Tre nuove sfide per la sociologia della salute: esposoma, sociomarker e polysocial risk score

Titolo Rivista WELFARE E ERGONOMIA
Autori/Curatori Antonio Maturo
Anno di pubblicazione 2023 Fascicolo 2022/2 Suppl.
Lingua Italiano Numero pagine 14 P. 63-76 Dimensione file 343 KB
DOI 10.3280/WE2022-002-S1006
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Qui sotto puoi vedere in anteprima la prima pagina di questo articolo.

Se questo articolo ti interessa, lo puoi acquistare (e scaricare in formato pdf) seguendo le facili indicazioni per acquistare il download credit. Acquista Download Credits per scaricare questo Articolo in formato PDF

Anteprima articolo

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

La quantificazione della salute attraverso dispositivi digitali e intelligenza arti-ficiale ha aperto nuove prospettive di prevenzione e promozione della salute. I big data sono infatti alla base della medicina predittiva. In particolare, vengono presentati e analizzati sociologicamente alcuni concetti che hanno una crescente importanza per le politiche della salute: esposoma, sociomarker e polysocial risk score. Su queste basi, mostriamo come la sociologia della salute, nell’ambito dei big data sanitari e dell’intelligenza artificiale, possa avere un importante ruolo di governance e di giustizia sociale.;

Keywords:Esposoma; Sociomarker; Polysocial risk score; Sociologia della salute; Previsione; Giustizia Sociale.

  1. Anderson C. (2008). The end of theory: The data deluge makes the scientific method obsolete. -- Testo disponibile al sito: https://www.wired.com/2008/06/pb-theory/ (3/06/2022).
  2. Cevolini A. and Esposito E. (2020). From pool to profile: Social consequences of algorithmic prediction in insurance. Big Data & Society, 7(2): 1-11. DOI: 10.1177/2053951720939228
  3. Conley D. and Fletcher J. (2017). The Genome Factor: What the Social Genomics Revolution Reveals Books About Ourselves, Our History and the Future. Princeton, NJ: Princeton University Press.
  4. Espeland W.N. and Stevens M.L. (2008). A Sociology of Quantification. European Journal of Sociology, 49(3): 401-436.
  5. Figueroa J.F., Frakt A.B. and Jha A. (2020). Addressing Social Determinants of Health: Time for a Polysocial Risk Score. Journal of American Medical Association, 323(16): 1553-1554.
  6. Fourcade M. and Healy K. (2013). Classification Situations: Life-chances in the Neoliberal Era. Accounting, Organizations, and Society, 38(8): 559-572.
  7. Harari Y.N. (2020). The world after the Coronavirus. Financial Times, April 19.
  8. McGinnis M., Williams-Russo P. and Knickma J.R. (2002). The Case For More Active Policy Attention To Health Promotion. Health Affairs, 21(2).
  9. Maturo A. (2022). Polysocial Risk Scores and Behavior-Based Health Insurance: Promises and Perils. Tecnoscienza, 13: 106-115.
  10. Maturo A. (2015). Doing Things with Numbers: The Quantified Self and the Gamification of Health. Eä – Journal of Medical Humanities & Social Studies of Science and Technology, 7(1): 87-105.
  11. Maturo A. (2003). Il caso statunitense: dall'assicurazione sanitaria all’insicurezza sociale. In: Giarelli G., a cura di, Il malessere della medicina. Milano: FrancoAngeli.
  12. Maturo A. and Moretti V. (2018). Digital Health and the Gamification of life: How Apps can Promote a Positive Medicalization. London/New York: Emerald.
  13. Maturo A. and Setiffi F. (2023). Wellness, Social Policy and Public Health: Bridging Human Flourishing with Equity. London/New YorkMcginnis: Emerald.
  14. Morozov E. (2013). To Save Everything, Click Here: Technology, Solutionism, and the Urge To Fix Problems That Don’t Exist. London: Penguin.
  15. Neresini F. (2015). Quando i numeri diventano grandi: che cosa possiamo imparare dalla scienza. Rassegna Italiana di Sociologia, 56(3-4): 405-431.
  16. Obermeyer Z., Powers B., Vogeli C. and Mullainathan S. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464): 447-453.
  17. Rowe R. (2021). Social determinants of health in the Big Data mode of population health risk calculation. Big Data & Society, 8(2): 1-12. DOI: 10.1177/20539517211062881
  18. Russo P. and Knickman J. (2002). The Case For More Active Policy Attention To Health Promotion. Health affairs, 21(2):78-93.
  19. Senier L., Brown P., Shostak S. and Hanna B. (2016). The Socio-Exposome: Advancing Exposure Science and Environmental Justice in a Post-Genomic Era. Environ Sociol, 3(2): 107-121. DOI: 10.1080/23251042.2016.1220848
  20. Shin E.K., Mahajan R., Akbilgic O. et al. (2018). Sociomarkers and biomarkers: predictive modeling in identifying pediatric asthma patients at risk of hospital revisits. npj Digital Med, 1(50).
  21. Topol E. (2019). Deep medicine. How Artificial Intelligence can make medicine human again. New York: Basic Books.
  22. Wild C.P. (2005). Complementing the genome with an “exposome”: the outstanding challenge of environmental exposure measurement in molecular epidemiology. Cancer epidemiology, biomarkers & prevention, 14(8): 1847-1850. DOI: 10.1158/1055-9965.EPI-05-0456

Antonio Maturo, Tre nuove sfide per la sociologia della salute: esposoma, sociomarker e polysocial risk score in "WELFARE E ERGONOMIA" 2 Suppl./2022, pp 63-76, DOI: 10.3280/WE2022-002-S1006