Mô hình máy tính mô phỏng bao nhiêu trường hợp COVID-19 có thể đã được ngăn chặn ở một quận cụ thể ở Hoa Kỳ Leontura / DigitalVision Vectors qua Getty Images

Tiến sĩ Biplav Srivastava, giáo sư khoa học máy tính tại Đại học Nam Carolina, và nhóm của ông đã phát triển một công cụ điều khiển dữ liệu giúp chứng minh tác dụng của việc đeo mặt nạ đối với các trường hợp mắc và tử vong do COVID-19. Mô hình của anh ấy sử dụng nhiều nguồn dữ liệu khác nhau để tạo ra các tình huống thay thế có thể cho chúng ta biết "Điều gì có thể đã xảy ra?" nếu một quận ở Hoa Kỳ có tỷ lệ tuân thủ khẩu trang cao hơn hoặc thấp hơn. Trong cuộc phỏng vấn này, ông giải thích cách thức hoạt động của mô hình, những hạn chế của nó và những kết luận mà chúng ta có thể rút ra từ nó.

Nhà khoa học máy tính Biplav Srivastava cung cấp một bản demo mô phỏng để cho thấy rằng các chính sách khuyến nghị đeo mặt nạ trước đây tạo ra sự khác biệt lớn hơn đối với sự lây lan của coronavirus.

{vembed Y = g3o_TW2OWJU}

Mô hình máy tính này làm gì?

Đây là một công cụ toàn quốc có thể cho thấy hiệu quả mà việc đeo khẩu trang có thể có. Nếu đó là một quận nơi mọi người đeo khẩu trang thường xuyên, nó sẽ cho bạn biết họ đã tránh được bao nhiêu trường hợp và tử vong do COVID-19. Nếu bạn chọn một quận mà mọi người không đeo khẩu trang, nó sẽ cho bạn thấy có bao nhiêu trường hợp và tử vong có thể đã được ngăn chặn ở đó.

Nó làm điều đó như thế nào?

Chúng tôi cần rất nhiều dữ liệu để làm điều này. Thời báo New York đã khảo sát hầu hết các quận ở Mỹ trong suốt mùa hè và chỉ định số điểm đeo mặt nạ là 0-5 cho mỗi người trong số họ, vì vậy đây là trọng tâm của mô hình. Chúng tôi cũng sử dụng dữ liệu của New York Times và Johns Hopkins cho các số hồ sơ theo thời gian thực; dữ liệu điều tra nhân khẩu học như quy mô dân số, tuổi trung bình và hơn thế nữa; và dữ liệu địa lý để đo khoảng cách giữa các quận.

Nó dựa trên một kỹ thuật toán học được gọi là kiểm soát tổng hợp mạnh mẽ, thường được sử dụng trong nghiên cứu thuốc, nơi có nhóm đối chứng và có nhóm điều trị.

Ví dụ, hãy nhìn vào Quận Wyandotte, Kansas. Nó có điểm đeo mặt nạ tương đối cao, khoảng 3.4. Bởi vì mô hình được thiết kế để cho chúng ta biết "điều gì xảy ra nếu?" kịch bản, nó sẽ xem xét điều gì sẽ xảy ra nếu điểm số đeo mặt nạ giảm xuống còn 3.0, đây là ngưỡng giới hạn của chúng tôi đối với "ít đeo khẩu trang", nhưng người dùng cũng có thể thử nghiệm với các giá trị khác chỉ để xem điều gì xảy ra. Chúng tôi đến phiên bản 3.0 dựa trên phân tích thói quen đeo khẩu trang trên toàn quốc. Các giá trị thực tế dao động trong khoảng 1.4 đến 3.85, với mức trung bình trên toàn quốc là 2.98.

Chúng tôi có thể đặt ngày mà điểm số đeo mặt nạ thay đổi thành 3.0. Nếu chúng tôi đặt nó chạy từ ngày 1 tháng 1 đến ngày 101.5 tháng 150, nó cho chúng tôi biết rằng Hạt Wyandotte sẽ có thêm 2% ca bệnh và thêm XNUMX ca tử vong trong thời gian đó. Nó cho người dùng biết có bao nhiêu trường hợp tử vong đã xảy ra hoặc đã được ngăn chặn dựa trên thông số tỷ lệ tử vong mà người dùng có thể đặt. Trong ví dụ này, nó được đặt ở mức XNUMX%.

Làm thế nào để mô hình tạo ra "điều gì xảy ra nếu?" nếu nó không thực sự xảy ra? Nó thực hiện điều này bằng cách xem xét các quận khác gần đó và có nhân khẩu học và số trường hợp tương tự nhưng ngưỡng đeo khẩu trang thấp hơn. Nó cố gắng đưa ra một mức trung bình có trọng số để tạo thành một nhóm kiểm soát tổng hợp tương tự như hạt quan tâm của chúng tôi (nhóm điều trị). Sau đó, mô hình xem xét hai nhóm đã khác nhau bao nhiêu về số lượng trường hợp. Sự khác biệt về số ca bệnh giữa hai nhóm được chuyển thành sự khác biệt về số ca tử vong khi sử dụng tham số tỷ lệ tử vong.

Điều này cho chúng ta biết gì về tác động của chính sách đeo khẩu trang?

Luôn đeo mặt nạ hoặc thực hiện chính sách mặt nạ bất cứ lúc nào có thể hữu ích. Nhưng tác động của nó là cao nhất khi bạn thực hiện sớm. Khi bạn chạy mô hình này nhiều lần với các ngày khác nhau, bạn sẽ thấy rằng tác động giảm đi khi bạn trì hoãn việc triển khai chính sách đeo khẩu trang. Vì vậy, nếu một quận thực hiện chính sách mặt nạ vào ngày 1 tháng Sáu, nó sẽ ngăn chặn nhiều trường hợp. Nếu nó hoạt động vào ngày 1 tháng XNUMX, nó sẽ có tác động nhỏ hơn. Nếu nó hành động vào tháng Tám, nó vẫn có thể ngăn chặn được các trường hợp, nhưng một con số rất nhỏ.

Những hạn chế của mô hình này là gì?

Công cụ này hoạt động tốt hơn cho một số quận hơn những quận khác. Nói chung, nó hoạt động tốt nhất với các hạt gần hơn với mức trung bình, vì nó sẽ có các trận đấu gần hơn để so sánh với. Cũng có một hạn chế là cuộc khảo sát về việc tuân thủ mặt nạ của The New York Times được thực hiện vào mùa hè và mọi thứ liên tục thay đổi. Vì vậy, nếu các nhà nghiên cứu khác sử dụng công cụ này, họ sẽ phải tính đến những thay đổi.

Nhưng những gì bạn thấy là khi bạn thực hiện chính sách đeo khẩu trang hoặc dân số thường xuyên đeo khẩu trang, nó sẽ tạo ra tác động tích cực. Và bạn thực hiện càng sớm thì hiệu quả càng cao.

Giới thiệu về Tác giả

Biplav Srivastava, Giáo sư Khoa học Máy tính, Đại học Nam Carolina. Tôi muốn ghi nhận công sức của nhóm tôi, Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda và Lokesh Johri, trong việc phát triển chương trình này.

Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.

Sách liên quan:

Cơ thể ghi điểm: Bộ não và cơ thể trong quá trình chữa lành chấn thương

bởi Bessel van der Nikol

Cuốn sách này khám phá mối liên hệ giữa chấn thương với sức khỏe thể chất và tinh thần, đưa ra những hiểu biết sâu sắc và chiến lược để chữa lành và phục hồi.

Bấm để biết thêm thông tin hoặc đặt hàng

Hơi thở: Khoa học mới về nghệ thuật đã mất

bởi James Nestor

Cuốn sách này khám phá khoa học và thực hành thở, cung cấp những hiểu biết sâu sắc và kỹ thuật để cải thiện sức khỏe thể chất và tinh thần.

Bấm để biết thêm thông tin hoặc đặt hàng

Nghịch lý thực vật: Nguy cơ tiềm ẩn trong thực phẩm "lành mạnh" gây bệnh và tăng cân

của Steven R. Gundry

Cuốn sách này khám phá mối liên hệ giữa chế độ ăn uống, sức khỏe và bệnh tật, đưa ra những hiểu biết sâu sắc và chiến lược để cải thiện sức khỏe tổng thể và sức khỏe.

Bấm để biết thêm thông tin hoặc đặt hàng

Mã miễn dịch: Mô hình mới cho sức khỏe thực sự và chống lão hóa triệt để

bởi Joel Greene

Cuốn sách này đưa ra một quan điểm mới về sức khỏe và khả năng miễn dịch, dựa trên các nguyên tắc biểu sinh và đưa ra những hiểu biết sâu sắc cũng như chiến lược để tối ưu hóa sức khỏe và lão hóa.

Bấm để biết thêm thông tin hoặc đặt hàng

Hướng dẫn hoàn chỉnh về nhịn ăn: Chữa lành cơ thể thông qua nhịn ăn gián đoạn, luân phiên và kéo dài

bởi Tiến sĩ Jason Fung và Jimmy Moore

Cuốn sách này khám phá khoa học và thực hành nhịn ăn, cung cấp những hiểu biết sâu sắc và chiến lược để cải thiện sức khỏe tổng thể và sức khỏe.

Bấm để biết thêm thông tin hoặc đặt hàng