نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

1 خرداد 1403 5:06 ب.ظ

آیا یک الگوریتم می تواند حرکتهای بعدی شیوع کرونا را پیش بینی کند؟

Mauricio Santillana, a Harvard researcher, has developed a model to predict Covid-19 outbreaks two to three weeks in advance, based on social-media and Google search data.

محققان مدلی را برای پیش بینی شیوع Covid-19 قبل از وقوع ، مدلی تهیه کرده اند که از رسانه های اجتماعی و داده های جستجو شده استفاده می کند. مائوریسیو سانتیلانا ، محقق دانشگاه هاروارد ، براساس داده های جستجوی گوگل ، پیش بینی شیوع Covid-19  از دو تا سه هفته قبل را ، پیش بینی کرده است.

Benedict Carey

توسط بندیکت کری2 ژوئیه سال 2020

با قضاوت در مورد چگونگی وضعیت قوی یا ضعیف شدن ، اقتصاد  های محلی به مهمترین بازی حدس و گمان در جهان تبدیل شده است ، و  در این زمینه هر سیاستگذاری انگیزه ها و معیارهای خاص خود را دارد. به عنوان مثال ، وقتی بیمارستان ها به 70 درصد ظرفیت می رسند ، پرچم قرمز است وتعداد موارد مرگ و میر ناشی از کروناویروس نیز بسیار زیاد است.

اما همانطور که فرمانداران ایالت هایی مانند فلوریدا ، کالیفرنیا و تگزاس در روزهای اخیر آموخته اند ، چنین معیارهایی باعث ایجاد سیستم هشدار ضعیفی می شود. هنگامی که کرونا ویروس در جمعیت گسترش پیدا کند ، قبل از ظهور مجدد آن در بیمارستان ها ، آزمایشگاه ها و جاهای دیگر ، سریعاً گردش و تکثیر می شود، شروع به یک فشار دو هفته ای بر روی مسئولان بهداشتی می کند.

اکنون ، یک تیم بین المللی از دانشمندان مدلی را تدوین کرده اند – یا حداقل الگویی برای یک مدل – که می تواند حدود دو هفته قبل از وقوع آنها  تغییرات را پیش بینی کند تا به موقع اقدامات مهار مؤثری را انجام دهند.

در مقاله ای که روز پنجشنبه در arXiv.org منتشر شد ، این تیم به سرپرستی مائوریسیو سانتیلانا و نیکول کوگان از هاروارد ، الگوریتمی را ارائه دادند که 14 روز یا بیشتر قبل از شروع افزایش تعداد پرونده های ابتلا ، خطر را ثبت می کرد. این سیستم از دیگر مواردی است که از نظارت واقعی توییتر ، جستجوی گوگل و داده های تلفن های هوشمند استفاده می کند.

محققان می نویسند ، این الگوریتم می تواند به عنوان  یک ترموستات ، در سیستم خنک کننده یا گرمایشی ، برای فعال سازی متناوب یا آرامش مداخلات بهداشت عمومی ، عمل کند .

دکتر سانتیلانا ، مدیر آزمایشگاه هوش در بیمارستان کودکان بوستون و استادیار کودکان و اپیدمیولوژی در هاروارد گفت: “در اکثر مدل های بیماری های عفونی ، شما سناریوهای مختلفی را بر اساس پیش فرض های پیش بینی شده طراحی می کنید.” “آنچه ما در اینجا انجام می دهیم مشاهده است ، بدون اینکه فرضیاتی انجام دهیم. تفاوت این است که روشهای ما به تغییرات فوری در رفتار پاسخ می دهند و ما می توانیم آن ها را در مدل بگنجانیم. “

کارشناسان خارج از کشور باتجزیه و تحلیل جدیدی نشان داده اند ، که هنوز مورد بررسی قرار نگرفته  وگفته اند که این افزایش ارزش داده های زمان واقعی ، مانند رسانه های اجتماعی ، بهبود در مدل های موجود را نشان می دهد.

لورن آنچل مایرز ، زیست شناس آماری در دانشگاه تگزاس گفت: این تحقیق نشان می دهد “منابع داده های جایگزین ، نسل بعدی سیگنال های اولیه از شیوع Covid-19 را فراهم می کنند.” “به ویژه اگر تعداد موارد تایید شده با تأخیر در معالجه و به دست آوردن نتایج آزمایش ها ، معطل شوند.”

استفاده از تجزیه و تحلیل داده های زمان واقعی برای پیشرفت بیماری حداقل به سال 2008 بر می گردد ، هنگامی که مهندسان Google شروع به تخمین مراجعه به پزشک برای آنفولانزا کردند . آنها با ردیابی روندهای جستجوی کلماتی مانند “احساس خستگی” ، “درد مفاصل” ، “دوز Tamiflu ” و خیلی های کلمات دیگر این کار را شروع کردند.

https://www.nytimes.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *