猴塞雷

科学观察员
科学赐予人类相信真理的力量

通过分析与大流行有关的数据,协作为冠状病毒政策提供信息

通过分析与大流行有关的数据,协作为冠状病毒政策提供信息

通过分析与大流行有关的数据,协作为冠状病毒政策提供信息

2019冠状病毒大流行继续挑战社会和机构如何在宏观和微观层面发挥作用。在美国,新型冠状病毒已经影响到从经济到选举的方方面面,并对麻省理工学院秋季开学的能力提出了难题。

为了帮助麻省理工学院和其他机构的决策者做出明智的决定,数据、系统和社会研究所(IDSS)成立了一个志愿者研究小组Isolat,提供与流行病相关的数据分析。

电力工程与计算机科学(EECS)教授、IDSS主任Munther Dahleh说:“这次大流行激励了更广泛的IDSS社区,使他们能够掌握关键的技能。”“概率和统计是测量不确定性的工具,我们在国内流离失所者中有利用科学信息影响决策的专门知识。”

IDSS COVID-19协作计划(Isolat)由麻省理工学院的教师、学生、不同院系的研究人员以及来自世界各地的合作伙伴组成。Isolat的成员包括统计学家、流行病学家、数据建模者和政策研究者。

“从技术和政策项目(TPP)、统计和数据科学中心(SDSC)到信息和决策系统实验室(LIDS),在Isolat中有很强的IDSS代表,”Dahleh说。“这一努力是由我们社区的社会责任感推动的,无论是在IDSS还是在整个MIT。在我们相距遥远的时候,它为我们提供了一种联系和建立社区的方式。”

实时,有噪声的数据

虽然有很多关于COVID-19的数据,但也有很多关于这些数据到底有多完整或多有用的问题。Isolat小组谨慎地确定现有COVID-19数据的极限。“数据总是有用的,即使它是嘈杂的,”Dahleh说。

尽管如此,如果没有广泛的随机测试,任何人都很难知道冠状病毒传播的全部程度。“我们需要问一些数据能够回答的更好的问题,”Anette“Peko”Hosoi补充道,她是IDSS的一个附属机构,既是机械工程教授又是工程副院长。

Isolat小组围绕三个主要需求组建了团队,每个团队都与麻省理工学院的利益相关者和更广泛的社区协商决定。预测小组使用有关时间相关变量的数据来预测感染增长率和新病例的发生率何时达到峰值。干预小组努力理解和量化各种政策的结果,并建立“假设”情景模型,以便提出有效的建议。数据基础设施团队收集、组织和共享相关数据——在早期,他们构建了一个“数据湖”,以整合用Python脚本保持更新的重要数据集。

Isolat通过电话会议在每个工作日开会讨论和审查项目和发现,这些项目和发现每周发布两次到Isolat的网页上。这种跨学科的合作是IDSS研究的典型,但是实时传播研究结果背离了学术方法。

“这是解决问题的另一种方式,”霍索伊说。“每个人都将自己的贡献投入到比赛中。我们今天就需要答案。”

尽管如此,该小组注意到,紧迫的需要并没有消除对准确性的需要。“量化结果中的不确定性是提供可操作结果的关键,”Hosoi补充道。“我们期待更大的科学界参与进来,让这些发现更加精确。”

IDSS还动员了政策专家来支持Isolat的研究人员,使他们的研究成果对麻省理工学院的领导和地方政府有用。“我们可以帮助研究人员更批判性的思考他们的研究与决策相关的方式,和与之时,什么问题要问”诺艾尔说《,教授和IDSS的地球大气和行星科学主任TPP。

根据他们的“政策参与研究计划”,TPP已开始与IDSS和LIDS的教员展开讨论,这些教员与当地社区进行合作,帮助他们提炼可以为政策制定者提供答案的问题类型。

通过分析与大流行有关的数据,协作为冠状病毒政策提供信息

策略评估和假设场景

关于COVID-19感染率和死亡率的现有数据可以表明这些比率变化的速度有多快,还可以表明哪些干预措施更有效或更无效。这意味着Isolat研究人员不仅可以衡量当前政策的有效性,还可以预测新政策或政策变化的潜在影响。

为此,Isolat的研究人员设计并应用了一种方法来预测政策影响,他们称之为“综合干预”。领导这个项目的是Devavrat Shah,他是EECS教授和LIDS成员,在IDSS中指导SDSC。

沙阿说:“在制定如何开放社会各个部门的前进道路时,清楚地了解干预措施之间的权衡是至关重要的。”“一个关键的挑战是,政策制定者没有足够的财力来实际实施各种干预措施,并观察哪些措施会产生最佳结果。”

基于一种称为综合控制的统计方法,综合干预方法是一种数据驱动的方法,用于执行假设情景规划。该方法利用了来自世界各地已经实施的干预措施的信息,并将这些信息与决策者的利益设置相匹配。

“好消息是,”沙阿说,“到目前为止,我们的模型表明,适度、精确的交通限制,特别是在零售和运输场所,可能在拉平曲线方面发挥关键作用。”

曲线趋平吗?

COVID-19数据的另一个用途是对疾病的增长和传播进行建模,并预测何时曲线会变平——何时冠状病毒病例将减缓其指数级增长。

起初,预测小组的研究人员观察了美国各州的疾病传播情况。但是,美国县级病例计数数据的可用性使Isolat的研究人员能够通过将一个二次函数的指数与每个县的累计病例数进行拟合,从而更细致地对增长进行建模。

“这一分析让我们了解了流行病在一个州内的传播情况,”国际传染病安全研究组织的成员Hamsa Balakrishnan说,他是航空航天系的教授和副系主任。“一个国家或整个国家在疫情传播方式上可能并不一致。”

例如,北加州和南加利福尼亚在逐县调查时呈现了两幅不同的流感传播图,这表明州政府官员不一定要在全州范围内采用一刀切的政策解决方案。在马萨诸塞州也可以看到类似的差异;萨福克郡、米德尔塞克斯郡和诺福克郡的高原期都比该州其他郡长。

Balakrishnan补充说:“考虑到人口密度、人口统计、邻近国家、地理和人口流动等因素的影响,可以为了解COVID-19的传播提供思路。”

影响政策

通过每日会议、每周两篇新帖子、不断演变的小组和子团队,以及每周新成员的加入,Isolat是麻省理工学院应对冠状病毒危机的一种动态且独特的方法。但该组织仍以其宗旨为导向:用数据驱动的建议向政策制定者提供信息。

随着Isolat的研究人员运用不同的方法在更大的范围内寻找问题的答案,该组织也在探索与重新开放麻省理工学院校园有关的问题,并与麻省理工学院的其他人分享信息,包括团队2020规划小组和We Solve For Fall项目。Isolat团队将控制理论应用到这个问题上,将校园视为一个动态网络。

“最终,控制的要素将是检测、保持距离和隔离,”Dahleh说。“测试是巨大的。如果我们没有治愈方法或疫苗,检测和隔离是我们控制感染传播的唯一方法。”

Isolat的研究人员正在通知麻省理工学院的领导们,同时与地方和州政府建立联系,为国外团体提供建议,并与设计应用程序和解决方案的工程师们进行协调。他们将继续在Isolat的网页上分享他们的发现。

猴塞雷 版权所有,未经允许不得转载:猴塞雷 » 通过分析与大流行有关的数据,协作为冠状病毒政策提供信息
分享到: 更多 (0)

猜你也想读下面的文章: