Yeni Veriye Dayalı Bir Model, Maske Takmanın Hayat Kurtardığını Gösteriyor - Ve Ne Kadar Erken Başlarsanız, O Kadar Daha İyi

Yeni Veriye Dayalı Bir Model, Maske Takmanın Hayat Kurtardığını Gösteriyor - Ve Ne Kadar Erken Başlarsanız, O Kadar Daha İyi
Bilgisayar modeli, ABD'deki belirli bir ilçede kaç COVID-19 vakasının önlenmiş olabileceğini simüle ediyor Getty Images aracılığıyla Leontura / DigitalVision Vektörleri

Güney Carolina Üniversitesi'nde bilgisayar bilimi profesörü olan Dr. Biplav Srivastava ve ekibi, maske takmanın COVID-19 vakaları ve ölümler üzerindeki etkisini göstermeye yardımcı olan veriye dayalı bir araç geliştirdi. Onun modeli, bize "Ne olmuş olabilir?" Diyebilen alternatif senaryolar oluşturmak için çeşitli veri kaynaklarını kullanıyor. ABD'deki bir eyaletin maske uyumu oranı daha yüksek veya daha düşükse. Bu röportajda modelin nasıl çalıştığını, sınırlamalarını ve ondan hangi sonuçları çıkarabileceğimizi açıklıyor.

Bilgisayar bilimcisi Biplav Srivastava, maske takmayı öneren önceki politikaların koronavirüsün yayılması üzerinde daha büyük bir fark yarattığını göstermek için simülasyonun bir demosunu sunuyor.

Bu bilgisayar modeli ne yapıyor?

Bu, maske takmanın sahip olabileceği etkiyi gösterebilen ülke çapında bir araçtır. İnsanların düzenli olarak maske taktığı bir ilçeyse, size kaç tane COVID-19 vakası ve ölümden kaçındığını gösterecektir. İnsanların maske takmadığı bir ilçe seçerseniz, bu size orada kaç vaka ve ölümün önlenebileceğini gösterecektir.

Bunu nasıl yapıyor?

Bunu yapmak için çok fazla veriye ihtiyacımız var. New York Times ABD'deki hemen hemen her ilçede anket yapıldı yaz boyunca ve her birine 0-5 arasında bir maske takma puanı atadı, bu nedenle bu modelin merkezinde yer alıyor. Ayrıca gerçek zamanlı vaka numaraları için New York Times ve Johns Hopkins verilerini kullanıyoruz; nüfus büyüklüğü, medyan yaş ve daha fazlası gibi demografik veriler için sayım verileri; ve ilçeler arasındaki mesafeyi ölçmek için coğrafi veriler.

Adı verilen matematiksel bir tekniğe dayanmaktadır. sağlam sentetik kontrolİlaç araştırmalarında sıklıkla kullanılan, kontrol grubu ve tedavi grubu olan yerlerde kullanılır.

Örneğin, Wyandotte County, Kansas'a bakalım. Yaklaşık 3.4'lük nispeten yüksek bir maske takma puanına sahiptir. Çünkü model bize "ya eğer?" senaryoda, maske takma puanı 3.0'a düşürülürse ne olacağına bakacaktır, bu bizim "düşük maske takma" için sınırımızdır, ancak kullanıcı ne olacağını görmek için diğer değerleri de deneyebilir. Ülke çapında maske takma alışkanlıklarının analizine dayanarak 3.0'a ulaştık. Gerçek değerler 1.4 ile 3.85 arasında değişmekte olup ulusal ortalama 2.98'dir.


 InnerSelf'ten En Son Haberleri Alın


Maske takma puanının 3.0 olarak değişeceği bir tarih belirleyebiliriz. Bunu 1 Haziran'dan 1 Ekim'e kadar çalıştıracak şekilde ayarlarsak, bu bize Wyandotte County'nin o dönemde% 101.5 daha fazla vaka ve 150 daha fazla ölüm olacağını söylüyor. Kullanıcının ayarlayabileceği bir ölüm oranı parametresine göre kaç ölümün meydana geldiğini veya önlendiğini kullanıcıya söyler. Bu örnekte,% 2 olarak ayarlanmıştır.

Model "ne olur" u nasıl yaratır? senaryo gerçekten gerçekleşmediyse? Bunu, yakındaki ve benzer demografik özelliklere ve vaka sayısına sahip ancak daha düşük bir maske takma eşiğine sahip diğer ilçelere bakarak yapar. İlgilendiğimiz ilçeye (tedavi grubu) benzer sentetik bir kontrol grubu oluşturmak için ağırlıklı bir ortalama oluşturmaya çalışır. Model daha sonra iki grubun vaka sayıları açısından ne kadar farklılaştığına bakar. İki grup arasındaki vaka sayısındaki fark, ölüm oranı parametresi kullanılarak ölümlerdeki farklılığa dönüştürülür.

Bu bize maske takma politikalarının etkisi hakkında ne anlatıyor?

Herhangi bir zamanda maske takmaya devam etmek veya bir maske politikası uygulamak yardımcı olabilir. Ancak erken yaptığınızda etkisi en yüksek seviyededir. Bu modeli farklı tarihler kullanarak birden çok kez çalıştırdığınızda, maske takma ilkesini uygulamayı ertelediğinizde etkinin azaldığını görürsünüz. Dolayısıyla, bir ilçe 1 Haziran'da bir maske politikası uygulasaydı, birçok vakayı engelleyecekti. 1 Temmuz'da harekete geçerse, etkisi daha az olur. Ağustos ayında hareket etseydi, yine de davaları önleyebilirdi, ancak çok az sayıda.

Bu modelin sınırlamaları nelerdir?

Bu araç, bazı ülkelerde diğerlerinden daha iyi çalışır. Genel olarak, ortalamaya yakın olan ilçelerde en iyi sonucu verir, çünkü karşılaştırılacak daha yakın eşleşmeleri olacaktır. Ayrıca The New York Times'ın yaz aylarında yapılan bağlılık anketini maskelemesi konusunda bir sınırlama var ve işler değişmeye devam ediyor. Dolayısıyla, diğer araştırmacılar bu aracı kullanırsa, değişiklikleri hesaba katmaları gerekecektir.

Ancak, bir maske politikası uyguladığınızda veya nüfus düzenli olarak maske taktığında bunun olumlu bir etki yarattığını görüyorsunuz. Ve bunu ne kadar erken yaparsanız, o kadar etkili olur.

Yazar hakkında

Biplav Srivastava, Bilgisayar Bilimleri Profesörü, Güney Carolina Üniversitesi. Ekibim Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda ve Lokesh Johri'nin bu programın geliştirilmesindeki çalışmalarına teşekkür ederim.Konuşma

Bu makale şu adresten yeniden yayınlandı: Konuşma Creative Commons lisansı altında. Okumak Orijinal makale.


Önerilen Kitaplar: Sağlık

Taze Meyve TemizliğiTaze Meyve Temizliği: Detoks, Kilo Verin ve Doğanın En Lezzetli Yemekleriyle Sağlığınızı Yenileyin [Paperback], Leanne Hall.
Vücudunuzdaki toksinleri temizlerken, kilo verin ve sağlıklı bir şekilde kendinizi sağlıklı hissedin. Taze Meyve Temizliği Günlük programlar, ağız sulandıran tarifler ve temizliğin giderilmesi için tavsiyeler dahil, kolay ve güçlü bir detoks için ihtiyacınız olan her şeyi sunar.
Daha fazla bilgi ve / veya Amazon'da bu kitabı sipariş etmek için buraya tıklayın.

Gıdalar gelişmekGıdaları Geliştirin: 200 Peak Health için Bitki Bazlı Tarifler [Paperback], Brendan Brazier.
Ünlü vegan beslenme rehberinde tanıtılan, stresi azaltan, sağlığı artırıcı beslenme felsefesini temel alarak Gelişmek, profesyonel Ironman triatlet Brendan Brazier şimdi dikkatini yemek tabağınıza çeviriyor (kahvaltı tabağı ve öğle yemeği tepsisi de).
Daha fazla bilgi ve / veya Amazon'da bu kitabı sipariş etmek için buraya tıklayın.

Gary Null tarafından Tıp ÖlümTıbben Ölüm Gary Null, Martin Feldman, Debora Rasio ve Carolyn Dean
Tıbbi ortam, ilaç şirketleri tarafından sızan iç içe geçmiş şirket, hastane ve devlet yönetim kurullarının bir labirenti haline gelmiştir. En toksik maddeler genellikle ilk önce onaylanırken, daha hafif ve daha doğal alternatifler finansal nedenlerle göz ardı edilir. Tıp yüzünden ölüm.
Daha fazla bilgi ve / veya Amazon'da bu kitabı sipariş etmek için buraya tıklayın.


enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

InnerSelf'i takip et

facebook-icontwitter-ikonrss-ikon

 E-posta ile son alın

{Emailcloak = off}

Arkadaşlarımdan küçük bir yardımla geçiyorum

EDİTÖRLERDEN

Neden COVID-19'u Yoksaymalıyım ve Neden Yapmayacağım
by Robert Jennings, InnerSelf.com
Karım Marie ve ben karışık bir çiftiz. O Kanadalı ve ben Amerikalıyım. Son 15 yıldır kışlarımızı Florida'da ve yazlarımızı Nova Scotia'da geçirdik.
InnerSelf Haber Bülteni: Kasım 15, 2020
by İç Kadro
Bu hafta, "buradan nereye gidiyoruz?" Sorusu üzerinde düşünüyoruz. Mezuniyet, evlilik, bir çocuğun doğumu, çok önemli bir seçim veya bir ...
Amerika: Vagonumuzu Dünyaya ve Yıldızlara Bağlamak
by Marie T Russell ve Robert Jennings, InnerSelf.com
Pekala, ABD başkanlık seçimleri artık geride kaldı ve durumu değerlendirme zamanı. Gerçekten yapmak için genç ve yaşlı, Demokrat ve Cumhuriyetçi, Liberal ve Muhafazakar arasında ortak bir zemin bulmalıyız ...
InnerSelf Bülten: Ekim 25, 2020
by İç Kadro
InnerSelf web sitesinin "sloganı" veya alt başlığı "Yeni Tutumlar --- Yeni Olasılıklar" dır ve bu, bu haftanın haber bülteninin temasıdır. Makalelerimizin ve yazarlarımızın amacı ...
InnerSelf Bülten: Ekim 18, 2020
by İç Kadro
Bu günlerde mini baloncuklarda yaşıyoruz ... kendi evlerimizde, işte ve toplum içinde ve muhtemelen kendi zihnimizde ve kendi duygularımızla. Ancak, bir balonun içinde yaşamak ya da biz gibi hissetmek…