló que después que el experimento había terminado los usuarios tendían a publicar comentarios positivos o negativos según el sesgo que se le dio en su suministro de noticias.
La investigación ha provocó malestar a causa de la manipulación de los involucrados.
Los estudios sobre redes del mundo real muestran que lo que los investigadores llaman "contagio emocional" se puede transferir a través de redes. Pero el estudio es la evidencia de que el efecto puede ocurrir sin interacción directa o pistas no verbales.
Cualquier persona que utiliza la versión en inglés de Facebook automáticamente calificaba para el experimento, cuyos resultados se publicaron a principios de este mes (ver el trabajo completo al final de esta entrada). Los investigadores analizaron las palabras utilizadas en los mensajes para decidir automáticamente si eran propensos a ser positivos o negativos, y los desplazaron a cada grupo según el cual los usuarios cayeron.
Se encontró que las emociones se extienden a través de la red, y que los amigos tienden a responder más a los mensajes negativos. Los usuarios que fueron expuestos a los mensajes menos emocionales de cualquier tipo también tendieron a retirarse de publicar ellos mismos.
Hay un promedio de 1.500 historias posibles que pueda aparecer en canales de noticias de los usuarios. Fuente: Getty Images
La investigación fue criticada por activistas durante el fin de semana, quienes dijeron que la investigación podría ser usada por Facebook para animar a los usuarios a publicar más y por otros organismos, como los gobiernos, para manipular los sentimientos de los usuarios en algunos países.
Incluso el científico que editó el estudio tenía preocupaciones éticas sobre sus métodos, dijo. "Creo que es una pregunta abierta", Susan Fiske, profesor de psicología en la Universidad de Princeton, dijo a The Atlantic. "Es éticamente aceptable desde la perspectiva normativa, pero la ética son una especie de decisiones sociales. No hay una respuesta absoluta. Y así, el nivel de indignación que parece estar sucediendo sugiere que tal vez no debería haber hecho ... estoy sin dejar de pensar en ello y estoy un poco descolocada también. "
Los 'Política de Servicio de Datos' de Facebook - parte de los Términos de Servicio de que cada usuario se inscribe a la hora de crear una cuenta - se reserva el derecho de Facebook a usar la información "para las operaciones internas, incluyendo la resolución de problemas, análisis de datos, las pruebas, la investigación y la mejora del servicio."
Los investigadores dijeron que constituía el consentimiento informado necesario para realizar la investigación y eso lo hizo legal. El estudio no dice que los usuarios se les dijo de su participación en el experimento, los investigadores dijeron que fue llevada a cabo por los equipos de manera que no vieron mensajes.
Facebook ha dicho que hay un promedio de 1.500 historias posibles que pueda aparecer en las noticias de los usuarios se alimenta en un momento dado. Utiliza un algoritmo que dice analiza el comportamiento de los usuarios en el sitio para determinar cuál de esas historias para mostrar.
domingo, 29 de junio de 2014
Redes de causalidad de enfermedades
Cómo predecir una vida de enfermedades
Un nuevo proyecto de minería de datos analiza los registros de salud daneses para trazar la trayectoria de las enfermedades a lo largo de una vida.
Por Francie Diep - Popular Science
Trayectorias de la gota De Jensen et al., "trayectorias de enfermedades temporales condensados a partir de datos de registro en toda la población que cubren 6,2 millones de pacientes" Nature Communications, 2014
Los médicos sospechan desde hace tiempo que los que tienen enfermedades del corazón también tienden a dar gota. Conociendo las correlaciones de este tipo es importante para predecir y prepararse para lo que va a pasar con los pacientes en el futuro. Las correlaciones también son importantes para la comprensión de cómo funcionan las enfermedades. ¿Existe un mecanismo detrás de la gota que está relacionado con las enfermedades del corazón? Podría medicamentos para la ayuda de la gota con las enfermedades del corazón, también?
Bueno, por lo que sabemos una enfermedad a veces lleva a la otra, aunque estén aparentemente sin relación. (La gota es un tipo de artritis, no es inmediatamente claro que no tiene nada que ver con el corazón.) Sin embargo, un nuevo estudio ha examinado estas correlaciones en una escala sin precedentes. Investigadores de Dinamarca y la Universidad de Nuevo México recientemente extraídos del Registro Nacional de Pacientes Danés de enfermedades que a menudo se suceden. ¿Y qué es exactamente el Registro Nacional de Pacientes Danés? Es una lista de todas las veces que una persona danesa visitó un hospital danés. Los investigadores examinaron los datos de 1996-2010, que abarca 6,2 millones de personas y 65 millones de visitas al hospital.
Los científicos encontraron algunos patrones distintivos. Algunos eran evidentes. Muchos de los pacientes fueron diagnosticados con una próstata agrandada, entonces el cáncer de próstata, entonces el flujo de orina obstruido, y, finalmente, la anemia relacionada con el cáncer. Eso no significa que todas las personas que tienen una próstata agrandada, que se encuentran en la línea de partida será ir a través de esta progresión. El estudio no especificó el riesgo de ir a través de la progresión de la gente, tampoco. Pero los resultados no significan que se trata de un viaje médico establecido, que le pasa a un número estadísticamente significativo de personas entre los 6,2 millones de daneses. Pensar de otra manera: No muchas personas se encuentran con diagnóstico de obstrucción del flujo de orina antes de ser diagnosticado con cáncer de próstata. La progresión ocurre de una manera.
Trayectorias de agrandamiento de la próstata para una próstata agrandada. De Jensen et al., "trayectorias de enfermedades temporales condensados a partir de datos de registro en toda la población que cubren 6,2 millones de pacientes," Nature Communications, 2014
Los patrones más interesantes fueron las menos directas. Los investigadores encontraron que hay un camino donde las personas contraen la enfermedad pulmonar obstructiva crónica después de ser diagnosticado con arterias endurecidas. Después de eso, la gente tiende a progresar rápidamente a uno de los varios diagnósticos más graves. Muchos en el estudio murieron dentro de los cinco años de su diagnóstico de EPOC. Estos datos son una señal de que la EPOC es un hito peligrosa en la línea de tiempo la salud de un paciente con la enfermedad cardiovascular.
En cuanto al ejemplo que empezamos, muchas personas con enfermedades del corazón y la insuficiencia cardíaca acabé cogiendo la gota después. Diferentes estudios han encontrado resultados contradictorios sobre si la gota se asocia con las enfermedades del corazón, por lo que este estudio añade una ficha a un lado "se asocia".
Explotación minera de una gran conjunto de datos para líneas de tiempo ayuda a clarificar las relaciones entre las enfermedades, escribieron los investigadores en un artículo que publicaron en la revista Nature Communications. En el futuro, los patrones de progresión podrían ayudar a personalizar el pronóstico de las personas. Su pronóstico podría ser diferente si usted consigue la gota después de las enfermedades del corazón, que si no lo hiciste. "En el futuro, vamos a ser capaces de predecir muchas enfermedades mediante pruebas simples en combinación con patrones de progresión de la enfermedad conocidos," el científico principal del estudio, Søren Brunak de la Universidad Técnica de Dinamarca, dijo en un comunicado.
Un nuevo proyecto de minería de datos analiza los registros de salud daneses para trazar la trayectoria de las enfermedades a lo largo de una vida.
Por Francie Diep - Popular Science
Trayectorias de la gota De Jensen et al., "trayectorias de enfermedades temporales condensados a partir de datos de registro en toda la población que cubren 6,2 millones de pacientes" Nature Communications, 2014
Los médicos sospechan desde hace tiempo que los que tienen enfermedades del corazón también tienden a dar gota. Conociendo las correlaciones de este tipo es importante para predecir y prepararse para lo que va a pasar con los pacientes en el futuro. Las correlaciones también son importantes para la comprensión de cómo funcionan las enfermedades. ¿Existe un mecanismo detrás de la gota que está relacionado con las enfermedades del corazón? Podría medicamentos para la ayuda de la gota con las enfermedades del corazón, también?
Bueno, por lo que sabemos una enfermedad a veces lleva a la otra, aunque estén aparentemente sin relación. (La gota es un tipo de artritis, no es inmediatamente claro que no tiene nada que ver con el corazón.) Sin embargo, un nuevo estudio ha examinado estas correlaciones en una escala sin precedentes. Investigadores de Dinamarca y la Universidad de Nuevo México recientemente extraídos del Registro Nacional de Pacientes Danés de enfermedades que a menudo se suceden. ¿Y qué es exactamente el Registro Nacional de Pacientes Danés? Es una lista de todas las veces que una persona danesa visitó un hospital danés. Los investigadores examinaron los datos de 1996-2010, que abarca 6,2 millones de personas y 65 millones de visitas al hospital.
Los científicos encontraron algunos patrones distintivos. Algunos eran evidentes. Muchos de los pacientes fueron diagnosticados con una próstata agrandada, entonces el cáncer de próstata, entonces el flujo de orina obstruido, y, finalmente, la anemia relacionada con el cáncer. Eso no significa que todas las personas que tienen una próstata agrandada, que se encuentran en la línea de partida será ir a través de esta progresión. El estudio no especificó el riesgo de ir a través de la progresión de la gente, tampoco. Pero los resultados no significan que se trata de un viaje médico establecido, que le pasa a un número estadísticamente significativo de personas entre los 6,2 millones de daneses. Pensar de otra manera: No muchas personas se encuentran con diagnóstico de obstrucción del flujo de orina antes de ser diagnosticado con cáncer de próstata. La progresión ocurre de una manera.
Trayectorias de agrandamiento de la próstata para una próstata agrandada. De Jensen et al., "trayectorias de enfermedades temporales condensados a partir de datos de registro en toda la población que cubren 6,2 millones de pacientes," Nature Communications, 2014
Los patrones más interesantes fueron las menos directas. Los investigadores encontraron que hay un camino donde las personas contraen la enfermedad pulmonar obstructiva crónica después de ser diagnosticado con arterias endurecidas. Después de eso, la gente tiende a progresar rápidamente a uno de los varios diagnósticos más graves. Muchos en el estudio murieron dentro de los cinco años de su diagnóstico de EPOC. Estos datos son una señal de que la EPOC es un hito peligrosa en la línea de tiempo la salud de un paciente con la enfermedad cardiovascular.
En cuanto al ejemplo que empezamos, muchas personas con enfermedades del corazón y la insuficiencia cardíaca acabé cogiendo la gota después. Diferentes estudios han encontrado resultados contradictorios sobre si la gota se asocia con las enfermedades del corazón, por lo que este estudio añade una ficha a un lado "se asocia".
Explotación minera de una gran conjunto de datos para líneas de tiempo ayuda a clarificar las relaciones entre las enfermedades, escribieron los investigadores en un artículo que publicaron en la revista Nature Communications. En el futuro, los patrones de progresión podrían ayudar a personalizar el pronóstico de las personas. Su pronóstico podría ser diferente si usted consigue la gota después de las enfermedades del corazón, que si no lo hiciste. "En el futuro, vamos a ser capaces de predecir muchas enfermedades mediante pruebas simples en combinación con patrones de progresión de la enfermedad conocidos," el científico principal del estudio, Søren Brunak de la Universidad Técnica de Dinamarca, dijo en un comunicado.
Suscribirse a:
Entradas (Atom)