Mfano wa kompyuta huiga visa ngapi vya COVID-19 ambavyo vingeweza kuzuiwa katika kaunti fulani huko Merika Leontura / DigitalVision Vectors kupitia Picha za Getty
Daktari Biplav Srivastava, profesa wa sayansi ya kompyuta katika Chuo Kikuu cha South Carolina, na timu yake wameunda zana inayotokana na data ambayo inasaidia kuonyesha athari za kuvaa vinyago kwenye kesi na vifo vya COVID-19. Mfano wake hutumia vyanzo anuwai vya data kuunda hali mbadala ambazo zinaweza kutuambia "Ni nini kinachoweza kutokea?" ikiwa kaunti nchini Merika ilikuwa na kiwango cha juu au cha chini cha kufuata mask. Katika mahojiano haya, anaelezea jinsi modeli hiyo inavyofanya kazi, mapungufu yake na ni hitimisho gani tunaweza kupata kutoka kwake.
Mwanasayansi wa kompyuta Biplav Srivastava hutoa onyesho la masimulizi kuonyesha kwamba sera za mapema za kupendekeza uvaaji-mask hufanya tofauti kubwa juu ya kuenea kwa coronavirus.
Je! Mfano huu wa kompyuta hufanya nini?
Hii ni zana ya kitaifa ambayo inaweza kuonyesha athari ambazo kuvaa masks kunaweza kuwa nayo. Ikiwa ni kaunti ambayo watu huvaa vinyago mara kwa mara, itakuonyesha ni kesi ngapi za COVID-19 na vifo walivyoepuka. Ukichagua kaunti ambayo watu hawavai vinyago, itakuonyesha ni visa vingapi na vifo ambavyo vingeweza kuzuiwa hapo.
Je! Inafanyaje?
Tunahitaji data nyingi ili kufanya hivyo. The New York Times ilichunguzwa karibu kila kaunti nchini Merika juu ya msimu wa joto na kupeana alama ya kuvaa kofia ya 0-5 kwa kila mmoja wao, kwa hivyo hii ndio kiini cha mfano. Tunatumia pia data ya New York Times na Johns Hopkins kwa nambari za kesi za wakati halisi; data ya sensa kwa idadi ya watu kama vile idadi ya watu, umri wa wastani na zaidi; na data ya kijiografia kupima umbali kati ya kaunti.
Inategemea mbinu ya hisabati inayoitwa udhibiti thabiti wa sintetiki, ambayo hutumiwa mara nyingi katika utafiti wa dawa, ambapo kuna kikundi cha kudhibiti na kuna kikundi cha matibabu.
Kwa mfano, wacha tuangalie Kaunti ya Wyandotte, Kansas. Inayo alama ya juu ya kuvaa maski ya karibu 3.4. Kwa sababu mfano huo umeundwa kutuambia "ikiwa!" mazingira, itaangalia kile ambacho kingetokea ikiwa alama ya kuvaa kinyago ilipunguzwa hadi 3.0, ambayo ni cutoff yetu ya "kuvaa mask chini," lakini mtumiaji anaweza kujaribu maadili mengine pia tu kuona nini kinatokea. Tulifika 3.0 kulingana na uchambuzi wa tabia ya kuvaa kitaifa. Thamani halisi zilikuwa kati ya 1.4 na 3.85, na wastani wa kitaifa wa 2.98.
Tunaweza kuweka tarehe ambayo alama ya kuvaa mask hubadilika kuwa 3.0. Ikiwa tunaiweka kuanza Juni 1 hadi Oktoba 1, inatuambia kuwa Kaunti ya Wyandotte ingekuwa na kesi zaidi ya 101.5% na vifo zaidi ya 150 katika kipindi hicho. Inamwambia mtumiaji ni vifo vingapi vimetokea au kuzuiliwa kulingana na kigezo cha kiwango cha vifo ambacho mtumiaji anaweza kuweka. Katika mfano huu, iliwekwa kwa 2%.
Je! Mfano huo huundaje "ikiwa!" hali ikiwa haikutokea kweli? Inafanya hivyo kwa kuangalia kaunti zingine ambazo ziko karibu na zina idadi sawa ya watu na hesabu ya kesi lakini kizingiti cha chini cha kuvaa mask. Inajaribu kupata wastani wa uzito kuunda kikundi cha kudhibiti synthetic ambacho ni sawa na kaunti yetu ya riba (kikundi cha matibabu). Mtindo kisha anaangalia ni kwa kiasi gani vikundi viwili vimetofautiana kulingana na hesabu ya kesi. Tofauti ya hesabu ya kesi kati ya vikundi viwili inabadilishwa kuwa tofauti katika vifo kwa kutumia kigezo cha kiwango cha vifo.
Je! Hii inatuambia nini juu ya athari za sera za kuvaa mask?
Kuweka mavazi ya kinyago au kutekeleza sera ya kinyago wakati wowote inaweza kusaidia. Lakini athari yake ni kubwa zaidi wakati unafanya mapema. Unapotumia mfano huu mara kadhaa ukitumia tarehe tofauti, unaona kuwa athari hupungua unapochelewesha kutekeleza sera ya kuvaa kinyago. Kwa hivyo ikiwa kaunti ingetekeleza sera ya kinyago mnamo Juni 1, ingezuia kesi nyingi. Ikiwa ilifanya kazi mnamo Julai 1, ingekuwa na athari ndogo. Ikiwa ilifanya kazi mnamo Agosti, ingekuwa imezuia kesi, lakini idadi ndogo sana.
Pata barua pepe ya hivi karibuni
Je! Ni mapungufu gani ya mtindo huu?
Zana hii inafanya kazi vizuri kwa kaunti zingine kuliko zingine. Kwa ujumla, inafanya kazi vizuri na kaunti zilizo karibu na wastani, kwa sababu itakuwa na mechi za karibu kulinganisha dhidi. Pia kuna upeo kwa maana kwamba uchunguzi wa uzingatiaji wa kinyago wa New York Times ulifanywa wakati wa kiangazi, na mambo yanaendelea kubadilika. Kwa hivyo ikiwa watafiti wengine watatumia zana hii, watalazimika kuhesabu mabadiliko.
Lakini kile unachokiona ni kwamba wakati unatekeleza sera ya kinyago au idadi ya watu huvaa vinyago mara kwa mara, inaleta athari nzuri. Na mapema unafanya, ni bora zaidi.
Kuhusu Mwandishi
Biplav Srivastava, Profesa wa Sayansi ya Kompyuta, Chuo Kikuu cha South Carolina. Ningependa kutambua kazi ya timu yangu, Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda na Lokesh Johri, katika kuandaa mpango huu.
Makala hii imechapishwa tena kutoka Mazungumzo chini ya leseni ya Creative Commons. Soma awali ya makala.
Vitabu Vinapendekezwa: Afya
Kusafisha Matunda Mapya: Detox, Punguza Uzito na Rudisha Afya yako na Vyakula Vizuri Zaidi vya Asili [Paperback] na Leanne Hall.
Punguza uzito na ujisikie mwenye afya nzuri wakati unafuta mwili wako wa sumu. Kusafisha Matunda Mapya hutoa kila kitu unachohitaji kwa detox rahisi na yenye nguvu, pamoja na programu za kila siku, mapishi ya kumwagilia kinywa, na ushauri wa kubadilisha usafishaji.
Bonyeza hapa kwa maelezo zaidi na / au ili kitabu hiki juu ya Amazon.
Chakula kinachostawi: Mapishi 200 yanayotegemea mimea kwa Afya ya Kilele [Paperback] na Brendan Brazier.
Kujenga juu ya kupunguza-kupunguza mafadhaiko, falsafa ya kuongeza afya inayoletwa katika mwongozo wake wa lishe ya vegan Kustawi, mtaalamu wa Ironman triathlete Brendan Brazier sasa anaelekeza mawazo yake kwenye sahani yako ya chakula cha jioni (bakuli la kiamsha kinywa na tray ya chakula cha mchana pia).
Bonyeza hapa kwa maelezo zaidi na / au ili kitabu hiki juu ya Amazon.
Kifo na Dawa na Gary Null, Martin Feldman, Debora Rasio na Carolyn Dean
Mazingira ya matibabu yamekuwa labyrinth ya bodi za wakurugenzi zinazoingiliana, hospitali, na serikali, zilizoingizwa na kampuni za dawa. Dutu zenye sumu mara nyingi huidhinishwa kwanza, wakati njia mbadala na asili zaidi hupuuzwa kwa sababu za kifedha. Ni kifo kwa dawa.
Bonyeza hapa kwa maelezo zaidi na / au ili kitabu hiki juu ya Amazon.
