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.
{vembed Y = g3o_TW2OWJU}
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.
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.
این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.
کتاب های مرتبط:
بدن امتیاز را حفظ می کند: ذهن و بدن مغز در درمان تروما
توسط بسل وان در کلک
این کتاب به بررسی ارتباط بین تروما و سلامت جسمی و روانی می پردازد و بینش ها و استراتژی هایی را برای بهبود و بهبودی ارائه می دهد.
برای اطلاعات بیشتر یا سفارش کلیک کنید
نفس: علم جدید یک هنر گمشده
توسط جیمز نستور
این کتاب علم و تمرین تنفس را بررسی می کند و بینش ها و تکنیک هایی را برای بهبود سلامت جسمی و روانی ارائه می دهد.
برای اطلاعات بیشتر یا سفارش کلیک کنید
پارادوکس گیاهی: خطرات پنهان در غذاهای "سالم" که باعث بیماری و افزایش وزن می شوند
توسط استیون آر گاندری
این کتاب به بررسی پیوندهای بین رژیم غذایی، سلامتی و بیماری می پردازد و بینش ها و استراتژی هایی را برای بهبود سلامت و تندرستی کلی ارائه می دهد.
برای اطلاعات بیشتر یا سفارش کلیک کنید
کد ایمنی: پارادایم جدید برای سلامت واقعی و ضد پیری رادیکال
توسط جوئل گرین
این کتاب با تکیه بر اصول اپی ژنتیک و ارائه بینش ها و استراتژی هایی برای بهینه سازی سلامت و پیری، دیدگاه جدیدی در مورد سلامت و ایمنی ارائه می دهد.
برای اطلاعات بیشتر یا سفارش کلیک کنید
راهنمای کامل روزه داری: بدن خود را از طریق روزه متناوب، متناوب و طولانی شفا دهید
توسط دکتر جیسون فانگ و جیمی مور
این کتاب علم و عمل روزه داری را بررسی می کند و بینش ها و استراتژی هایی را برای بهبود سلامت و تندرستی کلی ارائه می دهد.
