stringtranslate.com

Tres grados de influencia

La teoría de los tres grados de influencia es una teoría en el ámbito de las redes sociales [ 1] propuesta por Nicholas A. Christakis y James H. Fowler en 2007. Básicamente, este argumento sostiene que los efectos de los pares no tienen por qué detenerse en un grado de separación. Por el contrario, en un amplio conjunto de entornos empíricos, utilizando métodos tanto observacionales como experimentales, se ha observado que el efecto parece, en muchos casos, dejar de ser significativo en un horizonte social de tres grados.

Desde entonces, científicos de numerosas disciplinas han explorado esta teoría utilizando diversos enfoques estadísticos, matemáticos, psicológicos, sociológicos y biológicos. Numerosos experimentos presenciales y en línea a gran escala han documentado este fenómeno en los años transcurridos desde entonces.

A principios de la década de 2000, Christakis y Fowler exploraron el impacto de las conexiones sociales en el comportamiento, describiendo cómo la influencia social y el contagio social no terminan con las personas con las que una persona está directamente conectada. Las personas influyen en sus amigos, quienes a su vez influyen en sus amigos, y así sucesivamente. Por lo tanto, las creencias y acciones de una persona pueden influir en personas que nunca ha conocido, con las que solo está vinculada indirectamente.

Christakis y Fowler, utilizando métodos tanto observacionales como experimentales, examinaron diversos fenómenos, como la obesidad, la felicidad , la cooperación, el voto y otros comportamientos y creencias. Investigaciones posteriores de otros grupos exploraron muchos otros fenómenos de esta manera (como el crimen, el aprendizaje social, etc.).

En resumen, Christakis y Fowler postularon que diversos fenómenos "se propagan a través de nuestra red, teniendo un impacto en nuestros amigos (un grado), los amigos de nuestros amigos (dos grados) e incluso los amigos de los amigos de nuestros amigos (tres grados). Nuestra influencia se disipa gradualmente y deja de tener un efecto notable en las personas más allá de la frontera social que se encuentra a tres grados de separación". [2] Postularon una serie de razones para esta decadencia y ofrecieron fundamentos informativos, psicológicos y biológicos.

Razón fundamental

La influencia podría disiparse después de aproximadamente tres grados (hacia y desde los amigos de los amigos de los amigos) por al menos tres razones, propusieron Christakis y Fowler: [2]

  1. Decadencia intrínseca: corrupción de la información o una especie de "fricción social" (como el juego del teléfono ).
  2. Inestabilidad de la red: los vínculos sociales se vuelven inestables (y no son constantes a lo largo del tiempo) en un horizonte de más de tres grados de separación.
  3. Propósito evolutivo: evolucionamos en grupos pequeños donde todos estaban conectados por tres grados o menos y por lo tanto podríamos no tener la capacidad de detectar o responder a "señales" débiles que emanan desde lugares geodésicos más lejanos (una idea que recibió apoyo posterior [3] ).

Literatura científica

Investigación inicial y enfoque estadístico

Los estudios iniciales que utilizaron datos observacionales de Christakis y Fowler sugirieron que una variedad de atributos (como la obesidad, [4] el tabaquismo, [5] la felicidad [6] [7] y el consumo de alcohol [8] ), en lugar de ser individualistas, están correlacionados casualmente por mecanismos de contagio que transmiten dichos fenómenos a largas distancias dentro de las redes sociales. [9]

Ciertos análisis posteriores exploraron las limitaciones de estos análisis (sujetos a diferentes supuestos estadísticos); [10] o expresaron preocupación de que los métodos estadísticos empleados en estos análisis no pudieran controlar completamente otros factores ambientales; [11] o señalaron que las estimaciones estadísticas que surgen de algunos enfoques pueden no tener siempre interpretaciones sencillas; [12] o argumentaron que los métodos estadísticos pueden no tener siempre en cuenta los procesos de homofilia en la creación y retención de relaciones a lo largo del tiempo. [13] [14]

Pero otros estudios que utilizan análisis de sensibilidad encontraron que las estimaciones básicas sobre la transmisibilidad de la obesidad y el abandono del hábito de fumar, por ejemplo, son bastante sólidas [15] [16] o, de lo contrario, replican o respaldan los hallazgos [17] [18] , por ejemplo, en el caso del consumo de alcohol. [19] Un trabajo de modelado detallado, temprano y adicional mostró que el enfoque de modelado de ecuación de estimación generalizada (GEE) utilizado por Christakis y Fowler (y otros grupos) fue bastante eficaz para estimar los efectos del contagio social y distinguirlos de la homofilia; [20] este artículo concluyó: "Para la influencia de la red, encontramos que el enfoque parece tener una sensibilidad excelente y una especificidad bastante buena con respecto a distinguir la presencia o ausencia de tal 'efecto de red', independientemente de si la homofilia está presente o no en la formación de la red". Otro artículo metodológico concluyó que es posible limitar las estimaciones de los efectos de los pares incluso dadas las limitaciones de modelado que enfrentan Christakis y Fowler [18] , incluso si se requieren suposiciones paramétricas para identificar dichos efectos utilizando datos observacionales (si se cree que existe una homofilia no observada sustancial). [14] También apareció un mayor apoyo para el enfoque de modelado GEE utilizado por Christakis y Fowler. [21] Y la noción del contagio social de la obesidad se utilizó en un modelo matemático confirmatorio en 2018. [22] [23]

Otros enfoques analíticos para los datos observacionales también han sido de apoyo, incluyendo la estimación de muestras emparejadas , [24] y técnicas de reorganización . [25] La técnica de reorganización validó la "prueba de direccionalidad de borde" como una estrategia de identificación para efectos de pares causales; esta técnica fue propuesta por primera vez por Christakis y Fowler como una herramienta para estimar tales efectos en el análisis de redes en su artículo sobre la obesidad de 2007.

Desde una perspectiva teórica, se ha demostrado [26] que la propiedad de los tres grados de influencia surge naturalmente como resultado de la interacción entre la influencia social, o dinámica de aprendizaje, y las redes complejas. Estos estudios emplearon modelos emblemáticos para estudiar la difusión de información, opiniones, ideas y comportamientos en una amplia gama de topologías de red, mostrando también bajo qué condiciones se pueden esperar violaciones de los "tres grados de influencia".

El fenómeno también ha sido observado a partir de datos de observación sobre redes criminales, incluso por sociólogos [27] y economistas [28] . Un artículo de 2023 hizo referencia al principio para documentar la difusión de la atención a los artículos científicos en línea a una "profundidad" de tres grados y más. [29] Un artículo de 2204 observó que cuando se acusa a los científicos de mala conducta sexual, sus citas (y las de sus coautores y las de sus coautores) disminuyen a partir de entonces. [30]

Christakis y Fowler revisaron los hallazgos críticos y de apoyo con respecto al fenómeno de los tres grados de influencia y los enfoques analíticos utilizados para discernirlo con datos observacionales en 2013. [16]

Experimentos que confirman la teoría

Se han realizado muchos estudios experimentales posteriores (por muchos grupos de investigación, incluidos Christakis y Fowler y sus otros colaboradores). Estos estudios han encontrado evidencia causal sólida de procesos de contagio que se propagan más allá de las díadas (incluso hasta dos, tres o cuatro grados de separación) utilizando experimentos controlados aleatorios . [31] [32] [33] [34] [35]

Un artículo de principios de 2010 de Christakis y Fowler documentó, mediante un experimento en persona, que el comportamiento de cooperación puede propagarse en cascada hasta tres grados de separación. [36] Un experimento de 2012 involucró a 61.000.000 de personas que usaban Facebook y mostró la propagación del comportamiento de votación hasta dos grados de separación. [37] Un artículo de 2014 confirmó la propagación de las emociones más allá de las díadas, como propusieron en 2008 Christakis y Fowler, utilizando otro experimento masivo en línea. [38] Un RCT de 24.702 personas en 176 aldeas de Honduras (publicado por Edo Airoldi y Christakis en 2024) documentó la propagación de conocimientos y prácticas de salud materna e infantil introducidos exógenamente hasta dos grados de separación (entre otros hallazgos). [39]

En un artículo de 2011 de los economistas Carrell, Hoekstra y West se aprovechó la asignación aleatoria de compañeros en la Academia de la Fuerza Aérea de los Estados Unidos y se encontraron "efectos positivos estadísticamente significativos de los compañeros que son aproximadamente la mitad de grandes que el efecto propio de la aptitud física previa sobre la aptitud física actual. La evidencia sugiere que los efectos son causados ​​principalmente por los amigos que estaban en peor forma física, lo que apoya la noción provocadora de que la mala aptitud física se propaga de persona a persona" (en consonancia aproximada con las estimaciones de Christakis y Fowler). [40]

La teoría también se ha utilizado para desarrollar algoritmos validados para maximizar eficientemente la influencia. [41]

Mecanismo

Diversas líneas de trabajo también han explorado los mecanismos biopsicosociales específicos para la delimitación de los efectos de contagio, algunos de los cuales habían sido teorizados por Christakis y Fowler. Los experimentos de Moussaid et al. evaluaron la propagación de la percepción del riesgo y documentaron una inflexión de aproximadamente tres grados. [42] Otro conjunto de experimentos documentó el impacto de la distorsión de la información, señalando que "a pesar de la fuerte influencia social dentro de pares de individuos, el alcance de la propagación del juicio a lo largo de una cadena rara vez excedió una distancia social de tres a cuatro grados de separación... Demostramos que la distorsión de la información y la sobreponderación de los errores de otras personas son dos mecanismos a nivel individual que obstaculizan la propagación del juicio a escala de la cadena". [43] Y los experimentos con exploraciones de fMRI en una red sociocéntricamente mapeada de estudiantes de posgrado, publicados en 2018, mostraron que las respuestas neuronales a los estímulos conceptuales eran similares entre amigos, con un nadir a tres grados de separación, lo que proporciona más evidencia biológica para esta teoría. [44]

Implicaciones morales

La idea de la influencia de la red plantea la cuestión del libre albedrío , porque sugiere que las personas están influenciadas por factores que no pueden controlar y de los que no son conscientes. Christakis y Fowler afirman en su libro, Connected , que los responsables políticos deberían utilizar el conocimiento sobre los efectos de las redes sociales y el contagio social para optimizar las políticas públicas . Esto se aplica a muchos aspectos de la vida, desde la salud pública hasta la economía . Por ejemplo, cuando los recursos son escasos, señalan que podría ser preferible inmunizar a los individuos ubicados en el centro de una red en lugar de a los individuos estructuralmente periféricos. O podría ser mucho más eficaz motivar a grupos de personas para que eviten el comportamiento delictivo que actuar sobre individuos individuales o que castigar a cada delincuente por separado. Sus propios ensayos de campo controlados aleatorios han explorado cómo utilizar el contagio social para fomentar la propagación de innovaciones deseables en aldeas rurales. [35] [45]

Véase también

Referencias

  1. ^ "La influencia oculta de las redes sociales" de Nicholas Christakis en TED.com. 10 de mayo de 2010.
  2. ^ ab Prefacio conectado + capítulo 1
  3. ^ Morgan, TJH; et al. (2015). "Evidencia experimental de la coevolución de la enseñanza y el lenguaje de la fabricación de herramientas en los homínidos". Nature Communications . 6 : 6029. Bibcode :2015NatCo...6.6029M. doi :10.1038/ncomms7029. PMC 4338549 . PMID  25585382. 
  4. ^ Christakis, Nicholas A.; Fowler, James H. (2007). "La propagación de la obesidad en una gran red social a lo largo de 32 años". The New England Journal of Medicine . 357 (4): 370–379. CiteSeerX 10.1.1.581.4893 . doi :10.1056/NEJMsa066082. PMID  17652652. 
  5. ^ Christakis, Nicholas A.; Fowler, James H. (2008). "La dinámica colectiva del tabaquismo en una gran red social". The New England Journal of Medicine . 358 (21): 2249–2258. doi :10.1056/NEJMsa0706154. PMC 2822344 . PMID  18499567. 
  6. ^ Christakis, Nicholas A.; Fowler, James H. (2008). "Difusión dinámica de la felicidad en una gran red social: análisis longitudinal a lo largo de 20 años en el estudio Framingham Heart Study". British Medical Journal . 337 (337): a2338. doi :10.1136/bmj.a2338. PMC 2600606 . PMID  19056788. 
  7. ^ Rosenquist, JN; Fowler, JH; Christakis, NA (marzo de 2011). "Determinantes de la depresión en las redes sociales". Psiquiatría molecular . 16 (3): 273–281. doi :10.1038/mp.2010.13. ISSN  1476-5578. PMC 3832791 . 
  8. ^ Rosenquist, J. Niels (6 de abril de 2010). "La propagación del comportamiento de consumo de alcohol en una gran red social". Anales de Medicina Interna . 152 (7): 426. doi :10.7326/0003-4819-152-7-201004060-00007. ISSN  0003-4819. PMC 3343772 . 
  9. ^ Christakis, Nicholas A.; Fowler, James H. (2009). Connected: El sorprendente poder de nuestras redes sociales y cómo moldean nuestras vidas . Little, Brown and Co. ISBN 978-0316036146.
  10. ^ Cohen-Cole, Ethan; Fletcher, Jason M. (2008). "Detección de efectos de red social improbables en el acné, la altura y los dolores de cabeza: análisis longitudinal". British Medical Journal . 337 : a2533. doi :10.1136/bmj.a2533. PMC 2600605 . PMID  19056789. 
  11. ^ Cohen-Cole, Ethan; Fletcher, Jason M. (2008). "¿Es contagiosa la obesidad? Redes sociales frente a factores ambientales en la epidemia de obesidad" (PDF) . Journal of Health Economics . 27 (5): 1382–1387. doi :10.1016/j.jhealeco.2008.04.005. PMID  18571258.
  12. ^ Lyons, Russell (2011). "La difusión de la medicina basada en evidencias deficientes a través de análisis de redes sociales defectuosos". Estadística, política y políticas . 2 (1). arXiv : 1007.2876 . doi :10.2202/2151-7509.1024. S2CID  14223489.
  13. ^ Noel, Hans; Nyhan, Brendan (2011). "El 'problema de la eliminación de amigos': las consecuencias de la homofilia en la retención de amistades para las estimaciones causales de la influencia social". Redes sociales . 33 (3): 211–218. arXiv : 1009.3243 . doi :10.1016/j.socnet.2011.05.003. S2CID  13937621.
  14. ^ ab Shalizi, Cosma R.; Thomas, Andrew C. (2011). "La homfilia y el contagio se confunden de manera genérica en los estudios de redes sociales observacionales". Métodos sociológicos e investigación . 40 (2): 211–239. arXiv : 1004.4704 . doi :10.1177/0049124111404820. PMC 3328971 . PMID  22523436. 
  15. ^ VanderWeele, Tyler J. (2011). "Análisis de sensibilidad para efectos de contagio en redes sociales". Métodos sociológicos e investigación . 40 (2): 240–255. doi :10.1177/0049124111404821. PMC 4288024 . PMID  25580037. 
  16. ^ ab Christakis, NA; Fowler, JH (2013). "Teoría del contagio social: análisis de redes sociales dinámicas y comportamiento humano". Estadística en medicina . 32 (4): 556–577. doi :10.1002/sim.5408. PMC 3830455 . PMID  22711416. 
  17. ^ Ali, MM; Amialchuk, A; Gao, S; Heiland, F (2012). "Aumento de peso en adolescentes y redes sociales: ¿existe un efecto de contagio?". Applied Economics . 44 (23): 2969–2983. doi :10.1080/00036846.2011.568408. S2CID  144012349.
  18. ^ ab Steeg, A. Galstyan (2012). "Pruebas estadísticas de contagio en estudios de redes sociales observacionales". Journal of Machine Learning Research : 563–571. arXiv : 1211.4889 .
  19. ^ van den Ende, Maarten WJ; van der Maas, Han LJ; Epskamp, ​​Sacha; Lees, Mike H. (24 de febrero de 2024). "El consumo de alcohol como un fenómeno socialmente contagioso en la red social del Framingham Heart Study". Scientific Reports . 14 (1): 4499. doi :10.1038/s41598-024-54155-0. ISSN  2045-2322. PMC 11052543 . 
  20. ^ Zachrison, Kori (2016). "¿Pueden los modelos de ecuaciones de estimación generalizadas longitudinales distinguir la influencia de la red y la homofilia? Un enfoque de modelado basado en agentes para las características de medición". Metodología de investigación médica de BMC . 16 (1): 174. doi : 10.1186/s12874-016-0274-4 . PMC 5192582 . PMID  28031023. 
  21. ^ Gonzalez-Pardo, A.; Cajias, R.; Camacho, D. (2014). "Una simulación basada en agentes del modelo social de Christakis-Fowler". Desarrollos recientes en inteligencia colectiva computacional . Estudios en inteligencia computacional. Vol. 513. págs. 69–77. doi :10.1007/978-3-319-01787-7_7. ISBN 978-3-319-01786-0.
  22. ^ Ejima, Keisuke; Thomas, Diana M.; Allison, David B. (mayo de 2018). "Un modelo matemático para predecir la transmisión de la obesidad con herencia genética y no genética". Obesidad . 26 (5): 927–933. doi :10.1002/oby.22135. ISSN  1930-7381. PMC 5916034 . PMID  29575611. 
  23. ^ Servick, Kelly (19 de febrero de 2017). "¿Deberíamos tratar la obesidad como una enfermedad contagiosa?". Science .
  24. ^ Aral, Sinan; Muchnik, Lev; Sunararajan, Arun (2009). "Distinguir el contagio basado en la influencia de la difusión impulsada por la homofilia en redes dinámicas". Actas de la Academia Nacional de Ciencias . 106 (51): 21544–21549. Bibcode :2009PNAS..10621544A. doi : 10.1073/pnas.0908800106 . PMC 2799846 . PMID  20007780. 
  25. ^ Anagnostopoulos, Aris; Kumar, Ravi; Mahdian, Mohammad (2008). "Influencia y correlación en redes sociales". Actas de la 14.ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos . pp. 7–15. CiteSeerX 10.1.1.227.5676 . doi :10.1145/1401890.1401897. ISBN .  9781605581934.S2CID 7995562  .
  26. ^ Pinheiro, Flavio L.; Santos, Marta D.; Santos, Francisco C.; Pacheco, Jorge M. (2014). «Origen de la influencia de los pares en las redes sociales» (PDF) . Cartas de revisión física . 112 (9): 098702. Código bibliográfico : 2014PhRvL.112i8702P. doi : 10.1103/physrevlett.112.098702. hdl : 1822/64002 . PMID  24655286.
  27. ^ Wildeman, Christopher; Papachristos, Andrew V. (2014). "Exposición a redes y victimización por homicidio en una comunidad afroamericana". Revista estadounidense de salud pública . 104 (1): 143–150. doi :10.2105/ajph.2013.301441. PMC 3910040 . PMID  24228655. 
  28. ^ "DP19159 Efectos secundarios en las redes criminales: evidencia de muertes de co-infractores". CEPR . 2024-06-13 . Consultado el 2024-06-28 .
  29. ^ Cao, Renmeng; Liu, Xiao Fan; Fang, Zhichao; Xu, Xiao-Ke; Wang, Xianwen (1 de enero de 2023). "¿Cómo obtienen atención en las redes sociales los artículos científicos de diferentes niveles de revistas?". Procesamiento y gestión de la información . 60 (1): 103152. doi :10.1016/j.ipm.2022.103152. ISSN  0306-4573.
  30. ^ Widmann, R; Rose, Michael; Chugunova, Marina. "Alegaciones de mala conducta sexual, científicos acusados ​​y su investigación (25 de octubre de 2023)". Instituto Max Planck para la Innovación y la Competencia Documento de investigación . 22–18.
  31. ^ Centola, Damon (2010). "La propagación del comportamiento en un experimento de red social en línea". Science . 329 (5995): 1194–1197. Bibcode :2010Sci...329.1194C. CiteSeerX 10.1.1.701.3842 . doi :10.1126/science.1185231. PMID  20813952. S2CID  3265637. 
  32. ^ Fowler, James H.; Christakis, Nicholas A. (2010). "Cascadas de comportamiento cooperativo en redes sociales humanas". Actas de la Academia Nacional de Ciencias . 107 (12): 5334–5338. arXiv : 0908.3497 . Bibcode :2010PNAS..107.5334F. doi : 10.1073 /pnas.0913149107 . PMC 2851803. PMID  20212120. 
  33. ^ Aral, Sinan; Walker, Dylan (2011). "Creación de contagio social a través del diseño de productos virales: un ensayo aleatorio de influencia de pares en redes". Management Science . 57 (9): 1623–1639. doi :10.1287/mnsc.1110.1421.
  34. ^ Rand D, Arbesman S y Christakis NA, "Las redes sociales dinámicas promueven la cooperación en experimentos con humanos", PNAS: Actas de la Academia Nacional de Ciencias 2011; 108: 19193-19198
  35. ^ ab Kim, David A; Hwong, Alison R; Stafford, Derek; Hughes, D Alex; O'Malley, A James; Fowler, James H; Christakis, Nicholas A (11 de julio de 2015). "Redes sociales como objetivo para maximizar el cambio de comportamiento de la población: un ensayo controlado aleatorizado por grupos". The Lancet . 386 (9989): 145–153. doi :10.1016/S0140-6736(15)60095-2. ISSN  0140-6736. PMC 4638320 . PMID  25952354. 
  36. ^ Fowler, James H.; Christakis, Nicholas A. (23 de marzo de 2010). "Cascadas de comportamiento cooperativo en redes sociales humanas". Actas de la Academia Nacional de Ciencias . 107 (12): 5334–5338. arXiv : 0908.3497 . Bibcode :2010PNAS..107.5334F. doi : 10.1073/pnas.0913149107 . ISSN  0027-8424. PMC 2851803. PMID 20212120  . 
  37. ^ Bond, RM; Fariss, CJ; Jones, JJ; Kramer, ADI; Marlow, C; Settle, JE; Fowler, JH (2012). "Un experimento de 61 millones de personas sobre influencia social y movilización política". Nature . 489 (7415): 295–298. Bibcode :2012Natur.489..295B. doi :10.1038/nature11421. PMC 3834737 . PMID  22972300. 
  38. ^ Kramer, ADI; Guillory, JE; Hancock, JT (2014). "Evidencia experimental de contagio emocional a gran escala a través de las redes sociales" (PDF) . Actas de la Academia Nacional de Ciencias . 111 (24): 8788–8790. Bibcode :2014PNAS..111.8788K. doi : 10.1073/pnas.1320040111 . PMC 4066473 . PMID  24889601. 
  39. ^ Airoldi, Edoardo M.; Christakis, Nicholas A. (3 de mayo de 2024). "Inducción de contagio social para diversos resultados en experimentos estructurados en aldeas aisladas". Science . 384 (6695): eadi5147. doi : 10.1126/science.adi5147 . ISSN  0036-8075. PMID  38696582.
  40. ^ Carrell, Scott E.; Hoekstra, Mark; West, James E. (agosto de 2011). "¿Es contagiosa la mala condición física?". Journal of Public Economics . 95 (7–8): 657–663. doi :10.1016/j.jpubeco.2010.12.005. ISSN  0047-2727.
  41. ^ Qin, Yadong; Ma, Jun; Gao, Shuai (8 de junio de 2015). "Maximización eficiente de la influencia basada en la teoría de los tres grados de influencia". Gestión de la información en la era web . Apuntes de clase sobre informática. Vol. 9098. págs. 465–468. doi :10.1007/978-3-319-21042-1_42. ISBN 978-3-319-21041-4.
  42. ^ Moussaid, M; Brighton, H; Gaissmaier, W (2015). "La amplificación del riesgo en cadenas de difusión experimentales" (PDF) . Actas de la Academia Nacional de Ciencias . 112 (18): 5631–5636. arXiv : 1504.05331 . Bibcode :2015PNAS..112.5631M. doi : 10.1073/pnas.1421883112 . PMC 4426405 . PMID  25902519. 
  43. ^ Moussaid, M (18 de abril de 2017). "Alcance y velocidad de propagación de juicios en el laboratorio". Actas de la Academia Nacional de Ciencias . 114 (16): 4117–4122. arXiv : 1704.01381 . Bibcode :2017PNAS..114.4117M. doi : 10.1073/pnas.1611998114 . PMC 5402452 . PMID  28373540. 
  44. ^ Parkinson, Carolyn; Kleinbaum, Adam M.; Wheatley, Thalia (30 de enero de 2018). "Respuestas neuronales similares predicen la amistad". Nature Communications . 9 (1): 332. Bibcode :2018NatCo...9..332P. doi :10.1038/s41467-017-02722-7. ISSN  2041-1723. PMC 5790806 . PMID  29382820. 
  45. ^ Shakya, Holly (2017). "Explotación de la influencia social para magnificar el cambio de comportamiento a nivel de población en materia de salud materna e infantil: protocolo de estudio para un ensayo controlado aleatorio de algoritmos de focalización de redes en zonas rurales de Honduras". BMJ Open . 7 (3): e012996. doi :10.1136/bmjopen-2016-012996. ISSN  2044-6055. PMC 5353315 . PMID  28289044. 

Enlaces externos