Cr\u00e9dito: Unsplash\/CC0 Public Domain <\/p>\n
A medida que surgen nuevas variantes del coronavirus y se propagan r\u00e1pidamente por todo el mundo, tanto el p\u00fablico como los legisladores se enfrentan a un dilema: mantener una apariencia de normalidad, al mismo tiempo que minimiza las infecciones. Si bien las aplicaciones de rastreo de contactos digitales eran prometedoras, la tasa de adopci\u00f3n ha sido baja, debido en parte a problemas de privacidad. <\/p>\n
En la USC, los investigadores abogan por un nuevo enfoque para predecir la posibilidad de infecci\u00f3n por COVID-19: combinar datos an\u00f3nimos de ubicaci\u00f3n de tel\u00e9fonos celulares con patrones de movilidad, patrones amplios de c\u00f3mo las personas se mueven de un lugar a otro.<\/p>\n
Para Para producir \u00abpuntuaciones de riesgo\u00bb para ubicaciones y horas espec\u00edficas, el equipo utiliz\u00f3 un gran conjunto de datos de se\u00f1ales an\u00f3nimas de ubicaci\u00f3n del mundo real de tel\u00e9fonos celulares en todo EE. UU. en 2019 y 2020. El sistema muestra una mejora del 50 % en la precisi\u00f3n en comparaci\u00f3n con los sistemas actuales. dijeron los investigadores.<\/p>\n
\u00abNuestros resultados muestran que es posible predecir y apuntar a \u00e1reas espec\u00edficas que son de alto riesgo, en lugar de poner todas las empresas bajo un mismo paraguas. Tales pol\u00edticas dirigidas al riesgo pueden ser significativamente m\u00e1s eficaz, tanto para controlar COVID-19 como econ\u00f3micamente\u00bb, dijo el autor principal Sepanta Zeighami, un Ph.D. en ciencias inform\u00e1ticas. estudiante asesorado por el profesor Cyrus Shahabi.<\/p>\n
\u00abTambi\u00e9n es poco probable que COVID-19 sea la \u00faltima pandemia en la historia humana, por lo que si queremos evitar el caos de 2020 y las tr\u00e1gicas p\u00e9rdidas mientras mantenemos la vida diaria como menos afectados posible cuando ocurra la pr\u00f3xima pandemia, necesitamos enfoques basados en datos\u00bb.<\/p>\n
Para abordar las preocupaciones de privacidad, los datos de movilidad vienen en un formato agregado, lo que permite a los investigadores ver patrones sin identificar a los usuarios individuales. Los datos no se utilizan para rastrear contactos, identificar a las personas infectadas o ad\u00f3nde van, dijeron los investigadores.<\/p>\n
\u00abNuestro enfoque se basa en datos agregados an\u00f3nimos\u00bb, dijo Shahabi, coautor del estudio y Helen N. y Emmett H. Jones Profesor de Ingenier\u00eda y Profesor de Inform\u00e1tica, Ingenier\u00eda El\u00e9ctrica e Inform\u00e1tica y Ciencias Espaciales. \u00abEs lo mismo que los datos de tr\u00e1fico, donde la informaci\u00f3n de un individuo no se revela, pero los datos agregados lo ayudar\u00e1n a tomar una decisi\u00f3n sobre si usar una determinada autopista en un momento determinado\u00bb.<\/p>\n
El documento aparecer\u00e1 en ACM Transactions on Spatial Algorithms and Systems y est\u00e1 disponible para acceso anticipado.<\/p>\n
Enfoques basados en datos<\/p>\n
Seg\u00fan los investigadores, las herramientas de puntuaci\u00f3n de riesgo existentes no brindan suficiente informaci\u00f3n detallada sobre las tasas de infecci\u00f3n en lugares espec\u00edficos, o hacen suposiciones poco realistas sobre c\u00f3mo se mezclan las poblaciones.<\/p>\n
\u00abEl riesgo de infecci\u00f3n var\u00eda mucho seg\u00fan la ubicaci\u00f3n y tener una pol\u00edtica \u00fanica, por ejemplo, a nivel de condado , ignora c\u00f3mo algunas \u00e1reas son m\u00e1s riesgosas que otras\u00bb, dijo Zeighami.<\/p>\n
Entonces, utilizando datos de movilidad del mundo real y el conocimiento existente sobre la propagaci\u00f3n de COVID-19, el equipo cre\u00f3 un simulador para generar patrones de infecci\u00f3n realistas. . En la simulaci\u00f3n, algunos \u00abagentes\u00bb se infectan inicialmente y propagan la enfermedad a medida que se desplazan.<\/p>\n
Luego, los investigadores crearon un modelo basado en procesos de Hawkes, que asigna puntajes de riesgo seg\u00fan la densidad de ubicaci\u00f3n y los patrones de movilidad. en un momento y lugar dado. Usando el simulador, los investigadores probaron el modelo para determinar si pod\u00eda predecir con precisi\u00f3n la cantidad de infecciones en diferentes lugares. Result\u00f3 que los puntajes de riesgo eran de hecho una m\u00e9trica confiable para rastrear infecciones en ciudades de los EE. UU., incluidas San Francisco, Nueva York, Chicago y Los \u00c1ngeles.<\/p>\n
Los investigadores encontraron, como era de esperar, que los destinos populares en una ciudad son m\u00e1s riesgosos. Pero tambi\u00e9n descubrieron que incorporar la movilidad de la infecci\u00f3n, c\u00f3mo se mueven las personas, en lugar de simplemente confiar en la popularidad de un \u00e1rea, ayud\u00f3 a mejorar la predicci\u00f3n de la infecci\u00f3n. Esto, dijeron los investigadores, subraya la importancia de reunir patrones de movilidad y modelos de predicci\u00f3n de propagaci\u00f3n de infecciones para generar puntajes de riesgo.<\/p>\n
Hay dos formas clave en que el sistema podr\u00eda usarse en el mundo real, dijeron los investigadores. El caso m\u00e1s sencillo es tomar decisiones pol\u00edticas a nivel de vecindario: por ejemplo, los bares en Santa M\u00f3nica, CA, deber\u00edan cerrar hoy debido al alto riesgo en ese vecindario.<\/p>\n
\u00abEn lugar de tomar estas decisiones en el condado nivel, los expertos en salud p\u00fablica pueden tomar esas decisiones a nivel de ciudad, vecindario o c\u00f3digo postal\u00bb. Cyrus Shahabi.<\/p>\n
Para ubicaciones m\u00e1s espec\u00edficas, como un evento de estadio de concierto espec\u00edfico, el sistema analizar\u00eda los datos de movilidad de conciertos similares en el pasado para aprender c\u00f3mo cambia el riesgo de infecci\u00f3n en el \u00e1rea despu\u00e9s de este tipo de evento. Luego, utilizando el modelo de los investigadores y los datos de movilidad actuales en Los \u00c1ngeles, el sistema podr\u00eda hacer predicciones y asignar puntajes de riesgo.<\/p>\n
En el futuro, el equipo planea desarrollar puntajes de riesgo espec\u00edficos para el usuario, pero que a\u00fan as\u00ed preserven la privacidad. , e incluir capacidades de pron\u00f3stico a largo plazo para varias semanas en el futuro.<\/p>\n
\u00abLa muy alta resoluci\u00f3n de estos datos de movilidad, as\u00ed como nuestro enfoque escalable, nos permitir\u00e1n estimar puntajes de riesgo a un nivel muy resoluci\u00f3n espacial y temporal de grano fino, por ejemplo, un restaurante espec\u00edfico a la hora de la cena o un centro comercial a la hora del almuerzo\u00bb, dijo Shahabi.<\/p>\n
\u00abComo individuo, es posible que desee evitar \u00e1reas consideradas de alta riesgo, y los formuladores de pol\u00edticas podr\u00edan advertir al p\u00fablico que evite un \u00e1rea conocida como un punto cr\u00edtico potencial de infecci\u00f3n. Los puntajes tambi\u00e9n se pueden usar para decisiones de cierre o capacidad reducida. En lugar de tomar estas decisiones a nivel del condado, los expertos en salud p\u00fablica pueden tomar esas decisiones decisiones a nivel de ciudad, vecindario o c\u00f3digo postal\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Los investigadores usan datos de dispositivos m\u00f3viles para predecir brotes de COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Sirisha Rambhatla et al, Toward Accurate Spatiotemporal COVID-19 Risk Scores Using High-Resolution Real-World Mobility Data, ACM Transactions on Spatial Algorithms and Systems (2022). DOI: 10.1145\/3481044 Proporcionado por la Universidad del Sur de California Cita<\/strong>: Los investigadores desarrollan una herramienta de modelado de alta precisi\u00f3n para predecir el riesgo localizado de COVID-19 (2022, 1 de febrero) consultado el 29 de agosto de 2022 en https:\/\/medicalxpress. com\/news\/2022-02-highly-accurate-tool-localized-covid-.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":" Cr\u00e9dito: Unsplash\/CC0 Public Domain A medida que surgen nuevas variantes del coronavirus y se propagan r\u00e1pidamente por todo el mundo, tanto el p\u00fablico como los legisladores se enfrentan a un dilema: mantener una apariencia de normalidad, al mismo tiempo que minimiza las infecciones. Si bien las aplicaciones de rastreo de contactos digitales eran prometedoras, la … Continuar leyendo \u00abInvestigadores desarrollan una herramienta de modelado de alta precisi\u00f3n para predecir el riesgo de COVID-19 localizado\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-9391","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9391","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=9391"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9391\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=9391"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=9391"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=9391"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}