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.

L'étude offre l'analyse dans traiter la pandémie COVID-19 avec des caractéristiques décentrées

Les caractéristiques précises et de temps quasi-réel sur le cours et l'évolution de la pandémie COVID-19 ont été instrumentales en avisant des stratégies et la police d'atténuation de santé publique mondiales.

Bien que beaucoup d'aspects de la pandémie aient été suivis en travers de nombreux types de données, y compris des régimes de l'infection, des hospitalisations et des morts, Christina Pagel et chrétienne Yates arguent du fait dans un point de vue que les polarisations inhérentes et les pièges dans l'évaluation dans chaque point d'émission de données doivent être identifiés et représentés.

Puisque le choix des bonnes polices d'atténuation se fonde sur une évaluation précise de l'état actuel de l'épidémie locale, les ramifications potentielles des caractéristiques de mauvais interprétation sont sérieuses, » écrivent les auteurs.

Pagel et Yates fournissent une synthèse des voies desquelles COVID-19 est actuel mondial suivi, comme des régimes traversants de cas, par exemple, et mettent en valeur les sources de polarisation potentielle inhérentes dans des caractéristiques relatives.

Ce qui est plus, les auteurs discutent les caractéristiques pas actuel étant sûrement captées, en particulier des incidences de long Covid et des cas de découverte parmi les personnes vaccinées. Selon Pagel et Yates, utilisant toutes les données disponibles il est essentiel de mesurer la pandémie de l'adresser, et comptant trop sur un point d'émission de données unique ou un choix limité des risques totalisés de caractéristiques mal comprenant la condition de l'épidémie.

Source:
Journal reference:

Pagel, C & Yates, C. A., (2021) Tackling the pandemic with (biased) data. Science. doi.org/10.1126/science.abi6602.