新しいデータ駆動型モデルは、マスクを着用することで人命を救うことを示しています–そして、早く始めれば、より良い

: By ビプラフ・スリバスタヴァ

ご覧いただきありがとうございます InnerSelf.com、どこに〜がある 20,000+ 「新しい態度と新しい可能性」を促進する人生を変える記事。すべての記事は次のように翻訳されます 30以上の言語. ニュースレター登録 週刊発行の InnerSelf Magazine と Marie T Russell's Daily Inference に掲載されています。 InnerSelfマガジン 1985年から出版されています。

新しいデータ駆動型モデルは、マスクを着用することで命が救われることを示しています–そして、早く始めれば、より良いです
コンピューターモデルは、米国の特定の郡で予防できたCOVID-19の症例数をシミュレートします。ゲッティイメージズ経由のLeontura / DigitalVision Vectors

サウスカロライナ大学のコンピューターサイエンスの教授であるBiplavSrivastava博士と彼のチームは、COVID-19の症例と死亡に対するマスクの着用の効果を実証するのに役立つデータ駆動型ツールを開発しました。彼のモデルは、さまざまなデータソースを利用して、「何が起こったのか」を示す代替シナリオを作成します。米国の郡のマスク遵守率が高いか低いか。このインタビューでは、モデルがどのように機能するか、その制限、およびモデルからどのような結論を導き出すことができるかについて説明します。

コンピューター科学者のBiplavSrivastavaがシミュレーションのデモを提供し、マスクの着用を推奨する以前のポリシーがコロナウイルスの拡散に大きな違いをもたらすことを示しています。

{vembed Y=g3o_TW2OWJU}

このコンピュータモデルは何をしますか？

マスク着用の効果を発揮できる全国的なツールです。人々が定期的にマスクを着用している郡の場合、COVID-19の症例と死亡を回避した数が表示されます。人々がマスクを着用していない郡を選ぶと、そこで何件の症例と死亡を防ぐことができたかがわかります。

どうやってやるの？

これを行うには多くのデータが必要です。ニューヨークタイムズ米国のほぼすべての郡を調査しました夏の間、それぞれに0〜5のマスク着用スコアが割り当てられたため、これがモデルの中心になります。また、ニューヨークタイムズとジョンズホプキンスのデータをリアルタイムの症例数に使用しています。人口規模、年齢の中央値などの人口統計に関する国勢調査データ。郡間の距離を測定するための地理データ。

それはと呼ばれる数学的手法に基づいています堅牢な合成制御、これは薬物研究でよく使用され、対照群と治療群があります。

たとえば、カンザス州ワイアンドット郡を見てみましょう。マスク着用スコアは約3.4と比較的高い。モデルは「もしも」を教えてくれるように設計されているからです。シナリオでは、マスク着用スコアが「低マスク着用」のカットオフである3.0に減少した場合に何が起こるかを調べますが、ユーザーは他の値を試して何が起こるかを確認することもできます。全国のマスク着用習慣の分析から3.0に到達しました。実際の値は1.4から3.85の範囲で、全国平均は2.98でした。

マスク着用スコアが3.0に変わる日付を設定できます。 1月1日から101.5月150日まで実行するように設定すると、ワイアンドット郡ではその期間に2％多くの症例とXNUMX人の死亡があったことを示しています。これは、ユーザーが設定できる死亡率パラメーターに基づいて、発生または防止された死亡数をユーザーに通知します。この例では、XNUMX％に設定されています。

モデルはどのようにして「もしも」を作成しますか？それが実際に起こらなかった場合のシナリオ？これは、近くにあり、人口統計と症例数が類似しているが、マスク着用のしきい値が低い他の郡を調べることによって行われます。加重平均を考え出して、関心のある郡（治療グループ）に類似した合成コントロールグループを形成しようとします。次に、モデルは、ケース数の観点からXNUMXつのグループがどの程度分岐しているかを調べます。 XNUMXつのグループ間の症例数の差は、死亡率パラメーターを使用して死亡の差に変換されます。

これは、マスク着用ポリシーの影響について何を教えてくれますか？

いつでもマスクを着用し続けるか、マスクポリシーを実装することが役立つ場合があります。しかし、その影響は、早い段階で行うと最も高くなります。異なる日付を使用してこのモデルを複数回実行すると、マスク着用ポリシーの実装を遅らせると影響が減少することがわかります。したがって、郡が1月1日にマスクポリシーを実装した場合、多くのケースを防ぐことができたでしょう。 XNUMX月XNUMX日に行動した場合、影響は小さくなります。それがXNUMX月に行動した場合、それでも事件を防ぐことができたでしょうが、非常に少数です。

このモデルの制限は何ですか？

このツールは、他の郡よりも一部の郡でうまく機能します。一般に、比較対象の一致が近いため、平均に近い郡で最適に機能します。ニューヨークタイムズのマスク遵守調査が夏に行われたという意味でも制限があり、状況は変化し続けています。したがって、他の研究者がこのツールを使用する場合、彼らは変更を説明する必要があります。

しかし、あなたが見ているのは、あなたがマスク政策を実行するとき、または人口が定期的にマスクを着用するとき、それはプラスの影響を与えるということです。そして、あなたがそれを早くするほど、それはより効果的です。