Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les recherches en ligne peuvent aider à prévoir les sauts de pression postérieurs et les déclins dans les cas COVID-19

Les recherches en ligne du mobile et les activités d'isolement peuvent aider à prévoir les sauts de pression postérieurs et les déclins dans les cas COVID-19, une équipe de recherche a trouvé. Ses découvertes, basées sur une analyse de quatre mois des recherches en ligne, offrent des moyens d'un potentiel d'anticiper les voies de la pandémie--avant des infections neuves soyez rapporté.

« C'est une première étape vers établir un outil qui peut aider à prévoir des sauts de pression de cas de COVID en captant des activités plus à haut risque et la mobilité destinée, que les recherches des gymnases et diner en personne peuvent illuminer, » dit Anasse Bari, un professeur adjoint clinique dans de l'informatique à l'institut de Courant de l'université de New York des sciences mathématiques et un des auteurs du papier, qui apparaît dans l'analyse et l'exploitation de réseau social de tourillon.

« Utilisant de telles « caractéristiques alternatives » est rien de neuf et a été appliqué à d'autres fins--par exemple, la caractéristique alternative a été employée dans le financement pour produire des placements caractéristique caractéristique, tels qu'étudier des images satellites des véhicules dans des parkings pour prévoir des gains des entreprises. »

Notre recherche montre que les mêmes techniques pourraient être appliquées à combattre une pandémie par la tache, d'avance, où les manifestations sont susceptibles de se produire. Développer un baromètre du comportement, avec davantage de travail et de validation, permettre à des décisionnaires et à des épidémiologistes de suivre le choc des interventions sociales et du support pour les sauts de pression en hausse. »

Café de Megan, professeur adjoint clinique, Division de la maladie infectieuse et immunologie, École de Médecine de Grossman, université de New York

La recherche a également montré une association entre les activités destinées en dehors de la maison après que des restrictions de lockdown aient été levées, indiquant la façon dont les effets des décisions politiques peuvent être mesurés utilisant des caractéristiques alternatives.

Depuis le début de la pandémie, les gouvernements ont limité des activités, souvent basées sur des sauts de pression des cas COVID-19, puis débloquées ces restrictions après des déclins. Cependant, ces actions sont en réponse aux taux d'infection et sont conçues pour limiter l'écart de futurs cas.

Dans l'étude d'analyse et d'exploitation de réseau social, les chercheurs ont recherché à déterminer s'il y avait des voies de repérer des comportements connus pour être risqué pendant la pandémie (par exemple, visites aux raseurs-coiffeurs et aux Salons de manucure) en avant des manifestations locales et régionales--et réciproquement, recensez les comportements connus pour être moins risqué (par exemple, s'exerçant à l'intérieur des frontières) avant des déclins dans des caisses de coronavirus.

« Notre objectif était de capter la dynamique sociale fondamentale d'une pandémie sans précédent utilisant les points d'émission de données alternatifs qui sont neufs à l'épidémiologie de maladie infectieuse, » explique Bari. « Quand quelqu'un recherche l'heure exacte d'une barre locale ou des sens de consultations à un gymnase local, ils donnent de l'analyse dans quels futurs risques ils peuvent avoir. »

Pour examiner ceci, ils ont étudié des recherches en ligne de mars à juin en 2020 dans chacune des 50 conditions. Ici, ils ont divisé des recherches en deux catégories--ou « pistes » : une piste d'index de mobilité, qui a classé des recherches par catégorie a lié aux interactions avec d'autres en dehors de la maison (par exemple, les « théâtres près de moi, » « vol étiquette »), et à une piste d'index d'isolement, qui a classé des recherches par catégorie liées aux activités faites à l'intérieur des frontières (la « distribution de nourriture, » « yoga domestique »).

Le choix de l'équipe des mots clé de recherche a été avisé par des fonds récents de démocratie + l'enquête d'UCLA Nationscape qui ont suivi des activités que les personnes rapportées elles donneraient la priorité à être présent si des « restrictions étaient levées conformément à l'avis des agents de la Santé publics concernant des activités. » Les résultats les plus populaires ont compris « aller à un stade/à concert, » « allant à, » et « assistant à un événement sportif. »

Utilisant des caractéristiques de tendances de Google, les chercheurs ont suivi des tendances de recherche liées à la mobilité et à l'isolement pour développer des index de mobilité et d'isolement. Ils ont complété ces derniers avec « un index net de mouvement, » qui était la différence entre l'index de mobilité et l'index d'isolement.

Les chercheurs alors ont regardé l'accroissement du cas COVID-19 pendant 10 à 14 jours plus tard--le retard prévu entre l'exposition et les sympt40mes--au niveau de condition en examinant des caractéristiques de condition et d'agences locales de santé.

De façon générale, ils ont constaté que l'index net de mouvement a marqué avec les cas COVID-19 neufs--hebdomadaire rapporté--dans 42 de 50 conditions au cours de la période étudiée (mars-juin 2020).

Les chercheurs également ont regardé plus attentivement cinq conditions (Arizona, la Californie, la Floride, New York, et Texas) pour déterminer le choc de la fin des commandes au foyer sur des recherches. En tout de ces conditions, l'index de mobilité, qui a diminué pendant la phase initiale de lockdown, accru comme les re-ouvertures ont commencé. Par la suite, les cas COVID-19 se sont levés de nouveau au niveau national en juin 2020 et ont soulevé en Arizona, la Californie, la Floride, et le Texas.

En revanche, un recul brutal plus tôt dans des index de mobilité a été suivi d'un recul brutal dans les caractéristiques d'accroissement de cas dans ces mêmes cinq conditions.

« De ce travail, nous espérons établir une base de connaissances sur la modification de comportement humain des caractéristiques alternatives pendant la durée de vie utile de l'universel afin de permettre à l'apprentissage automatique de prévoir le comportement dans de futures épidémies, » dit Aashish Khubchandani, un étudiant préparant une licence de NYU et un des auteurs du papier.

Les chercheurs identifient que les méthodes basées sur recherche pour prévoir des manifestations d'infection soulèvent des inquiétudes de secret. Cependant, ils mettent l'accent sur que leur outil emploie de grands volumes de questions de recherche, les non différentes, et se fonde sur des caractéristiques anonymized afin d'offrir les projections relatives à la santé.

Source:
Journal reference:

Bari, A., et al. (2021) COVID-19 early-alert signals using human behavior alternative data. Social Network Analysis and Mining. doi.org/10.1007/s13278-021-00723-5.