Resumen

Antecedentes. Desde el Ébola, el Zika, hasta la última pandemia de COVID-19, los brotes de enfermedades altamente infecciosas siguen poniendo de manifiesto las graves consecuencias de las desigualdades sociales y sanitarias. Las personas de bajo nivel socioeconómico y educativo, así como los bajos conocimientos sanitarios, tienden a verse afectados por la incertidumbre, la complejidad, la volatilidad y la progresividad de las crisis y emergencias de salud pública. Una lección clave que los gobiernos han sacado de la actual pandemia de coronavirus es la importancia de desarrollar y difundir consejos de salud pública altamente accesibles, procesables, inclusivos y coherentes, que representan una herramienta crítica para ayudar a las personas con diversos antecedentes culturales, educativos y habilidades variadas a implementar efectivamente las políticas de salud a nivel de base. Objetivo. Nuestro objetivo es trasladar las mejores prácticas de asesoramiento sanitario público accesible e inclusivo (diseñado a propósito para personas con bajo nivel socioeconómico y educativo, niveles de alfabetización sanitaria, dominio limitado del inglés y deficiencias cognitivas/funcionales) en COVID-19 de las autoridades sanitarias de países multiculturales de habla inglesa (EE.UU., Australia y Reino Unido) a herramientas adaptativas para la evaluación de la accesibilidad del asesoramiento sanitario público en otros idiomas. Métodos. Desarrollamos un clasificador bayesiano optimizado para producir una predicción probabilística de la accesibilidad del asesoramiento sanitario oficial entre las personas vulnerables, incluidos los inmigrantes y los extranjeros que viven en China. Desarrollamos una fórmula estadística adaptativa para la evaluación rápida de la accesibilidad de los consejos sanitarios entre las personas vulnerables en China. Resultados. Nuestro estudio proporciona herramientas de investigación necesarias para llenar un vacío persistente en la investigación de la salud pública china sobre la comunicación accesible e inclusiva de la prevención y gestión de las enfermedades infecciosas. Para la predicción probabilística, utilizando el clasificador de aprendizaje automático bayesiano optimizado (GNB), se identificó la mayor relación de probabilidad positiva (LR ) 16,685 (intervalo de 95 onfianza: 4,35, 64,04) cuando el umbral de probabilidad se fijó en 0,2 (sensibilidad: 0,98; especificidad: 0,94). Conclusión. La comunicación eficaz de los riesgos para la salud a través de un asesoramiento público accesible, inclusivo y procesable representa una poderosa herramienta para reducir las desigualdades sanitarias en medio de crisis y emergencias sanitarias. Nuestro estudio tradujo los consejos de salud pública basados en las mejores prácticas desarrolladas durante la pandemia en clasificadores intuitivos de aprendizaje automático para que las autoridades sanitarias elaboren directrices basadas en la evidencia de consejos sanitarios accesibles. Además, desarrollamos herramientas estadísticas adaptables para que los profesionales sanitarios de primera línea evaluaran la accesibilidad de los consejos de salud pública para las personas de origen no angloparlante.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:asesoramiento en salud pública, clasificador de aprendizaje automático, antecedentes educativos, personas vulnerables, autoridad sanitaria, desigualdad sanitaria, predicción probabilística, enfermedad infecciosa, herramientas de investigación necesarias, herramientas estadísticas adaptativas
• Keywords:public health advice, machine learning classifier, educational background, vulnerable people, health authority, health inequality, probabilistic prediction, infectious disease, needed research tools, adaptive statistical tools