Este \u00abmapa de alerta\u00bb indica la cantidad de veces que un condado de EE. UU. forma parte de un conjunto de \u00abalto riesgo\u00bb. Los colores m\u00e1s oscuros indican un mayor nivel de riesgo que tiene un condado de altas tasas de mortalidad por COVID-19. Cr\u00e9dito: Akai Kaeru, LLC <\/p>\n
La tarea de controlar la pandemia de COVID-19 en todo el pa\u00eds y predecir d\u00f3nde aumentar\u00e1n los casos a continuaci\u00f3n y qu\u00e9 \u00e1reas pueden tener altas tasas de mortalidad sigue siendo abrumadora para los cient\u00edficos y los funcionarios p\u00fablicos. Una nueva herramienta de aprendizaje autom\u00e1tico desarrollada por investigadores de una empresa nueva (Akai Kaeru LLC) afiliada al Departamento de Ciencias de la Computaci\u00f3n de la Universidad de Stony Brook y al Instituto de Ciencias Computacionales Avanzadas (IACS) puede ayudar a medir las \u00e1reas con mayor riesgo de contraer el virus y las altas tasas de mortalidad. . El software que utilizan analiza un conjunto masivo de datos de los 3.007 condados de EE. UU. Descubrieron que las combinaciones de factores como la pobreza, los entornos rurales, la baja educaci\u00f3n, la pobreza baja pero la deuda de la vivienda y la falta de sue\u00f1o est\u00e1n asociadas con tasas de mortalidad m\u00e1s altas en los condados. <\/p>\n
Los investigadores utilizan un software y un motor de miner\u00eda de patrones autom\u00e1ticos para analizar un conjunto de datos con aproximadamente 500 atributos, que cubren detalles relacionados con la demograf\u00eda, la econom\u00eda, la raza y el origen \u00e9tnico, y la infraestructura en todos los condados de EE. UU. Despu\u00e9s de analizar y evaluar los datos dentro de los condados, crearon casi 300 conjuntos de condados con un \u00abalto riesgo\u00bb de COVID-19 y tasas de mortalidad relacionadas.<\/p>\n
Muchos de estos condados dentro de los conjuntos, pero no todos, est\u00e1n en los estados del sur de EE. UU. e incluyen cerca de 1,000 condados. Algunos de los condados incluyen Hancock, Georgia; Atala, Mississippi; Lee, Carolina del Sur; Swisher Texas; Adams, Ohio; Torrance, Nuevo M\u00e9xico; y Madison, Fla. Mississippi, Louisiana y Georgia son los que corren mayor riesgo, con un 80-90 por ciento de sus condados cubiertos por estos conjuntos.<\/p>\n
\u00abNuestro algoritmo de software identifica condados con condiciones espec\u00edficas que parecen conducir a tasas de mortalidad m\u00e1s altas que el promedio de EE. UU. debido a COVID-19\u00bb, dijo Klaus Mueller, Ph.D., profesor de inform\u00e1tica, miembro de la facultad de IACS, director ejecutivo de la empresa emergente Akai Kaeru, LLC e investigador principal del estudio de la compa\u00f1\u00eda. \u00abNo podemos decir que un condado espec\u00edfico tendr\u00e1 una tasa de mortalidad m\u00e1s alta de lo normal, pero podemos predecir esto para los conjuntos de condados que se ajusten a ciertas condiciones\u00bb.<\/p>\n
Seg\u00fan Mueller, el software y el m\u00e9todo utilizados para analizar los datos e identificar condados de alto riesgo puede ayudar a informar a los funcionarios en funci\u00f3n de correlaciones importantes relacionadas con las tasas de mortalidad de COVID-19 y ayudar a dirigir la asignaci\u00f3n de recursos, como kits de prueba y estaciones. El m\u00e9todo y los hallazgos tambi\u00e9n pueden ayudar a dirigir campa\u00f1as de informaci\u00f3n basadas en la comunidad sobre COVID-19 y medidas para contener la pandemia y reducir potencialmente los casos.<\/p>\n
Los investigadores encontraron que varias condiciones deben estar presentes al mismo tiempo para exponer a un condado a un riesgo elevado. Algunos de estos conjuntos de condiciones son:<\/p>\n
\u00abCada uno de estos conjuntos de condiciones cuenta una historia \u00fanica y hace que la inteligencia artificial detr\u00e1s de nuestro algoritmo sea explicable\u00bb. dice M\u00fcller. \u00abPor ejemplo, lo que podr\u00edamos concluir del patr\u00f3n de ‘alta propiedad de viviendas y baja pobreza’ es que hay propietarios de viviendas en estos condados ricos con alta propiedad de viviendas que no pueden pagar sus casas y, como resultado, tienen una gran deuda de vivienda. Entonces, como el crece el porcentaje de este tipo de propietarios de viviendas en un condado, al igual que el riesgo de infecci\u00f3n por COVID-19 y potencialmente la muerte\u00bb.<\/p>\n
\u00abTambi\u00e9n observamos en un conjunto de condados diferentes que los condados pobres y envejecidos con baja densidad de poblaci\u00f3n son, en promedio, especialmente afectados por el COVID-19\u00bb, explica Mueller. \u00abSi bien es bien sabido ahora que los residentes mayores son m\u00e1s vulnerables al COVID-19, el patr\u00f3n nos dice que este alto riesgo parece verse amplificado por dos factores relacionados con la accesibilidad:<\/p>\n
(1) Los residentes viven en \u00e1reas escasamente pobladas que ofrecen menos instalaciones de atenci\u00f3n de urgencia y (2) los residentes son en su mayor\u00eda pobres, lo que dificulta su capacidad para usar y pagar estos servicios\u00bb.<\/p>\n
Mueller enfatiza que cualquier conclusi\u00f3n sobre las condiciones relacionadas con la alta mortalidad las tasas de COVID-19 en conjuntos de condados o condados espec\u00edficos seguir\u00e1n necesitando m\u00e1s investigaci\u00f3n porque una pandemia no es est\u00e1tica y los factores que contribuyen a la enfermedad y la muerte a menudo son complicados.<\/p>\n
Akai Kaeru es una empresa nueva desarrollada y ubicado en el Centro de Excelencia en Tecnolog\u00eda Inal\u00e1mbrica e Inform\u00e1tica del Estado de Nueva York (CEWIT). Creado en 2003, CEWIT es el edificio principal del Parque de Investigaci\u00f3n y Desarrollo de la Universidad de Stony Brook para realizar investigaciones y comercializarlo. <\/p>\n
Explore m\u00e1s<\/p>\n
Siga las \u00faltimas noticias sobre el brote de coronavirus (COVID-19) M\u00e1s informaci\u00f3n:<\/strong> El an\u00e1lisis completo de conjuntos de condados de alto riesgo se puede ver con m\u00e1s detalle en este sitio web: akaikaeru.com\/covid-19-1 Proporcionado por la Cita<\/strong> de la Universidad de Stony Brook: El sistema de miner\u00eda de datos descubre los condados de EE. medicalxpress.com\/news\/2020-07-unearths-counties-covid-deaths.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Este \u00abmapa de alerta\u00bb indica la cantidad de veces que un condado de EE. UU. forma parte de un conjunto de \u00abalto riesgo\u00bb. Los colores m\u00e1s oscuros indican un mayor nivel de riesgo que tiene un condado de altas tasas de mortalidad por COVID-19. Cr\u00e9dito: Akai Kaeru, LLC La tarea de controlar la pandemia de … Continuar leyendo \u00abEl sistema de miner\u00eda de datos descubre los condados de EE. UU. con mayor riesgo de muerte por COVID\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-32627","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/32627","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=32627"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/32627\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=32627"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=32627"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=32627"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}