Nový počítačový model dokáže předpovědět, jak se COVID-19 bude šířit ve městech

Studie o tom, jak se 98 milionů Američanů pohybuje každý den, naznačuje, že většina infekcí se vyskytuje v lokalitách „superspreaderů“ a popisuje, jak vzorce mobility pomáhají zvyšovat míru infekce u menšinové populace a populace s nízkými příjmy.

Tým vědců vytvořil počítačový model, který přesně předpovídá šíření COVID-19 Letos na jaře byly v 10 velkých městech analyzovány tři faktory, které určují riziko infekce: kam lidé chodí během dne, jak dlouho zůstávají a kolik dalších lidí navštěvuje stejné místo ve stejnou dobu.

“Vytvořili jsme počítačový model, abychom analyzovali, jak lidé z různých demografických prostředí a z různých částí města navštěvují různé typy míst, která jsou víceméně přeplněná.” Na základě toho bychom mohli předpovědět pravděpodobnost výskytu nových infekcí na konkrétním místě nebo v určitou dobu, “uvedl Jure Leskovec, počítačový vědec ze Stanfordu, který vedl úsilí a do kterého byli zapojeni vědci. Northwestern University.

COVID kompromis mezi infekcí a aktivitou

Nový počítačový model předpovídá kompromis mezi infekcí COVID-19 a aktivitou pro Chicago. Podle obrázku se infekce COVID-19 zvýší s tím, jak se počet návštěv podniků a veřejných míst blíží úrovni před pandemií. Omezení maximální obsazenosti však může vytvořit efektivní rovnováhu: například 20procentní obsazenost by stále umožňovala 60 procent předpandemických návštěv, přičemž by hrozilo pouze 18 procent infekcí, ke kterým by mohlo dojít, pokud by došlo k úplnému opětovnému otevření veřejných prostor. bych. Fotografický kredit: Serina Yongchen Chang

Studie byla zveřejněna v časopise 10. listopadu 2020 Příroda, sdružuje demografické údaje, epidemiologické odhady a anonymní informace o poloze pro mobilní telefony a zdá se, že potvrzuje, že většina přenosů COVID-19 je v „superspreaderských“ lokalitách, jako jsou restaurace s plným servisem, fitness centra a kavárny, kde lidé tráví dlouhou dobu zůstat ve stísněném prostoru. Vědci tvrdí, že specifičnost jejich modelu by mohla sloužit jako nástroj pro státní zaměstnance, aby minimalizovali šíření COVID-19, když se podniky znovu otevřou vystavením kompromisů mezi novými infekcemi a ztraceným prodejem, když jsou zařízení například na 20 nebo 50 procentech kapacita, která se má otevřít.

Spoluautor studie David Grusky, profesor sociologie na Stanfordské škole humanitních a věd, uvedl, že tato prediktivní schopnost je obzvláště cenná, protože poskytuje užitečné nové poznatky o faktorech, které stojí za nepřiměřenou mírou infekce mezi menšinami a lidmi s s nízkými příjmy. „V minulosti se myslelo, že tyto rozdíly jsou dány již existujícími podmínkami a nerovným přístupem ke zdravotní péči, zatímco náš model naznačuje, že modely mobility také pomáhají podporovat tato nepřiměřená rizika,“ uvedl.

Grusky, který také řídí Stanfordské centrum pro chudobu a nerovnost, uvedl, že tento model ukazuje, jak znovuotevření podniků s nižšími limity pro obsazenost bude nejvíce prospěšné pro znevýhodněné skupiny. „Vzhledem k tomu, že místa, kde jsou zaměstnáváni lidé s menšinami a nízkými příjmy, jsou často menší a přeplněná, omezení obsazenosti znovuotevřených obchodů může snížit riziko, kterému jsou vystaveni,“ uvedl Grusky. „Jsme zodpovědní za vytváření znovuotevřovacích plánů, které eliminují nebo alespoň snižují rozdíly vytvořené současnými postupy.“

Leskovec uvedl, že model „nabízí dosud nejsilnější důkazy“, že pokyny „pobyt doma“, které byly přijaty letos na jaře, snížily počet cest mimo domov a zpomalily míru nových infekcí.

Jděte ve stopách

Studie sledovala pohyby 98 milionů Američanů v 10 největších metropolitních oblastech země přes půl milionu různých zařízení, od restaurací a fitness center po obchody se zvířaty a nové autosalony.

Tým tvořili postgraduální studenti ze Stanfordu Serina Chang, Pang Wei Koh a Emma Pierson, kteří toto léto promovali, a vědci z Northwestern University Jaline Gerardin a Beth Redbird, kteří sestavili studijní údaje pro 10 metropolitních oblastí. V pořadí podle počtu obyvatel tato města zahrnují: New York, Los Angeles, Chicago, Dallas, Washington, DC, Houston, Atlanta, Miami, Filadelfie a San Francisco.

SafeGraph, společnost, která shromažďuje anonymizované údaje o poloze z mobilních aplikací, poskytla vědcům údaje ukazující, které z 553 000 veřejných míst, jako jsou železářství a náboženské instituce, byly denně navštěvovány. jak dlouho; a rozhodující je, jak velká byla rozloha každé společnosti, aby vědci mohli určit hodinovou hustotu obsazení.

Vědci analyzovali data od 8. března do 9. května ve dvou různých fázích. V první fázi poskytli údaje o své modelové mobilitě a vyvinuli svůj systém pro výpočet rozhodující epidemiologické proměnné: přenosové rychlosti viru za různých okolností v 10 metropolitních oblastech. V reálném životě není možné předem vědět, kdy a kde přijde infekční a vnímavá osoba do kontaktu, aby způsobila potenciální novou infekci. Ve svém modelu vědci vyvinuli a zdokonalili řadu rovnic pro výpočet pravděpodobnosti infekčních událostí na různých místech a v různých časech. Rovnice dokázaly hledat neznámé proměnné, když vědci vložili do počítače důležitý známý fakt: Kolik infekcí COVID-19 bylo denně hlášeno zdravotníkům v každém městě?

Vědci model vylepšili, dokud nebyl schopen určit přenosovou rychlost viru v každém městě. Míra se lišila od města k městu v závislosti na faktorech, včetně počtu případů, kdy se lidé odvážili ven z domu, a typů míst, která navštívili.

Po získání přenosových rychlostí pro 10 metropolitních oblastí vědci testovali model ve druhé fázi tím, že ho požádali, aby vynásobil rychlost pro každé město svou databází vzorců mobility a předpověděl nové infekce COVID-19. Předpovědi úzce odpovídaly skutečným zprávám zdravotnických úřadů a dávaly vědcům důvěru ve spolehlivost modelu.

Předvídání infekcí

Zkombinováním jejich modelu s demografickými údaji dostupnými z databáze 57 000 skupin sčítání lidu – 600 – 3 000 lidí – vědci ukazují, jak menšiny a lidé s nízkými příjmy s větší pravděpodobností opustí domov, protože to jejich práce vyžaduje, a mezi menšími Nakupování více přeplněných zařízení než lidé s vyššími příjmy, kteří mohou pracovat z domova, používají doručování z domova, aby se vyhnuli nakupování a sponzorovali prostornější podniky, když jdou ven. Studie například zjistila, že jiné než bílé jsou při nákupu potravin asi dvakrát tak riskantní než bílé. „Spojením mobilních, demografických a epidemiologických datových souborů jsme mohli pomocí našeho modelu analyzovat účinnost a spravedlnost různých strategií opětovného otevírání,“ řekl Chang.

Tým zpřístupnil své nástroje a data veřejně, aby mohli ostatní výzkumní pracovníci replikovat výsledky a stavět na nich.

„V zásadě může každý tento model využít k pochopení důsledků různých rozhodnutí doma a při zavírání podniků,“ uvedl Leskovec, jehož tým v současné době pracuje na vývoji modelu v uživatelsky přívětivý nástroj pro tvůrce politik a úředníky v oblasti veřejného zdraví. .

Odkaz: „Modely mobilních sítí COVID-19 vysvětlují nerovnosti a informují o opětovném otevření“ autorů Serina Chang, Emma Pierson, Pang Wei Koh, Jaline Gerardin, Beth Redbird, David Grusky a Jure Leskovec, 10. listopadu 2020, Příroda.
DOI: 10.1038 / s41586-020-2923-3

Jure Leskovec je docentem informatiky na Stanford Engineering, členem Stanford Bio-X a Wu Tsai Neurosciences Institute. David Grusky je Edward Ames Edmonds profesor na Fakultě humanitních věd a vědecký pracovník na Stanfordském institutu pro výzkum hospodářské politiky (SIEPR).

Tento výzkum byl podporován National Science Foundation, Stanford Data Science Initiative, Wu Tsai Neurosciences Institute a Chan Zuckerberg Biohub.

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Kampaň NASA SnowEx kopání hluboko v roce 2021

Měření sněhu se může zdát jednoduché, ale každé prostředí představuje pro přístroje jedinečné výzvy. Například sněžení v lesích se zachytává na větvích nebo...

Agresivní tržní model vývoje energie z jaderné syntézy

Koncept ARC Fusion Pilot Plant byl vyvinut na MIT, aby demonstroval potenciál vysokoteplotních supravodivých magnetů pro nastavení hodnoty rychlosti fúzní energie և. Půjčka:...

Sekvence 64 úplných lidských genomů k zachycení lepší genetické rozmanitosti

Struktura genomu. Zápočet: NIH Sekvence 64 lidských genomů poslouží jako nový odkaz na genetické modifikace a predispozici k lidským chorobám Vědci z University of Maryland...

LSD může nabídnout udržitelnou léčbu úzkosti a jiných duševních poruch

McGill studoval krok v porozumění mechanismu vlivu psychedelik na mozek a potenciálu pro terapeutické použití. Vědci z McGill University poprvé objevili jeden z možných mechanismů,...

Nenechte si ujít příští úplněk – sníh, bouře a hladový měsíc

Uznání: NASA / Bill Dunford Příští úplněk je měsíc se sněhem, bouří a hladem; měsíc během svátků svátku Puim; festival čínských luceren; Magha Purnima a...

Newsletter

Subscribe to stay updated.