Το μοντέλο υπολογιστή προσομοιώνει πόσες περιπτώσεις COVID-19 θα μπορούσαν να είχαν αποτραπεί σε μια συγκεκριμένη κομητεία στις ΗΠΑ Leontura / DigitalVision Vectors μέσω Getty Images
Ο Δρ. Biplav Srivastava, καθηγητής Επιστήμης Υπολογιστών στο Πανεπιστήμιο της Νότιας Καρολίνας, και η ομάδα του έχουν αναπτύξει ένα εργαλείο βάσει δεδομένων που βοηθά στην απόδειξη της επίδρασης της μάσκας στις περιπτώσεις και τους θανάτους COVID-19. Το μοντέλο του χρησιμοποιεί μια ποικιλία πηγών δεδομένων για τη δημιουργία εναλλακτικών σεναρίων που μπορούν να μας πουν "Τι θα μπορούσε να είχε συμβεί;" εάν μια κομητεία στις ΗΠΑ είχε υψηλότερο ή χαμηλότερο ποσοστό προσκόλλησης στη μάσκα. Σε αυτή τη συνέντευξη, εξηγεί πώς λειτουργεί το μοντέλο, τους περιορισμούς του και ποια συμπεράσματα μπορούμε να αντλήσουμε από αυτό.
Ο επιστήμονας υπολογιστών Biplav Srivastava παρέχει μια επίδειξη της προσομοίωσης για να δείξει ότι παλαιότερες πολιτικές για τη σύσταση μάσκας κάνουν μεγαλύτερη διαφορά στην εξάπλωση του κοροναϊού.
{vembed Y=g3o_TW2OWJU}
Τι κάνει αυτό το μοντέλο υπολογιστή;
Αυτό είναι ένα πανεθνικό εργαλείο που μπορεί να δείξει το αποτέλεσμα που μπορεί να έχει η μάσκα. Εάν πρόκειται για μια κομητεία όπου οι άνθρωποι φορούν μάσκες τακτικά, θα σας δείξει πόσες περιπτώσεις και θανάτους COVID-19 αποφεύγουν. Εάν επιλέξετε ένα νομό όπου οι άνθρωποι δεν φορούν μάσκες, θα σας δείξει πόσες περιπτώσεις και θάνατοι θα μπορούσαν να είχαν αποτραπεί εκεί.
Πώς το κάνει;
Χρειαζόμαστε πολλά δεδομένα για να το κάνουμε αυτό. Οι Νιου Γιορκ Ταιμς έλεγξε σχεδόν κάθε κομητεία στις ΗΠΑ κατά τη διάρκεια του καλοκαιριού και του έδωσαν βαθμολογία 0-5 σε κάθε μάσκα, οπότε αυτό βρίσκεται στην καρδιά του μοντέλου. Χρησιμοποιούμε επίσης δεδομένα των New York Times και Johns Hopkins για αριθμούς υποθέσεων σε πραγματικό χρόνο. δεδομένα απογραφής για δημογραφικά στοιχεία, όπως μέγεθος πληθυσμού, μέση ηλικία και πολλά άλλα · και γεωγραφικά δεδομένα για τη μέτρηση της απόστασης μεταξύ των κομητειών.
Βασίζεται σε μια μαθηματική τεχνική που ονομάζεται ισχυρός συνθετικός έλεγχος, η οποία χρησιμοποιείται συχνά στην έρευνα για τα ναρκωτικά, όπου υπάρχει ομάδα ελέγχου και υπάρχει ομάδα θεραπείας.
Για παράδειγμα, ας δούμε την κομητεία Wyandotte, Κάνσας. Έχει σχετικά υψηλή βαθμολογία φθοράς μάσκας περίπου 3.4. Επειδή το μοντέλο έχει σχεδιαστεί για να μας πει το "τι εάν;" Σενάριο, θα εξετάσει τι θα συνέβαινε εάν η βαθμολογία φθοράς μάσκας μειώθηκε σε 3.0, η οποία είναι η αποκοπή μας για «χαμηλή φθορά μάσκας», αλλά ο χρήστης μπορεί να πειραματιστεί και με άλλες τιμές μόνο για να δει τι συμβαίνει. Φτάσαμε στο 3.0 με βάση την ανάλυση των εθνικών συνηθειών που φορούν μάσκα. Οι πραγματικές τιμές κυμαίνονταν μεταξύ 1.4 και 3.85, με εθνικό μέσο όρο 2.98.
Μπορούμε να ορίσουμε μια ημερομηνία κατά την οποία η βαθμολογία που φορά τη μάσκα αλλάζει σε 3.0. Εάν το θέσουμε να τρέξει από την 1η Ιουνίου έως την 1η Οκτωβρίου, μας λέει ότι η κομητεία Wyandotte θα είχε 101.5% περισσότερες περιπτώσεις και 150 περισσότερους θανάτους εκείνη την περίοδο. Λέει στον χρήστη πόσους θανάτους έχουν συμβεί ή αποτραπεί βάσει μιας παραμέτρου ποσοστού θνησιμότητας που μπορεί να ορίσει ο χρήστης. Σε αυτό το παράδειγμα, ορίστηκε στο 2%.
Πώς δημιουργεί το μοντέλο το «τι γίνεται αν;» σενάριο εάν δεν συνέβη πραγματικά; Αυτό το κάνει κοιτάζοντας άλλες κομητείες που βρίσκονται κοντά και έχουν παρόμοια δημογραφικά στοιχεία και αριθμό περιπτώσεων αλλά χαμηλότερο όριο που φοράει μάσκα. Προσπαθεί να βρει έναν σταθμισμένο μέσο όρο για να σχηματίσει μια ομάδα συνθετικών μαρτύρων που είναι παρόμοια με την περιοχή ενδιαφέροντος μας (ομάδα θεραπείας). Στη συνέχεια, το μοντέλο εξετάζει το πόσο οι δύο ομάδες έχουν αποκλίνει από την άποψη των περιπτώσεων. Η διαφορά στις μετρήσεις περιπτώσεων μεταξύ των δύο ομάδων μετατρέπεται σε διαφορά στους θανάτους χρησιμοποιώντας την παράμετρο του ποσοστού θνησιμότητας.
Τι μας λέει αυτό για τον αντίκτυπο των πολιτικών που φορούν μάσκα;
Η διατήρηση της μάσκας ή η εφαρμογή μάσκας ανά πάσα στιγμή μπορεί να είναι χρήσιμη. Αλλά ο αντίκτυπός του είναι υψηλότερος όταν το κάνετε νωρίς. Όταν εκτελείτε αυτό το μοντέλο πολλές φορές χρησιμοποιώντας διαφορετικές ημερομηνίες, βλέπετε ότι ο αντίκτυπος μειώνεται καθώς καθυστερείτε την εφαρμογή μίας μάσκας. Έτσι, εάν μια κομητεία εφαρμόσει μια πολιτική μάσκας την 1η Ιουνίου, θα είχε αποτρέψει πολλές περιπτώσεις. Εάν ενεργούσε την 1η Ιουλίου, θα είχε μικρότερο αντίκτυπο. Εάν ενεργούσε τον Αύγουστο, θα απέτρεπε ακόμη τις περιπτώσεις, αλλά έναν πολύ μικρό αριθμό.
Ποιοι είναι οι περιορισμοί αυτού του μοντέλου;
Αυτό το εργαλείο λειτουργεί καλύτερα για ορισμένες κομητείες από άλλες. Σε γενικές γραμμές, λειτουργεί καλύτερα με κομητείες που είναι πιο κοντά στον μέσο όρο, γιατί θα έχει πιο κοντά αγώνες για σύγκριση. Υπάρχει επίσης ένας περιορισμός με την έννοια ότι η έρευνα προσκόλλησης της μάσκας The New York Times έγινε το καλοκαίρι και τα πράγματα συνεχίζουν να αλλάζουν. Επομένως, εάν άλλοι ερευνητές χρησιμοποιούν αυτό το εργαλείο, θα πρέπει να λάβουν υπόψη τις αλλαγές.
Αλλά αυτό που βλέπετε είναι ότι όταν εφαρμόζετε μια πολιτική μάσκας ή ο πληθυσμός φοράει τακτικά μάσκες, έχει θετικό αντίκτυπο. Και όσο πιο νωρίς το κάνετε, τόσο πιο αποτελεσματικό είναι.
Σχετικά με το Συγγραφέας
Biplav Srivastava, Καθηγητής Επιστήμης Υπολογιστών, Πανεπιστήμιο της Νότιας Καρολίνας. Θα ήθελα να αναγνωρίσω το έργο της ομάδας μου, Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda και Lokesh Johri, για την ανάπτυξη αυτού του προγράμματος.
Αυτό το άρθρο αναδημοσιεύθηκε από το Η Συνομιλία υπό την άδεια Creative Commons. Διαβάστε το αρχικό άρθρο.
Σχετικές Βιβλία:
The Body Keeps the Score: Brain Mind and Body in the Healing of Trauma
από τον Bessel van der Kolk
Αυτό το βιβλίο διερευνά τις συνδέσεις μεταξύ του τραύματος και της σωματικής και ψυχικής υγείας, προσφέροντας ιδέες και στρατηγικές για τη θεραπεία και την ανάρρωση.
Κάντε κλικ για περισσότερες πληροφορίες ή για παραγγελία
Breath: The New Science of a Lost Art
από τον James Nestor
Αυτό το βιβλίο διερευνά την επιστήμη και την πρακτική της αναπνοής, προσφέροντας ιδέες και τεχνικές για τη βελτίωση της σωματικής και ψυχικής υγείας.
Κάντε κλικ για περισσότερες πληροφορίες ή για παραγγελία
Το παράδοξο των φυτών: Οι κρυμμένοι κίνδυνοι σε «υγιεινές» τροφές που προκαλούν ασθένειες και αύξηση βάρους
από τον Steven R. Gundry
Αυτό το βιβλίο διερευνά τους δεσμούς μεταξύ διατροφής, υγείας και ασθένειας, προσφέροντας ιδέες και στρατηγικές για τη βελτίωση της συνολικής υγείας και ευεξίας.
Κάντε κλικ για περισσότερες πληροφορίες ή για παραγγελία
The Immunity Code: The New Paradigm for Real Health and Radical Anti-aging
από τον Joel Greene
Αυτό το βιβλίο προσφέρει μια νέα προοπτική για την υγεία και την ανοσία, βασιζόμενη στις αρχές της επιγενετικής και προσφέροντας ιδέες και στρατηγικές για τη βελτιστοποίηση της υγείας και της γήρανσης.
Κάντε κλικ για περισσότερες πληροφορίες ή για παραγγελία
Ο πλήρης οδηγός νηστείας: Θεραπεύστε το σώμα σας μέσω διαλείπουσας, εναλλασσόμενης ημέρας και παρατεταμένης νηστείας
από τον Δρ Jason Fung και τον Jimmy Moore
Αυτό το βιβλίο διερευνά την επιστήμη και την πρακτική της νηστείας προσφέροντας ιδέες και στρατηγικές για τη βελτίωση της συνολικής υγείας και ευεξίας.
