Hava Durumu Uygulamaları COVID Riskinizi Nasıl Tahmin Edebilir?


17 Ağustos 2022 – Tapio Schneider bir iklim bilimcisi ve eşi bir makine mühendisi. Birçok yönden, COVID’den etkilenen diğer birçok aileye benziyorlardı: Okula gitmeyen iki küçük çocuk ve evden bitmeyen Zoom toplantıları. Ancak ikisi sadece ekşi mayalı ekmek yapmak ve karantina sırasında yürüyüş yapmakla kalmıyordu: Uzmanlıklarını yardım etmek için nasıl kullanabilecekleri üzerine beyin fırtınası yapıyorlardı.

California Teknoloji Enstitüsü’nde çevre bilimi ve mühendisliği profesörü ve NASA’nın Jet Propulsion Laboratuvarı’nda kıdemli bir araştırma bilimcisi olan Schneider, “Herkes gibi biz de evde kapana kısıldık, izolasyon veya karantinadan nasıl kaçınılabileceği hakkında konuşuyorduk” diye hatırlıyor.

O zamanlar, karantinalar virüsü kontrol etmenin bilinen tek yoluydu, ancak Schneider bunların iyi çalışmadığını hissetti.

“Salgın zirvesinde bile, Nüfusun %1 veya %2’si aslında bulaşıcıydı,” diyor. “Yüzde doksan sekizinin tecrit etmesi gerekmez.” Ama sorun bu bulaşıcı insanların kim olduğunu bulmaktı.

Sonra aklına geldi: Ya hava durumu uygulamalarının kullandığı teknolojiyi kullanarak bir COVID “tahmini” oluşturabilseydi?

Aynı zamanda bir Caltech profesörü olan Schneider’in karısı, vücut ısısı sensörleri üzerinde çalışıyordu. Belki de, bir kişinin virüse yakalanma şansını tahmin etmek için benzer cihazlardan gelen verilerin COVID test verileriyle birleştirilebileceğini düşündüler. Bu verileri bir uygulamaya gönderin ve her kullanıcı kendi kişisel riskini akıllı telefonlarına teslim etsin.

Bu fikir tohumu bir fikir haline geldi. çalışma PLOS Hesaplamalı Biyoloji. Schneider, bunun gibi bir uygulamanın COVID gibi bir pandemiyi kontrol etmeye yardımcı olup olmayacağını öğrenmek için Almanya’dan bir hesaplama bilimcisi ve New York City’deki Columbia Üniversitesi’nden bir hastalık modelleyici dahil olmak üzere küresel bir ekiple ortaklık kurdu. Ve sonuçlar umut verici.

COVID Tahmin Uygulaması Nasıl Çalışır?

Daha önce bir hava durumu uygulaması kullandıysanız, muhtemelen hafta sonu tahmininin Pazartesi ve Cuma günleri arasında çok farklı görünebileceğini fark etmişsinizdir. Ve bunun nedeni meteorologların ne yaptıklarını bilmemeleri değil: Bu, sürekli olarak içe aktarılan büyük veri bolluğunun bir yansıması ve gerçek tarih yaklaştıkça tahminin doğruluğunu artırıyor.

Her 12 saatte bir hava durumu uygulamaları bir analiz gerçekleştirir. İlk adım, atmosferik durumu doğru yakalar şimdi – hava istasyonları ve uydular gibi kaynaklar tarafından ölçülen sıcaklık, nem ve rüzgar hızı gibi şeyler. Bu bilgi, 12 saat önceki tahminle harmanlanır ve ardından bir atmosferik modele eklenir. Bir algoritma 12 saat sonra koşulların nasıl olacağını tahmin ediyor, hava durumu uygulaması güncelleniyor ve yarım gün sonra döngü tekrarlanıyor.

COVID verilerini bir hastalık izleme modeline bağlaması, risk altındaki, maruz kalma, bulaşıcı ve son olarak iyileşen, hastaneye kaldırılan veya ölen arasındaki yolu çizmesi dışında benzer bir yöntem kullanan bir uygulama hayal edin. Veriler, akıllı telefonlardan gelen veriler ve COVID salgınlarını tahmin etmek için hızla değerli bir araç haline gelen yerel atık sudaki virüs miktarı gibi daha beklenmedik olanlarla birlikte, hızlı testlerden ve antijen testlerinden elde edilen sonuçlar, kendi bildirdiği semptomları içerecektir. .

Schneider, “Anahtar, bunun bireylere özgü olmasıdır” diye açıklıyor. Uygulama sadece şehrinizde virüs bulaşan insanların yüzdesini tahmin etmez; daha doğrusu değerlendirir senin Bluetooth özellikli cihazınızın aldığı verilere göre virüse yakalanma riski.

Avrupa ve Asya’da ABD’den daha yaygın olarak kullanılan mevcut maruz kalma bildirimi uygulamaları, virüse maruz kaldıktan sonra size ping gönderir, ancak sizi uyarılar arasında güncellemezler. Schneider, bu uygulamaların kullandığı verileri daha verimli bir şekilde kullanmayı, diğer veri kaynaklarından yararlanmayı, düzenli olarak güncellenen bir bulaşıcılık tahmini sağlamayı ve olası bir maruziyetten sonra kendinizi tecrit etmenizi tavsiye etmeyi hayal ediyor.

Uygulama Ne Kadar Etkili Olabilir?

Çalışmada, Schneider ve ekibi, pandeminin ilk aşamalarında New York şehrini taklit etmek için tasarlanmış bir simülasyon şehri yarattı. Bu veri ağı, her biri bir kişiyi temsil eden binlerce kesişen nokta içeriyordu – bazıları çok sayıda günlük etkileşime sahip, bazıları ise az sayıda. Yaş, COVID’in izlediği yolu etkilediği için her birine bir yaş verildi.

Simülasyonlarının ortaya çıkardığı şey: İnsanların %75’i bir COVID tahmin uygulaması kullanıyorsa ve önerildiği gibi kendi kendini izole ederse, tanısal test oranları yüksek olduğu sürece pandemi etkili bir şekilde kontrol edilebilir.

Schneider, “Herhangi bir zamanda nüfusun yalnızca küçük bir bölümünün izole olması dışında, karantina kadar etkilidir” diyor ve bu durumda “küçük bir kesimin” nüfusun yaklaşık %10’u olduğuna dikkat çekiyor. “Çoğu insan hayatına normal şekilde devam edebilir.”

Ancak düşük COVID aşı oranlarının ortaya koyduğu gibi, neredeyse evrensel uyum, ulaşılamayan bir hedef olabilir.

Başka bir potansiyel zorluk: veriler anonimleştirilecek olsa bile gizlilik endişelerinin üstesinden gelmek. İnsanlar verilerini paylaşmanın yararını gördükçe, Schneider, üniversite kampüsleri veya işyerleri gibi daha küçük topluluklarla başlamanın daha yaygın kabulü teşvik edebileceğini söylüyor. Gözlemlerine göre, genç insanlar sağlık bilgilerini ifşa etme konusunda daha rahat görünüyorlar, bu da özellikle başka bir kilitlenmeyi önleyebilecekse, böyle bir uygulamayı kullanmaya daha istekli olabilecekleri anlamına geliyor.

Bulaşıcı Hastalık Takibinin Geleceği: Her Kişiyi Güçlendirmek

Bulaşıcı hastalıklar için matematiksel modelleme yeni bir şey değil. 2009’da H1N1 (domuz gribi) salgını sırasında CDC, gribin yayılmasını yavaşlatmak için birden fazla kaynaktan gelen verileri kullandı. 2016’dan 2017’ye Zika artışı sırasında modelleme, araştırmacıların virüs ve mikrosefali arasındaki bağlantıyı veya bir bebeğin kafasının normalden çok daha küçük olduğu bir durumu erkenden belirlemesine yardımcı oldu. Aslında, 2022 tarihli bir dergi makalesine göre, matematiksel tahminler gripten HIV’e kadar her şey için faydalı oldu.Klinik Enfeksiyon Hastalıkları.

Ardından, ABD tarihinin en kötü pandemisi olan COVID-19 geldi ve yeni bir sayı-çatışma düzeyi talep etti.

CDC, Amherst’teki Massachusetts Üniversitesi ile ortaklaşa olarak, COVID vakalarını, hastaneye yatışları ve ölümleri tahmin etmek için çeşitli bağımsız tahminleri birleştiren bir veri deposu olan The Hub’ı oluşturdu. Bu devasa girişim, yalnızca kamu politikasını bilgilendirmeye yardımcı olmakla kalmadı, aynı zamanda hızlı temas takibinin önemini de ortaya çıkardı: Yakın temaslıları tespit etmek, maruz kaldıktan sonra 6½ günden fazla sürdüyse, oldukça yararsızdı.

Schneider, bir zamanlar övülen şeyle bu endişeyi yineliyor. en COVID kontrol yöntemi. Ekibinin uygulama tabanlı tahmin simülasyonlarında, “ölme oranlarını 2 ila 4 arasında bir faktör kadar azaltıyorsunuz, çünkü test, izleme ve izolasyon yoluyla muhtemelen bulaşıcı olan daha fazla insanı tanımladığınız için” diyor. Semptomsuz yüksek bulaşma oranı ve virüsün kısa latent dönemi nedeniyle, temaslı izlemenin COVID yayılmasını kontrol etme yeteneği sınırlıdır. Birden fazla veri kaynağını bir hastalık bulaşma modeliyle birleştirerek daha verimli olursunuz.

Schneider, “Ağ üzerinden nasıl yayıldığını biliyorsunuz” diyor. “Ve bunu bir kez inşa ettiğinizde, salgın üzerinde daha etkili bir kontrol elde edersiniz.”

Bu matematiksel yaklaşımı tüm popülasyonlar yerine bireylere uygulamak, Schneider’in vizyonundaki gerçek yeniliktir. Geçmişte, diyelim ki, tüm New York’ta bulaşıcı bir kişi bulma şansını tahmin edebiliyorduk. Ancak Schneider’in geliştirmeyi umduğu uygulama, her kullanıcı için benzersiz bulaşıcılık şansını belirleyecektir. Bu, bilinçli kararlar verme gücünü verir – Bu gece dışarı çıkacak mıyım? kendimi izole ediyor muyum? – daha doğrusu herkesin elinde.

Schneider, “Burada, yeterince geniş çapta benimsenir ve testlerle birleştirilirse, salgınların yönetimine yol açabilecek, hatta onları tamamen ortadan kaldırabilecek bir teknolojiye sahibiz” diyor ve ekliyor: nüfus.”

Schneider, bu inovasyonun grip gibi bulaşıcı hastalıkların izlenmesine yardımcı olabileceğini ve hatta bir sonraki COVID’i frenleyebileceğini söylüyor.

“Salgınları kontrol etmek istiyorsunuz, hastalıkları ve acıları en aza indirmek istiyorsunuz” diyor. “Aynı zamanda, ekonomik bozulmayı ve yaşamdaki, okuldaki kesintileri en aza indirmek istiyorsunuz. Umuyoruz ki, özetlediğimiz gibi dijital araçlarla bu iki amaca ulaşabilirsiniz.”

Yorum yapın