Noul model de computer poate prezice răspândirea COVID-19 în orașe

Un studiu al modului în care se deplasează 98 de milioane de americani în fiecare zi arată că majoritatea bolilor infecțioase apar în zonele „prevalente” și modul în care metodele de mobilitate pot contribui la creșterea prevalenței bolilor transmisibile în rândul populației minoritare și cu venituri mici.

O echipă de cercetători a creat un model de computer care prezice cu exactitate răspândirea COVID-19 prin analizarea a trei factori care contribuie la riscul de infecție în 10 mari orașe din această primăvară: unde merg oamenii într-o zi, cât timp așteaptă și câte persoane vizitează în același timp.

„Am creat un model de computer pentru a analiza modul în care oamenii din medii demografice diferite și din diferite cartiere vizitează diferite locuri în care există mai multe sau mai puține mulțimi. Bazându-ne pe toate acestea, am fi putut prezice posibilitatea unei noi infecții oriunde sau oricând ”, a declarat Jure Leskovec, informaticianul din Stanford, care a condus studiul. Universitatea Northwestern.

Acord între infecțiile și activitatea COVID

Noul model de computer prezice vânzări în Chicago împotriva activității de infectare COVID-19. Potrivit cifrei, infecțiile cu COVID-19 sunt în creștere pe măsură ce numărul vizitelor la companii și locuri publice se apropie de nivelul pandemiei. Cu toate acestea, limitarea numărului maxim de locuri de muncă poate duce la un echilibru eficient: de exemplu, o limită de angajare de 20 la sută permite 60 la sută din vizitele pre-pandemice, dar doar 18 la sută din bolile transmisibile care trebuie deschise complet în locurile publice sunt expuse riscului. . Credit: Serina Yongchen Chang

Studiul a fost publicat în numărul revistei din 10 noiembrie 2020 Natură, combină date anonime despre date demografice, prognoze epidemiologice și locații de telefonie mobilă și confirmă faptul că majoritatea transmisiunilor COVID-19 au loc pe site-uri „la distanță”, cum ar fi restaurante cu servicii complete, centre de fitness și cafenele. . Cercetătorii observă că o caracteristică unică a acestui model ar putea servi drept instrument pentru oficiali pentru a ajuta la minimizarea răspândirii COVID-19, deoarece întreprinderile deschid comerțul între noi infecții și vânzări pierdute și întreprinderi, de exemplu , dacă capacitatea este de 20 la sută sau 50 la sută.

Co-autorul studiului, David Gruski, profesor de sociologie la Școala de Științe Umaniste și Științe din Stanford, spune că această capacitate de predicție este deosebit de valoroasă, deoarece oferă noi informații utile despre factorii din spatele infecțiilor disproporționate la minorități și persoane cu venituri mici. Anterior, se presupunea că aceste dezechilibre provin din condiții preexistente și oportunități inegale pentru serviciile de sănătate, dar modelul nostru arată că modelele de mobilitate prezintă, de asemenea, aceste riscuri disproporționate, a spus el.

Grusky, care conduce Centrul Stanford pentru Sărăcie și Inegalitate, a mai spus că modelul arată cum redeschiderea afacerilor cu rate scăzute de ocupare a forței de muncă ar putea beneficia mai mult de grupurile cu venituri mici. “Deoarece locurile care sunt minoritare și angajează persoane cu venituri mici sunt adesea mai mici și mai dense, restricțiile asupra magazinelor redeschise pot reduce riscurile cu care se confruntă”, a spus Gruski. “Avem obligația de a crea planuri de redeschidere care să elimine sau cel puțin să reducă dezechilibrele create de practicile actuale.”

Potrivit Leskovec, acest model „oferă cele mai puternice dovezi” că politicile de acasă din această primăvară au redus numărul de călătorii în afara casei și au redus rata de noi infecții.

Mergând pe urme

Studiul a urmărit mișcările a 98 de milioane de americani în cele mai importante 10 metrou ale țării prin jumătate de milion de facilități diferite, de la restaurante și centre de fitness la magazine pentru animale de companie și dealeri auto noi.

Echipa a inclus doctorandii Stanford, Serina Chang, Pang Wei Koh și Emma Pearson, care au finalizat vara, iar cercetătorii Universității din Northwestern, Helen Gerardin și Beth Redbird, au colectat date pentru 10 metrou. În ceea ce privește ordinea populației, aceste orașe includ: New York, Los Angeles, Chicago, Dallas, Washington, DC, Houston, Atlanta, Miami, Philadelphia și San Francisco.

SafeGraph, o companie care colectează informații de locație anonime pe aplicații mobile, a oferit cercetătorilor date care arată locuri vizitate de oameni, precum 553.000 de magazine de hardware și instituții religioase în fiecare zi; pentru cât timp; și, cel mai important, care este suprafața pătrată a fiecărei plante, astfel încât cercetătorii să poată determina densitatea umană pe oră.

Cercetătorii au analizat datele din 8 martie până în 9 mai în două faze diferite. În prima fază, aceștia au furnizat datele lor de mobilitate mobilă și și-au dezvoltat propriile sisteme pentru a calcula o variabilă epidemiologică foarte importantă: rata de răspândire a virusului în condiții diferite în 10 zone metropolitane. În viața reală, este imposibil să se știe în prealabil când și unde o persoană infecțioasă și susceptibilă va intra în contact pentru a crea o infecție potențial nouă. Cu toate acestea, în modelele lor, cercetătorii au dezvoltat și rafinat o serie de ecuații pentru a calcula probabilitatea evenimentelor infecțioase în diferite locații și momente. Ecuațiile au reușit să găsească o soluție pentru variabilele necunoscute, deoarece cercetătorii au alimentat computerul cu una, ceea ce este foarte important de știut: câte infecții cu COVID-19 au fost raportate fiecărui oficial de sănătate al orașului în fiecare zi.

Cercetătorii au perfecționat modelul până când au putut determina rata de răspândire a virusului în fiecare oraș. Rata a variat de la oraș la oraș, în funcție de locul în care oamenii au ieșit din casă și unde s-au dus.

După ce cercetătorii au obținut rate de transmisie pentru 10 metri, au testat modelul în a doua fază, cerându-le să crească rata pentru fiecare oraș în raport cu baza de date de mobilitate pentru a prezice infecția COVID-19 într-o nouă etapă. Predicțiile au fost strâns legate de rapoartele exacte ale oficialilor din domeniul sănătății, oferind cercetătorilor încredere în fiabilitatea modelului.

Predicția infecțiilor

Combinând modelele lor cu datele demografice disponibile într-o bază de date de 57.000 de blocuri de recensământ – cartiere de 600 până la 3.000 de persoane, cercetătorii au descoperit că persoanele minoritare și cu venituri mici au nevoie de o casă din cauza locurilor de muncă. de multe ori pleacă și cumpără articole din ce în ce mai mari. Instituții care au mai mulți oameni decât oameni care pot lucra de acasă, care nu pot ieși din casă, care folosesc livrarea la domiciliu pentru a sprijini afacerea colegului de cameră după ce s-au mutat, care au venituri mai mari. De exemplu, cercetările au arătat că pentru non-albi, cumpărarea alimentelor este de două ori mai periculoasă decât albii. „Prin combinarea seturilor de date de mobilitate, demografice și epidemiologice, am reușit să ne folosim propriul model pentru a analiza eficacitatea și echivalența diferitelor politici de redeschidere”, a spus Chang.

Echipa și-a pus instrumentele și datele la dispoziția publicului, astfel încât alți cercetători să poată repeta și fundamenta concluziile.

„De fapt, oricine poate folosi acest model pentru a înțelege consecințele diferitelor decizii legate de a rămâne acasă și de a închide o afacere”, a spus Leskovec, a cărui echipă lucrează în prezent la dezvoltarea acestui model ca instrument ușor de utilizat pentru politicieni și sănătatea publică. oficiali.

Context: „Modelele de telefoane mobile COVID-19 explică inegalitatea și redeschiderea semnalului”, de Serina Chang, Emma Pierson, Pang Wei Koh, Helin Gerardin, Beth Redbird, David Gruski și Yure Leskovec, 10 noiembrie 2020, Natură.
DOI: 10.1038 / s41586-020-2923-3

Yure Leskovec este profesor asociat de informatică la Stanford Engineering, membru al Stanford Bio-X și Wu Tsay Neuroscience Institute. David Gruski este profesor la Școala de Științe Umaniste Edward Ames Edmonds și membru senior la Stanford Institute for Economic Policy Research (SIEPR).

Această cercetare a fost susținută de National Science Foundation, Stanford Data Science Initiative, Wu Tsai Neuroscience Institute și Chan Zuckerberg Biohub.

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Modelul demonstrează similitudini în modul în care studiază oamenii și insectele

Modelul de calcul demonstrează similaritatea în cunoașterea împrejurimilor oamenilor și insectelor. Potrivit unui nou studiu de la Universitatea din Sussex, care arată cum oamenii pot...

Cum am creat „furtuna perfectă” pentru evoluția și transmiterea bolilor infecțioase, cum ar fi COVID-19

Potrivit unui cercetător de la Universitatea din Anglia de Est, în majoritatea modurilor noastre, „furtuna perfectă” a fost creată pentru evoluția și transmiterea bolilor...

„Adezivul molecular” crește eficiența și face ca celulele solare perovskite să devină mult mai fiabile în timp

Cercetătorii au folosit „adeziv molecular” auto-asamblat monostrat pentru a consolida interfețele din celulele solare perovskite pentru a le face mai eficiente, stabile și fiabile....

Pastele plate sunt atât de avansate încât se formează în morfuri atunci când sunt fierte

Laboratorul CMU gestionează producția de paste, care își schimbă forma pe măsură ce gătește. Credit: Universitatea Carnegie Mellon Pastele plate ambalate creează ambalare, transport...

Oamenii de știință ai undelor gravitaționale Excelentă nouă metodă de rafinare a constantei Hubble – expansiunea și vârsta universului

O ilustrare a artistului unei perechi unificate de stele neutronice. Credit: Carl Knox, Universitatea OzGrav-Swinburne O echipă de oameni de știință internaționali, condusă de...

Newsletter

Subscribe to stay updated.