Ang Isang Bagong Hinaharap na Modelo na Mga Palabas na Nagsuot ng Mga Mask ay nakakatipid ng Mga Buhay - At Ang Mas Maagang Nagsisimula Ka, Ang Mas Mabuti

Ang Isang Bagong Hinaharap na Modelo na Mga Palabas na Nagsuot ng Mga Mask ay nakakatipid ng Mga Buhay - At Ang Mas Maagang Nagsisimula Ka, Ang Mas Mabuti
Ginagaya ng modelo ng computer kung gaano karaming mga kaso ng COVID-19 ang maaaring mapigilan sa isang partikular na lalawigan sa US Mga Leontura / DigitalVision Vector sa pamamagitan ng Getty Images

Si Dr. Biplav Srivastava, propesor ng agham sa kompyuter sa University of South Carolina, at ang kanyang koponan ay nakabuo ng isang tool na hinimok ng data na makakatulong na ipakita ang epekto ng pagsusuot ng mga maskara sa mga kaso at pagkamatay ng COVID-19. Gumagamit ang kanyang modelo ng iba't ibang mga mapagkukunan ng data upang lumikha ng mga kahaliling senaryo na maaaring sabihin sa amin na "Ano ang maaaring nangyari?" kung ang isang lalawigan sa US ay may mas mataas o mas mababang rate ng pagsunod sa mask. Sa panayam na ito, ipinapaliwanag niya kung paano gumagana ang modelo, mga limitasyon nito at kung anong mga konklusyon ang maaari nating makuha mula rito.

Ang computer scientist na si Biplav Srivastava ay nagbibigay ng isang demo ng simulation upang maipakita na ang mga naunang patakaran na inirerekumenda ang pagsusuot ng maskara ay gumawa ng mas malaking pagkakaiba sa pagkalat ng coronavirus.

Ano ang ginagawa ng modelo ng computer na ito?

Ito ay isang pambansang tool na maaaring ipakita ang epekto na maaaring magkaroon ng pagsusuot ng mga maskara. Kung ito ay isang lalawigan kung saan regular na nagsusuot ng maskara ang mga tao, ipapakita nito sa iyo kung gaano karaming mga kaso ng COVID-19 at pagkamatay ang kanilang naiwasan. Kung pumili ka ng isang lalawigan kung saan ang mga tao ay hindi nagsusuot ng maskara, ipapakita sa iyo kung gaano karaming mga kaso at pagkamatay ang maaaring naiwasan doon.

Paano ito ginagawa?

Kailangan namin ng maraming data upang magawa ito. Ang New York Times sinuri ang halos bawat lalawigan sa US sa tag-araw at nagtalaga ng markang nakasuot ng mask na 0-5 sa bawat isa sa kanila, kaya't ito ang nasa gitna ng modelo. Gumagamit din kami ng data ng New York Times at Johns Hopkins para sa mga numero ng kaso ng real-time; data ng census para sa mga demograpiko tulad ng laki ng populasyon, edad na panggitna at higit pa; at heyograpikong data upang masukat ang distansya sa pagitan ng mga county.

Ito ay batay sa isang pamamaraan ng matematika na tinawag matatag na kontrol ng sintetiko, na madalas na ginagamit sa pagsasaliksik sa droga, kung saan mayroong isang control group at mayroong isang pangkat ng paggamot.

Halimbawa, tingnan natin ang Wyandotte County, Kansas. Mayroon itong medyo mataas na marka na nakasuot ng maskara na tungkol sa 3.4. Dahil ang modelo ay idinisenyo upang sabihin sa atin ang "paano kung?" senaryo, titingnan kung ano ang maaaring nangyari kung ang marka ng pagsusuot ng mask ay nabawasan sa 3.0, na kung saan ay ang cutoff namin para sa "mababang suot na maskara," ngunit ang gumagamit ay maaaring mag-eksperimento sa iba pang mga halaga din upang makita kung ano ang nangyayari. Nakarating kami sa 3.0 batay sa pagsusuri ng mga gawi sa pagsusuot ng mask sa buong bansa. Ang aktwal na mga halaga ay nasa pagitan ng 1.4 at 3.85, na may pambansang average na 2.98.


 Kunin ang Pinakabagong Mula sa InnerSelf


Maaari kaming magtakda ng isang petsa kung saan ang marka ng suot na mask ay nagbago sa 3.0. Kung itatakda namin itong tumakbo mula Hunyo 1 hanggang Oktubre 1, sinasabi sa amin na ang Wyandotte County ay may 101.5% pang mga kaso at 150 pang mga namatay sa panahong iyon. Sinasabi nito sa gumagamit kung ilang pagkamatay ang nangyari o napigilan batay sa isang parameter ng rate ng dami ng namamatay na maaaring itakda ng gumagamit. Sa halimbawang ito, itinakda ito sa 2%.

Paano lumilikha ang modelo ng "paano kung?" senaryo kung hindi talaga ito nangyari? Ginagawa ito sa pamamagitan ng pagtingin sa iba pang mga county na malapit at may katulad na demograpiko at bilang ng kaso ngunit isang mas mababang threshold na may suot na maskara. Sinusubukan nitong makabuo ng isang timbang na average upang makabuo ng isang pangkat ng sintetiko na kontrol na katulad ng aming lalawigan ng interes (pangkat ng paggamot). Tinitingnan ng modelo kung gaano ang pagkakaiba ng dalawang grupo sa mga tuntunin ng bilang ng kaso. Ang pagkakaiba sa mga bilang ng kaso sa pagitan ng dalawang pangkat ay na-convert sa isang pagkakaiba sa mga pagkamatay gamit ang parameter ng rate ng dami ng namamatay.

Ano ang sinasabi nito sa atin tungkol sa epekto ng mga patakaran sa pagsusuot ng mask?

Ang pagpapanatili ng suot na maskara o pagpapatupad ng patakaran sa mask sa anumang oras ay maaaring maging kapaki-pakinabang. Ngunit ang epekto nito ay pinakamataas kapag ginawa mo ito maaga. Kapag pinatakbo mo ang modelong ito ng maraming beses gamit ang iba't ibang mga petsa, nakikita mo na ang epekto ay nababawasan habang naantala mo ang pagpapatupad ng isang patakaran sa pagsusuot ng mask. Kaya't kung ang isang lalawigan ay nagpatupad ng patakaran sa mask sa Hunyo 1, pipigilan nito ang maraming mga kaso. Kung kumilos ito noong Hulyo 1, magkakaroon ito ng isang maliit na epekto. Kung kumilos ito noong Agosto, pipigilan pa rin nito ang mga kaso, ngunit isang napakaliit na bilang.

Ano ang mga limitasyon ng modelong ito?

Ang tool na ito ay mas mahusay na gumagana para sa ilang mga county kaysa sa iba. Sa pangkalahatan, pinakamahusay itong gumagana sa mga county na mas malapit sa average, dahil magkakaroon ito ng mas malapit na mga tugma upang ihambing laban. Mayroon ding isang limitasyon sa diwa na ang New York Times mask pagsunod sa survey ay ginawa sa tag-init, at ang mga bagay ay patuloy na nagbabago. Kung gagamitin ng ibang mga mananaliksik ang tool na ito, isasaalang-alang nila ang mga pagbabago.

Ngunit ang nakikita mo ay kapag nagpatupad ka ng isang patakaran sa mask o ang populasyon ay regular na nagsusuot ng mga maskara, nagbibigay ito ng positibong epekto. At kung mas maaga mo itong ginagawa, mas epektibo ito.

Tungkol sa Ang May-akda

Biplav Srivastava, Propesor ng Agham sa Computer, Unibersidad ng South Carolina. Nais kong kilalanin ang gawain ng aking koponan, Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda at Lokesh Johri, sa pagbuo ng program na ito.Ang pag-uusap

Ang artikulong ito ay muling nai-publish mula sa Ang pag-uusap sa ilalim ng lisensya ng Creative Commons. Basahin ang ang orihinal na artikulo.


Mga Rekumendadong Libro: Kalusugan

Fresh Fruit CleanseFresh Fruit Cleanse: Detox, Mawalan ng Timbang at Ibalik ang Iyong Kalusugan sa Karamihan sa Masasarap na Pagkain ng Kalikasan [Paperback] ni Leanne Hall.
Mawalan ng timbang at pakiramdam nang masigla habang malinis ang iyong katawan ng mga toxin. Fresh Fruit Cleanse nag-aalok ng lahat ng kailangan mo para sa isang madaling at makapangyarihang detox, kabilang ang mga pang-araw-araw na programa, mga recipe ng bibig-pagtutubig, at payo para sa paglipat ng linisin.
I-click dito para sa karagdagang impormasyon at / o mag-order ng aklat na ito sa Amazon.

Lumago PagkainMabilis na Pagkain: 200 Plant-Based Recipe para sa Peak Health [Paperback] ni Brendan Brazier.
Pagbubuo sa pagbabawas ng pagkapagod, pagpapalakas ng kalusugan na pilosopiya ng nutrisyon na ipinakilala sa kanyang acclaimed vegan nutrition guide Maging maunlad, ang propesyonal na Ironman triathlete na si Brendan Brazier ngayon ay lumiliko ang kanyang pansin sa iyong dinner plate (breakfast mangkok at lunch tray too).
I-click dito para sa karagdagang impormasyon at / o mag-order ng aklat na ito sa Amazon.

Kamatayan ng Gamot ni Gary NullKamatayan ng Gamot ni Gary Null, Martin Feldman, Debora Rasio at Carolyn Dean
Ang medikal na kapaligiran ay naging isang labirint ng interlocking korporasyon, ospital, at mga board ng pamahalaan ng mga direktor, infiltrated ng mga kumpanya ng gamot. Ang pinaka-nakakalason na sangkap ay madalas na inaprubahan muna, habang ang mga milder at mas natural na mga alternatibo ay binabalewala dahil sa pinansiyal na mga dahilan. Ito ay kamatayan sa pamamagitan ng gamot.
I-click dito para sa karagdagang impormasyon at / o mag-order ng aklat na ito sa Amazon.


enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

sundin ang InnerSelf sa

facebook-icontwitter-iconrss-icon

 Kumuha ng Pinakabagong Sa pamamagitan ng Email

{Emailcloak = off}

Nakatanggap ako ng kaunting tulong mula sa aking mga kaibigan

MULA SA EDITOR

Bakit Ko Dapat Balewalain ang COVID-19 at Bakit Hindi Ko Gawin
by Robert Jennings, InnerSelf.com
Halo-halong mag-asawa kami ng asawa kong si Marie. Siya ay Canada at ako ay isang Amerikano. Sa nakaraang 15 taon na ginugol namin ang aming mga taglamig sa Florida at ang aming mga tag-init sa Nova Scotia.
InnerSelf Newsletter: Nobyembre 15, 2020
by InnerSelf staff
Sa linggong ito, pinaninilayan natin ang tanong: "saan tayo pupunta mula dito?" Tulad din ng anumang ritwal ng pagpasa, maging graduation, kasal, kapanganakan ng isang bata, isang mahalagang halalan, o pagkawala (o paghahanap) ng isang…
America: Pagganyak sa Ating Wagon sa Mundo at sa Mga Bituin
by Marie T Russell at Robert Jennings, InnerSelf.com
Sa gayon, ang halalan ng pampanguluhan sa Estados Unidos ay nasa likuran na namin at oras na upang mag-stock. Dapat nating hanapin ang magkatulad na batayan sa pagitan ng mga bata at matanda, Democrat at Republican, Liberal at Konserbatibo upang tunay na makagawa…
InnerSelf Newsletter: Oktubre 25, 2020
by InnerSelf staff
Ang "slogan" o sub-pamagat para sa website ng InnerSelf ay "Mga Bagong Saloobin --- Bagong Mga Posibilidad", at iyon mismo ang tema ng newsletter ngayong linggo. Ang layunin ng aming mga artikulo at may-akda ay upang ...
InnerSelf Newsletter: Oktubre 18, 2020
by InnerSelf staff
Sa mga araw na ito ay naninirahan tayo sa mga mini-bubble ... sa ating sariling mga tahanan, sa trabaho, at sa publiko, at posibleng sa ating sariling isipan at ng ating sariling mga emosyon. Gayunpaman, nakatira sa isang bubble, o pakiramdam na katulad namin…