数据模型确认戴口罩挽救生命

面部面具的四重奏

南卡罗来纳大学计算机科学教授Biplav Srivastava博士和他的团队开发了一种数据驱动的工具,有助于展示戴着面具在Covid-19案件和死亡的效果。他的模型利用各种数据来源来创建可以告诉我们“可能发生的事情?”的替代方案。如果美国的一个县有更高或更低的面罩依从性。在这次采访中,他解释了模型如何工作,其限制以及我们可以从中汲取的结论。

计算机科学家Biplav Srivastava提供了模拟的演示,以显示推荐掩盖穿着的早期策略对冠状病毒的传播产生了更大的差异。

这台电脑模型做了什么?

这是一个全国范围的工具,可以显示戴着面具可以具有的效果。如果是一个人们定期穿面具的县,它将向您展示他们避免了多少Covid-19案例和死亡。如果你选择一个人不穿面具的县,它将向您展示有多少案例和死亡可以在那里被阻止。

它是如何做到的?

我们需要大量数据来执行此操作。 纽约时报 几乎每个县都调查了美国 在夏天,每个人分配了一个戴着面具的分数0-5,所以这是在模型的核心。我们还使用纽约时报和Johns Hopkins数据进行实时案例编号;人口统计数据的人口统计数据,如人口规模,中位数和更多;和地理数据测量县之间的距离。

它基于一种称为数学技术 强大的合成控制,通常用于药物研究,其中有对照组,存在治疗组。

谈话徽标
这篇文章由Biplav Srivastava最初出现在 谈话, a partner site, under the title “一个新的数据驱动模型表明,戴着面具拯救生命 - 以及你开始的早期,更好”

例如,让我们来看看堪萨斯州威尼托县。它具有相对较高的面膜磨损分数约为3.4。因为该模型旨在告诉我们“如果是什么?”场景,如果戴着面具的分数减少到3.0,这将会看到发生的事情,这是我们的“低掩模佩戴”的截止值,但用户可以实际上实验到其他值,以便看到发生的事情。基于对全国范围内的佩戴习惯的分析,我们达到3.0。实际值范围为1.4和3.85,全国平均为2.98。

我们可以设置屏蔽型分数更改为3.0的日期。如果我们将其从6月1日至10月开始运行1,它告诉我们,Wyandotte县的案件率为101.5%,在此期间有150人死亡。它告诉用户基于用户可以设置的死亡率参数,已经发生了多少死亡。在这个例子中,它设定为2%。

模型如何创建“如果是什么?”情景如果它实际上并没有发生?它通过查看附近的其他县并具有类似的人口统计和案例计数,而是一个较低的面膜佩戴阈值来实现这一点。它试图提出加权平均值,以形成与我们的兴趣县相似的合成控制组(治疗组)。该模型然后看看两组在案例计数方面发散了多少。使用死亡率参数转换为两组之间的案例计数的差异。

这告诉我们有关戴着面具的政策的影响吗?

在任何时候保持面膜佩戴或实施面具政策可能会有所帮助。但是当你早期做时,它的影响最高。使用不同日期多次运行此型号时,您会看到影响随着延迟实现屏蔽介绍的策略而减少。因此,如果一个县在6月1日实施面具政策,则会阻止许多情况。如果它在7月1日起作用,它会产生较小的影响。如果它在八月起作用,它仍将阻止案件,但数量很少。

这个模型的局限性是什么?

这个工具比其他县更好。通常,它最适用于更接近平均值的县,因为它将与比较较近的匹配。意义上也有一个限制 纽约时报 面具遵守调查是在夏天完成的,事情保持不变。因此,如果其他研究人员使用此工具,则必须考虑更改。

但是你所看到的,当你实施面具政策或人口定期穿面具时,它会产生积极的影响。你做到的那些,它越有效。

我想承认我的团队,Sparsh Johri,Kartikaya Srivastava,Chinmayi Appajigowda和Lokesh Johri的作品,在开发该计划时。

0 0 投票
文章评级

biplav srivastava.

biplav srivastava. 是南卡罗来纳大学AI研究所的计算机科学学士学位。他有兴趣使人们能够通过使用技术的认知限制来实现差的数据,改变目标和有限的资源而使人们进行理性决策。此前,他是IBM,近二十年作为研究科学家,杰出的数据科学家和硕士发明家。 Srivastava是一名ACM杰出的科学家,Aaai高级会员,IEEE高级会员和AAAS leeshner家庭,以便公开参与AI(2020-2021)。

0
会喜欢你的想法,请评论。x