Nye computermodelleringssystemer til at forudsige spredning af SARS-CoV-2-virus

Joe Mihaljevic, matematisk epidemiolog og assisterende professor ved Northern Arizona University's School of Informatics, Computere, og Cyber ​​Systems (SICCS), leder et nyt projekt for at oprette computermodelleringssystemer til at forudsige resultaterne af spredningen af ​​SARS-CoV-2-virus, som forårsager COVID-19, på tværs af fire nordlige Arizona amter-Coconino, Navajo, Apache og Mohave.

Tidligere i foråret, Flagstaff Medical Center udtrykte et presserende behov for at modellere spredningen af ​​virussen til nødplanlægning og for at anmode om tilstrækkelige ressourcer fra statslige og føderale myndigheder. "Pålidelige nær-real-time transmissionsprognoser for cyberinfrastrukturer er derfor afgørende for at sikre effektive, rimelig sundhedspleje for Arizona's landbefolkninger under denne pandemiske krise, "Sagde Mihaljevic.

I marts, National Science Foundation (NSF) udsendte en presserende opfordring til forskere i lyset af fremkomsten og spredningen af ​​COVID-19, opfordre forskere til at bruge finansieringsmekanismen til Rapid Response Research (RAPID) til at støtte virusrelateret forskning. Som resultat, Mihaljevic ansøgte om og modtog $ 200, 000 etårigt tilskud til at udvikle en portal for sygdomsmodellering i samarbejde med datalog og SICCS-professor Eck Doerry og evolutionærbiolog og SICCS-assisterende professor Crystal Hepp, en assisterende direktør for NAU's Pathogen and Microbiome Institute. Samarbejdet samler tre centrale ekspertiseområder:Mihaljevic er en sygdomsmodeller; Doerry forvandler nye ideer til meget brugbare softwareløsninger; og Hepp er en evolutionær biolog, der fokuserer på spredning af RNA -virus og dataanalyse af folkesundheden.

Ved hjælp af en sikker interaktiv webbaseret modelleringsportal udviklet af Doerry, Mihaljevic kan trække de seneste rapporterede sagsdata fra lokale sundhedsmyndigheder og køre live-modeller i en interaktiv grænseflade, som beslutningstagere kan bruge til at udforske mulige scenarier og forventede resultater.

I alle fire amter, patogenet er moderat under kontrol, selvom der er regional variation, med nogle befolkninger mere udsatte. Vi bremser virussen, men nu vil vi forstå, hvad der vil ske, hvis vi begynder at fjerne interventionerne på plads, som social og fysisk afstand. Du har måske hørt, at vi har nået toppen. Ved sygdomsudbrud, der kan være flere toppe. At lette restriktionerne for tidligt kan betyde flere lockdowns. "

Joe Mihaljevic, Assisterende professor, Northern Arizona University's School of Informatics, Computere, og Cyber ​​Systems

For eksempel, hvis alle begrænsninger blev fjernet i begyndelsen af ​​maj efter 45 dages hjemmebestillinger, hans model forudsiger en anden top med mindst tre gange antallet af hospitalsbesøg end den nuværende sats. "Vi kunne se op mod 100 nye hospitalsbesøg om dagen, " han sagde.

Hvis distanceforanstaltninger opretholdes indtil den 31. maj, på den anden side, modellen projekterer et mindre andet udbrud, når restriktioner fjernes. "Med 75 dages interventioner på plads, en anden top i det nordlige Arizona kan være lidt mindre end den første top, i et optimistisk scenario, "Sagde Mihaljevic.

"Kort sagt, mange af de nuværende modeller udviklet til at håndtere COVID-19-krisen er sandsynligvis ikke helt tilstrækkelige til at beskrive patogenudbredelse i landdistrikter. Vi har bycentre som Flagstaff, der virkelig ligger i et mere landligt landskab-en metapopulation, hvis du vil-med fællesskaber, der er meget forskellige fra hinanden. Vi vil være i stand til at spore antallet af patienter, der bliver sendt til hvilke hospitaler og forstå, hvilke faciliteter der er mest belastede. "Sagde Mihaljevic.

Computermodellen er baseret på sygdomsovervågningsdata, data fra US Census Bureau og medicinsk centerinformation, der sporer, hvor mange hospitals senge der er til rådighed i hvert amt. Mihaljevic siger, at en del af tilskuddet er at udvikle finkornet kortlægning. "Lad os sige, at du er et hospital, og du vil forstå, hvad der foregår i din region. Du vil være i stand til at filtrere dataene og fremskrivningerne bare til dit amt eller hospitalssystem."

Hepp samarbejder med en række folkesundhedspartnere i sin forskning. "Med en stærk forståelse for de typer data, der er tilgængelige i rapporteringssystemer for folkesundhed, kombineret med en bevidsthed om datafølsomhed, mit bidrag er at hjælpe med at identificere, hvilke data der er nødvendige for at gå ind i computermodellen. Vi har ikke brug for private oplysninger som en patients navn eller adresse, men vi kan samle tal for at informere modellen baseret på oplysninger såsom postnumre, da en person først begyndte at føle sig syg, og da en nasal vatpind blev taget for at teste for sygdommen. "

"Vores mål er at udvikle en cyberinfrastruktur, en webapplikation til at hjælpe os med at kommunikere resultaterne af vores modellering til folkesundhed og interessenter i sundhedsvæsenet, der visuelt kan interagere med modellen og manipulere parametrene for at udforske disse scenarier og træffe informerede beslutninger om en datadrevet folkesundhedsplan, "Sagde Mihaljevic.

Mihaljevic mener, at hans computermodellering også vil hjælpe med at informere folkevalgte om, hvordan og hvornår de fjerner fysiske afstandsrestriktioner og genåbner virksomheder og offentlige rum. "Vores mål er at yde øjeblikkelig kritisk informatikstøtte til strategisk håndtering af den aktuelle krise, mens vi bygger vores ekspertise, værktøjer og infrastruktur til at strømline reaktionerne på fremtidige epidemier. "

• Aktivering af østrogenreceptor kan hæmme væksten af ​​kræft i bugspytkirtlen
• Virus fra afføring kan hjælpe med at bekæmpe fedme og type 2 -diabetes