مدل جدید مبتنی بر داده نشان می دهد که استفاده از ماسک باعث نجات جان افراد می شود - و هرچه زودتر شروع کنید ، بهتر است

مدل جدید مبتنی بر داده نشان می دهد که استفاده از ماسک باعث نجات جان افراد می شود - و هرچه زودتر شروع کنید ، بهتر است
مدل رایانه ای شبیه سازی می کند که چه تعداد مورد COVID-19 می تواند در یک شهرستان خاص در ایالات متحده جلوگیری شود بردارهای Leontura / DigitalVision از طریق گتی ایماژ

دکتر بیپلاو سریواستاوا ، استاد علوم کامپیوتر در دانشگاه کارولینای جنوبی و تیم وی ابزاری مبتنی بر داده را ایجاد کرده اند که به شما کمک می کند اثر استفاده از ماسک بر موارد و مرگ COVID-19 را نشان دهد. مدل وی از منابع مختلف داده برای ایجاد سناریوهای جایگزین استفاده می کند که می توانند به ما بگویند "چه اتفاقی می توانست افتاده باشد؟" اگر یک ایالت در ایالات متحده میزان پایبندی به ماسک بیشتر یا پایین باشد. وی در این مصاحبه ، نحوه کارکرد مدل ، محدودیت های آن و نتیجه گیری از آن را توضیح می دهد.

Biplav Srivastava ، دانشمند کامپیوتر ، نمایشی از شبیه سازی را ارائه می دهد تا نشان دهد سیاست های قبلی برای توصیه استفاده از ماسک ، تفاوت بیشتری در گسترش ویروس کرونا دارد.

این مدل رایانه ای چه کاری انجام می دهد؟

این ابزاری در سطح کشور است که می تواند تأثیری را که استفاده از ماسک دارد ، نشان دهد. اگر شهری باشد که مردم مرتباً ماسک بزنند ، به شما نشان می دهد که از چه تعداد مورد COVID-19 جلوگیری کرده و از مرگ جلوگیری کرده اند. اگر شهری را انتخاب کنید که مردم ماسک نزنند ، به شما نشان می دهد که از تعداد موارد و مرگ در آنجا می توان جلوگیری کرد.

این چجوری اون کارو انجام میده؟

برای انجام این کار به داده های زیادی نیاز داریم. مجله نیویورک تایمز تقریباً در هر ایالت ایالات متحده بررسی کرده است در تابستان و به هر یک از آنها نمره ماسک 0-5 اختصاص داده است ، بنابراین این در قلب مدل است. ما همچنین از داده های نیویورک تایمز و جان هاپکینز برای شماره های پرونده در زمان واقعی استفاده می کنیم. داده های سرشماری برای جمعیت شناسی مانند اندازه جمعیت ، سن متوسط ​​و بیشتر. و داده های جغرافیایی برای اندازه گیری فاصله بین شهرستانها.

این یک تکنیک ریاضی به نام است کنترل مصنوعی قوی، که اغلب در تحقیقات دارویی ، جایی که یک گروه کنترل وجود دارد و یک گروه درمانی وجود دارد ، استفاده می شود.

به عنوان مثال ، بیایید به شهرستان ویاندوت ، کانزاس نگاه کنیم. میزان ماسک پوشیدن نسبتاً بالایی در حدود 3.4 دارد. از آنجا که این مدل به گونه ای طراحی شده است که به ما می گوید "اگر چه شود؟" این سناریو بررسی می کند که اگر نمره استفاده از ماسک به 3.0 کاهش یابد چه اتفاقی می افتد ، که این برای ما "کم ماسک پوشیدن" است ، اما کاربر می تواند مقادیر دیگر را نیز آزمایش کند تا ببیند چه اتفاقی می افتد. ما بر اساس تجزیه و تحلیل عادات ماسک پوش در سراسر کشور به 3.0 رسیدیم. مقادیر واقعی بین 1.4 و 3.85 متغیر بوده و میانگین کشوری آن 2.98/XNUMX است.


 آخرین مطالب را از InnerSelf دریافت کنید


ما می توانیم تاریخی تعیین کنیم که نمره ماسک پوشیدن به 3.0 تغییر کند. اگر تنظیم کنیم که از اول ژوئن تا اول اکتبر اجرا شود ، به ما می گوید که در آن دوره Wyandotte County 1٪ موارد بیشتر و 1 مرگ بیشتر داشته است. این به کاربر می گوید که بر اساس یک پارامتر میزان مرگ و میر که کاربر می تواند تنظیم کند ، چه تعداد مرگ رخ داده یا از آن جلوگیری شده است. در این مثال 101.5٪ تعیین شده است.

چگونه مدل "اگر می شود؟" را ایجاد می کند اگر واقعاً اتفاق نیفتاده باشد؟ این کار را با مشاهده سایر شهرستانهای نزدیک و دارای جمعیتی و تعداد موارد مشابه اما آستانه پایین پوشیدن ماسک انجام می دهد. این تلاش می کند تا با میانگین وزنی برای تشکیل یک گروه کنترل مصنوعی مشابه با شهرستان مورد علاقه ما (گروه درمانی) باشد. سپس این مدل بررسی می کند که دو گروه از نظر تعداد پرونده از هم جدا شده اند. تفاوت در تعداد موارد بین دو گروه با استفاده از پارامتر میزان مرگ و میر به تفاوت در مرگ و میر تبدیل می شود.

این در مورد تأثیر سیاست های ماسک زدن به ما چه می گوید؟

ادامه استفاده از ماسک یا اجرای سیاست ماسک در هر زمان می تواند مفید باشد. اما تأثیر آن وقتی بیشتر است که زودهنگام این کار را انجام دهید. هنگامی که این مدل را چندین بار با استفاده از تاریخ های مختلف اجرا می کنید ، می بینید که با تأخیر در اجرای سیاست استفاده از ماسک ، تأثیر آن کاهش می یابد. بنابراین اگر یک کشور در اول ژوئن سیاست ماسک را اجرا می کرد ، از بسیاری موارد جلوگیری می کرد. اگر در اول ژوئیه عمل کند ، تأثیر کمتری خواهد داشت. اگر در ماه اوت اقدام می کرد ، باز هم از موارد جلوگیری می کرد ، اما تعداد بسیار کمی از آنها بود.

محدودیت های این مدل چیست؟

این ابزار برای برخی از شهرستانها بهتر از سایر کشورها کار می کند. به طور کلی ، این کار با شهرستانهایی که به میانگین نزدیک ترند بهترین کار را می کند ، زیرا برای مقایسه با آنها مسابقات نزدیک تری دارد. همچنین محدودیتی وجود دارد به این معنا که نظرسنجی پیروی از ماسک نیویورک تایمز در تابستان انجام شده است و همه چیز تغییر می کند. بنابراین اگر محققان دیگر از این ابزار استفاده کنند ، مجبورند تغییرات را حساب کنند.

اما آنچه می بینید این است که وقتی شما یک سیاست ماسک را اجرا می کنید یا جمعیت به طور منظم از ماسک استفاده می کنند ، تأثیر مثبتی دارد. و هرچه زودتر این کار را انجام دهید ، موثرتر است.

درباره نویسنده

بیپلاو سریواستاوا ، استاد علوم کامپیوتر ، دانشگاه کارولینای جنوبی. من می خواهم از کار تیم من ، Sparsh Johri ، Kartikaya Srivastava ، Chinmayi Appajigowda و Lokesh Johri ، در توسعه این برنامه قدردانی کنم.گفتگو

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.


کتابهای توصیه شده: بهداشت

میوه تازه پاک کنمیوه تازه پاک کن: پاک کردن، کاهش وزن و بازگرداندن سلامتی خود را با غذاهای خوشمزه ترین طبیعت [Leisure] by Leanne Hall.
هنگام پاک کردن بدن از سموم، وزن خود را از دست می دهید و احساس پر جنب و جوش می کنید. میوه تازه پاک کن همه چیزهایی را که برای سم زدایی آسان و قدرتمند نیاز دارید، شامل برنامه های روزانه، دستور العمل های دهان آبیاری و مشاوره برای انتقال پاک کردن را ارائه می دهد.
اینجا را کلیک کنید برای اطلاعات بیشتر و / یا سفارش این کتاب در آمازون.

پرورش غذاغذاهای پرطرفدار: دستور العملهای گیاهی 200 برای سلامتی Peak [Paperback] by Brendan Brazier.
بر پایه ی فلسفه تغذیه ای که موجب تقویت استرس می شود، در راهنمای تغذیه ای با ارزش وگان مطرح شده است رشد، حرفه ای Ironman triathlete Brendan Brazier در حال حاضر توجه خود را به صفحه شام ​​خود (کاسه صبحانه و سینی ناهار نیز) تبدیل می کند.
اینجا را کلیک کنید برای اطلاعات بیشتر و / یا سفارش این کتاب در آمازون.

مرگ توسط پزشکی توسط گری ناولمرگ توسط پزشکی گری نول، مارتین فلدمن، دبورا راسیو و کارولین دین
محیط پزشکی تبدیل به یک پرتره از شرکت های مشترک، بیمارستان ها و هیئت مدیره دولتی شده است که توسط شرکت های مواد مخدر نفوذ کرده اند. مواد سمی ترین اغلب برای اولین بار تایید می شوند، در حالی که جایگزین های ملایم و طبیعی تر از دلایل مالی نادیده گرفته می شوند. این مرگ توسط پزشکی است.
اینجا را کلیک کنید برای اطلاعات بیشتر و / یا سفارش این کتاب در آمازون.


enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

به دنبال InnerSelf در

فیس بوک، آیکونتوییتر آیکونrss-icon

 دریافت آخرین با ایمیل

{emailcloak = خاموش}

بیشترین مطلب خوانده شده

6 راه برای راه اندازی مجدد مغز بعد از یک سال سخت
6 راه برای راه اندازی مجدد مغز بعد از یک سال سخت
by باربارا ژاکلین ساهاکیان و همکاران

از سردبیران

خبرنامه InnerSelf: 10 ژانویه 2021
by InnerSelf کارکنان
این هفته ، در حالی که سفر خود را به آنچه که - تاکنون - پر فراز و نشیب 2021 بوده است ، ادامه می دهیم ، بر تنظیم خود و یادگیری شنیدن پیام های بصری متمرکز می شویم تا زندگی خود را ادامه دهیم ...
خبرنامه InnerSelf: 3 ژانویه 2021
by InnerSelf کارکنان
همانطور که از سال جدید استقبال می کنیم ، از قدیم خداحافظی می کنیم ... که همچنین می تواند به معنای - در صورت انتخاب - رها کردن مواردی که برای ما مفید نیستند ، از جمله نگرش ها و رفتارهای قدیمی. استقبال از جدید
خبرنامه InnerSelf: دسامبر 27 ، 2020
by InnerSelf کارکنان
سال جدید به سرعت نزدیک می شود. فرارسیدن سال جدید می تواند زمان تأمل ، یا ارزیابی مجدد از اینکه در کجا هستیم و کجا می رویم باشد. بسیاری از ما این را فرصتی برای یک ...
خبرنامه InnerSelf: 20 دسامبر 2020
by InnerSelf کارکنان
در فرهنگ های مدرن ، ما تمایل داریم که برچسب ها را به چیزها و افراد بچسبانیم: خوب یا بد ، دوست یا دشمن ، پیر یا جوان و چندین "این یا آن" دیگر. این هفته ، نگاهی به برخی از برچسب ها و ...
خبرنامه InnerSelf: دسامبر 13 ، 2020
by InnerSelf کارکنان
این هفته مانند آغاز جدیدی احساس می شود ... شاید به این دلیل که روز دوشنبه (14 ام) ماه جدید و خورشید گرفتگی کامل برای ما به ارمغان می آورد ... یا شاید به این دلیل که به دوران انقلاب دسامبر و ...