Novi sustavi računalnog modeliranja za predviđanje širenja virusa SARS-CoV-2

U sve četiri županije, patogen je umjereno pod kontrolom, iako postoji regionalna varijabilnost, s nekim populacijama u većoj opasnosti. Usporavamo virus, ali sada želimo razumjeti što će se dogoditi ako počnemo uklanjati postojeće intervencije, poput društvenog i fizičkog distanciranja. Možda ste čuli da smo dosegli vrhunac. U izbijanjima bolesti, može biti više vrhova. Prerano ublažavanje ograničenja može značiti više blokada. "

Joe Mihaljević, Docent, Informatička škola Sveučilišta Sjeverna Arizona, Računarstvo, i Cyber ​​sustavi

Na primjer, ako su sva ograničenja uklonjena početkom svibnja nakon 45 dana naloga za boravak kod kuće, njegov model predviđa drugi vrhunac s najmanje tri puta većim brojem posjeta bolnici od trenutne stope. "Mogli smo vidjeti više od 100 novih posjeta bolnici dnevno, " On je rekao.

Ako se mjere distanciranja zadrže do 31. svibnja, s druge strane, model projicira manju drugu epidemiju nakon uklanjanja ograničenja. "Sa 75 dana intervencija, drugi vrh u sjevernoj Arizoni mogao bi biti nešto manji od prvog vrha, u optimističnom scenariju, “, Rekao je Mihaljević.

"Ukratko, mnogi od sadašnjih modela razvijenih za upravljanje krizom COVID-19 vjerojatno nisu u potpunosti adekvatni za opisivanje širenja patogena u ruralnim regijama. Imamo urbana središta poput Flagstaffa koja su zaista ugniježđena u ruralnijem krajoliku-metapopulaciji, ako hoćete-sa zajednicama koje se međusobno jako razlikuju. Moći ćemo pratiti broj pacijenata koji se šalju u koje bolnice i razumjeti koje su ustanove najviše pod stresom ", rekao je Mihaljević.

Računalni model temelji se na podacima nadzora bolesti, podaci američkog Ureda za popis stanovništva i medicinskog centra koji prate koliko je bolničkih kreveta dostupno u svakoj županiji. Mihaljević kaže da je dio bespovratnih sredstava razvoj sitnozrnatog kartiranja. "Recimo da ste bolnica i želite razumjeti što se događa u vašoj regiji. Moći ćete filtrirati podatke i projekcije samo prema vašem okrugu ili bolničkom sustavu."

Hepp u svom istraživanju surađuje s raznim partnerima iz javnog zdravstva. "Uz dobro razumijevanje vrsta podataka dostupnih u sustavima izvješćivanja o javnom zdravlju, zajedno sa sviješću o osjetljivosti podataka, moj doprinos je pomoći u identifikaciji podataka koji su potrebni za uvođenje u računalni model. Ne trebaju nam privatni podaci poput imena ili adrese pacijenta, ali možemo objediniti brojeve kako bismo informirali model na temelju informacija kao što su poštanski brojevi, kada je osobi prvi put pozlilo i kada je uzet bris nosa da se testira na bolest. "

"Naš cilj je razviti kiberinfrastrukturu, web-aplikacija koja nam pomaže u prenošenju rezultata našeg modeliranja na dionike javnog zdravstva i zdravstvene zaštite koji mogu vizualno stupiti u interakciju s modelom i manipulirati parametrima kako bi istražili ove scenarije i donijeli informirane odluke za plan javnog zdravstva na temelju podataka, “, Rekao je Mihaljević.

Mihaljević vjeruje da će njegovo računalno modeliranje također pomoći obavijestiti izabrane dužnosnike o tome kako i kada ukloniti ograničenja fizičke udaljenosti i ponovno otvoriti poduzeća i javne prostore. "Naš je cilj pružiti neposrednu kritičku informatičku podršku za strateško upravljanje trenutnom krizom, gradeći našu stručnost, alate i infrastrukturu za pojednostavljivanje odgovora na buduće epidemije. "

• Aktivacija estrogenskih receptora može spriječiti rast stanica raka gušterače
• Virusi iz stolice mogu pomoći u borbi protiv pretilosti i dijabetesa tipa 2