ALTIN 499,21
DOLAR 8,8689
EURO 10,4740
BIST 1.385
Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 26 °C
Az Bulutlu

Yeni Bilgisayar Modeli, COVID-19’un Şehirlerde Nasıl Yayılacağını Tahmin Edebilir

12.11.2020
286
Yeni Bilgisayar Modeli, COVID-19’un Şehirlerde Nasıl Yayılacağını Tahmin Edebilir

Her gün 98 milyon Amerikalının nasıl dolaştığına dair bir araştırma, enfeksiyonların çoğunun “süper yayılma” alanlarında meydana geldiğini ve hareketlilik modellerinin azınlık ve düşük gelirli nüfuslar arasında daha yüksek enfeksiyon oranlarını nasıl artırdığını ayrıntılarıyla anlatıyor.

Araştırmacılardan oluşan bir ekip, enfeksiyon riskini artıran üç faktörü analiz ederek COVID-19’un bu baharda 10 büyük şehirde yayılmasını doğru bir şekilde tahmin eden bir bilgisayar modeli oluşturdu: İnsanlar bir gün içinde nereye gidiyorlar, ne kadar oyalanıyorlar ve kaç tane diğer insanlar aynı zamanda aynı yeri ziyaret ediyor.

“Farklı demografik geçmişe sahip ve farklı mahallelerden insanların az ya da çok kalabalık olan farklı türdeki yerleri nasıl ziyaret ettiklerini analiz etmek için bir bilgisayar modeli oluşturduk.

Tüm bunlara dayanarak, herhangi bir yerde veya zamanda ortaya çıkan yeni enfeksiyonların olasılığını tahmin edebiliriz, ”dedi Northwestern Üniversitesi’nden araştırmacıların da dahil olduğu çabayı yöneten Stanford bilgisayar bilimcisi Jure Leskovec.

Nature dergisinde 10 Kasım 2020’de yayınlanan çalışma, demografik verileri, epidemiyolojik tahminleri ve anonim cep telefonu konum bilgilerini birleştiriyor ve COVID-19 iletimlerinin çoğunun, tam hizmet veren restoranlar gibi “süper yayıcı” sitelerde ve insanların uzun süre yakın çevrede kaldığı fitness merkezleri ve kafelerde gerçekleştiğini doğruluyor gibi görünüyor.

Araştırmacılar, modellerinin özgüllüğünün yetkililere, yeni enfeksiyonlar ve kayıp satışlar arasındaki dengeleri ortaya çıkararak, örneğin kapasitenin yüzde 20 veya yüzde 50’si açıldığında, yeni enfeksiyonlar ve kayıp satışlar arasındaki ödünleşmeleri ortaya çıkararak, COVID-19’un yayılmasını en aza indirmeye yardımcı olacak bir araç olarak hizmet edebileceğini söylüyor.

Stanford Beşeri Bilimler ve Bilimler Okulu’nda sosyoloji profesörü olan yazar David Grusky, bu öngörücü yeteneğin özellikle değerli olduğunu, çünkü azınlık ve düşük gelirli insanların orantısız enfeksiyon oranlarının arkasındaki faktörlere faydalı yeni bilgiler sağladığını söyledi.

“Geçmişte, bu eşitsizliklerin önceden var olan koşullar ve sağlık hizmetlerine eşit olmayan erişimden kaynaklandığı varsayılırken, modelimiz hareketlilik modellerinin de bu orantısız riskleri yönetmeye yardımcı olduğunu öne sürüyor,” dedi.

Stanford Yoksulluk ve Eşitsizlik Merkezi’ni de yöneten Grusky, modelin daha düşük doluluk sınırlarına sahip yeniden açılmanın dezavantajlı gruplara en çok nasıl fayda sağladığını gösterdiğini söyledi.

Stanford Yoksulluk ve Eşitsizlik Merkezi

Grusky, “Azınlık ve düşük gelirli insanları istihdam eden yerler genellikle daha küçük ve daha kalabalık olduğu için, yeniden açılan mağazalardaki doluluk sınırları karşılaştıkları riskleri azaltabilir” dedi.

“Mevcut uygulamaların yarattığı eşitsizlikleri ortadan kaldıran veya en azından azaltan yeniden açılış planları oluşturma sorumluluğumuz var.”

Leskovec, “modelin bu baharda yürürlüğe giren evde kalma politikalarının ev dışındaki seyahatlerin sayısını azalttığına ve yeni enfeksiyonların oranını yavaşlattığına dair “şimdiye kadarki en güçlü kanıtı sunduğunu” söyledi.

Adımları takip etmek

Çalışma, 98 milyon Amerikalının ülkenin en büyük metropol bölgelerinden 10’unda, restoranlardan ve spor salonlarından evcil hayvan dükkanlarına ve yeni otomobil bayilerine kadar yarım milyon farklı kuruluştaki hareketlerini izledi.

Ekip, bu yaz mezun olan Stanford PhD öğrencileri Serina Chang, Pang Wei Koh ve Emma Pierson ile 10 metropol bölgesi için çalışma verilerini bir araya getiren Northwestern Üniversitesi araştırmacıları Jaline Gerardin ve Beth Redbird’ü içeriyordu.

Northwestern Üniversitesi

Nüfus sırasına göre bu şehirler şunları içerir: New York, Los Angeles, Chicago, Dallas, Washington, DC, Houston, Atlanta, Miami, Philadelphia ve San Francisco.

Mobil uygulamalardan anonimleştirilmiş konum verilerini toplayan bir şirket olan SafeGraph, araştırmacılara her gün hırdavat mağazaları ve dini kuruluşlar gibi halka açık 553.000 yerden hangisinin ziyaret edildiğini gösteren verileri sağladı; ne kadar süreliğine; ve en önemlisi, araştırmacıların saatlik doluluk yoğunluğunu belirleyebilmesi için her bir kuruluşun kare görüntüsünün ne olduğu.

Araştırmacılar, 8 Mart – 9 Mayıs arasındaki verileri iki farklı aşamada analiz etti. Birinci aşamada, model hareketlilik verilerini beslediler ve sistemlerini, çok önemli bir epidemiyolojik değişkeni hesaplamak için tasarladılar: 10 büyükşehir bölgesinde çeşitli farklı koşullar altında virüsün bulaşma hızı.

Gerçek hayatta, bulaşıcı ve duyarlı bir kişinin potansiyel yeni bir enfeksiyon oluşturmak için ne zaman ve nerede temasa geçtiğini önceden bilmek imkansızdır.

Ancak modellerinde araştırmacılar, farklı yerlerde ve zamanlarda bulaşıcı olayların olasılığını hesaplamak için bir dizi denklem geliştirdi ve rafine etti.

Denklemler bilinmeyen değişkenleri çözebildiler çünkü araştırmacılar bilgisayarı beslediler, önemli bir gerçek: her şehirdeki sağlık görevlilerine her gün kaç tane COVID-19 enfeksiyonu bildirildi.

Araştırmacılar, her şehirdeki virüsün bulaşma oranını belirleyene kadar modeli geliştirdiler. Oran, insanların evden ne sıklıkla çıktıklarından, hangi tür yerleri ziyaret ettiklerine kadar değişen faktörlere bağlı olarak şehirden şehre değişiyordu.

Araştırmacılar, 10 büyükşehir bölgesi için bulaşma oranlarını elde ettikten sonra, ikinci aşamada modeli test ettiler ve yeni COVID-19 enfeksiyonlarını tahmin etmek için her şehrin oranını mobilite modellerinin veri tabanına göre çarpmasını istediler.

Tahminler, sağlık yetkililerinden gelen gerçek raporlarla yakından izlendi ve araştırmacılara modelin güvenilirliği konusunda güven verdi.

Enfeksiyonları tahmin etmek

Araştırmacılar, modellerini 57.000 nüfus sayımı blok grubundan (600 ila 3.000 kişilik mahalleler) oluşan bir veri tabanında bulunan demografik verilerle birleştirerek, azınlık ve düşük gelirli insanların işleri gerektirdiği için evlerinden nasıl daha sık ayrıldığını ve daha küçük, daha çok alışveriş yaptığını gösteriyor daha yüksek gelirli, evden çalışabilen insanlardan daha kalabalık kuruluşlar, alışverişten kaçınmak ve dışarı çıktıklarında daha geniş işlere patronluk taslamak için eve teslimatı kullanıyor.

Örneğin, çalışma beyaz olmayan popülasyonların beyazlara göre yiyecek satın almasının kabaca iki kat daha riskli olduğunu ortaya koydu. Chang, “Hareketlilik, demografik ve epidemiyolojik veri kümelerini birleştirerek, modelimizi farklı yeniden açılış politikalarının etkinliğini ve eşitliğini analiz etmek için kullanabildik” dedi.

Ekip, araçlarını ve verilerini kamuya açık hale getirdi, böylece diğer araştırmacılar bulguları çoğaltabilir ve geliştirebilir.

Ekibi şimdi modeli politika yapıcılar ve halk sağlığı için kullanıcı dostu bir araç haline getirmek için çalışan Leskovec, “Prensip olarak, herkes bu modeli farklı evde kalma ve iş kapatma politika kararlarının sonuçlarını anlamak için kullanabilir” dedi.

Referans: Serina Chang, Emma Pierson, Pang Wei Koh, Jaline Gerardin, Beth Redbird, David Grusky ve Jure Leskovec, 10 Kasım 2020, Nature tarafından “COVID-19’un mobilite ağı modelleri eşitsizlikleri açıklıyor ve yeniden açılmayı bildiriyor”.

Jure Leskovec, Stanford Engineering’de bilgisayar bilimi doçenti, Stanford Bio-X ve Wu Tsai Neurosciences Institute üyesidir. David Grusky, Beşeri Bilimler ve Bilimler Fakültesi’nde Edward Ames Edmonds Profesörü ve Stanford Ekonomi Politikası Araştırmaları Enstitüsü’nde (SIEPR) kıdemli araştırmacıdır.

Bu araştırma, National Science Foundation, Stanford Data Science Initiative, Wu Tsai Neurosciences Institute ve Chan Zuckerberg Biohub tarafından desteklenmiştir.

ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.