Nya datormodelleringssystem för att förutsäga spridning av SARS-CoV-2-virus

Joe Mihaljevic, matematisk epidemiolog och biträdande professor vid Northern Arizona University's School of Informatics, Datoranvändning, och Cyber ​​Systems (SICCS), leder ett nytt projekt för att skapa datormodelleringssystem för att förutsäga resultaten av spridningen av SARS-CoV-2-viruset, som orsakar COVID-19, över fyra norra Arizona-län-Coconino, Navajo, Apache och Mohave.

Tidigare i vår, Flagstaff Medical Center uttryckte ett brådskande behov av att modellera spridningen av viruset för nödplanering och för att begära tillräckliga resurser från statliga och federala myndigheter. "Pålitliga cyberinfrastrukturer för realtidsöverföring nära realtid är därför avgörande för att säkerställa effektiva, rättvis sjukvård för Arizona landsbygdsbefolkningar under denna pandemikris, "Sa Mihaljevic.

I mars, National Science Foundation (NSF) utlyste ett brådskande samtal till forskare mot bakgrund av framväxten och spridningen av COVID-19, uppmuntra forskare att använda finansieringsmekanismen för Rapid Response Research (RAPID) för att stödja virusrelaterad forskning. Som ett resultat, Mihaljevic ansökte om och fick 200 dollar, 000 års bidrag för att utveckla en portal för sjukdomsmodellering i samarbete med datavetenskapare och SICCS-professor Eck Doerry och evolutionärbiolog och SICCS-biträdande professor Crystal Hepp, en biträdande direktör för NAU:s Pathogen and Microbiome Institute. Samarbetet sammanför tre viktiga kompetensområden:Mihaljevic är en sjukdomsmodellerare; Doerry förvandlar nya idéer till mycket användbara programvarulösningar; och Hepp är en evolutionär biolog som fokuserar på spridning av RNA -virus och dataanalys för folkhälsa.

Med hjälp av en säker interaktiv webbaserad modelleringsportal utvecklad av Doerry, Mihaljevic kan dra in de senaste rapporterade falldata från lokala hälsomyndigheter och köra levande modeller i ett interaktivt gränssnitt som beslutsfattare kan använda för att utforska möjliga scenarier och förväntade resultat.

I alla fyra län, patogenen är måttligt under kontroll, även om det finns regional variation, med vissa befolkningar som är mer utsatta. Vi bromsar viruset, men nu vill vi förstå vad som kommer att hända om vi börjar ta bort åtgärderna på plats, som social och fysisk distansering. Du kanske har hört att vi har nått toppen. Vid sjukdomsutbrott, det kan finnas flera toppar. Att lätta restriktionerna för tidigt kan innebära flera nedläggningar. "

Joe Mihaljevic, Assisterande professor, Northern Arizona University's School of Informatics, Datoranvändning, och cybersystem

Till exempel, om alla restriktioner togs bort i början av maj efter 45 dagars hemvistbeställningar, hans modell förutspår en andra topp med minst tre gånger antalet sjukhusbesök än den nuvarande. "Vi kunde se upp till 100 nya sjukhusbesök per dag, " han sa.

Om distansåtgärder upprätthålls till och med den 31 maj, å andra sidan, modellen projicerar ett mindre andra utbrott när restriktioner tas bort. "Med 75 dagars insatser på plats, en andra topp i norra Arizona kan vara lite mindre än den första toppen, i ett optimistiskt scenario, "Sa Mihaljevic.

"Kortfattat, många av de nuvarande modellerna som utvecklats för att hantera COVID-19-krisen är sannolikt inte helt tillräckliga för att beskriva patogenens spridning på landsbygden. Vi har stadscentrum som Flagstaff som verkligen är inbäddade i ett mer lantligt landskap-en metapopulation, om du vill-med gemenskaper som skiljer sig mycket från varandra. Vi kommer att kunna spåra antalet patienter som skickas till vilka sjukhus och förstå vilka anläggningar som är mest stressade. "Sade Mihaljevic.

Datormodellen är baserad på sjukdomsövervakningsdata, data från US Census Bureau och vårdcentralens information som spårar hur många sjukhussängar som finns tillgängliga i varje län. Mihaljevic säger att en del av bidraget är att utveckla finkornig kartläggning. "Låt oss säga att du är ett sjukhus och du vill förstå vad som händer i din region. Du kommer att kunna filtrera data och prognoser bara till ditt län eller sjukhus."

Hepp samarbetar med en mängd olika folkhälsopartners i sin forskning. "Med en stark förståelse för vilka typer av data som finns tillgängliga i rapporteringssystem för folkhälsa, i kombination med en medvetenhet om datakänslighet, mitt bidrag är att hjälpa till att identifiera vilka data som behövs för att gå in i datormodellen. Vi behöver inte privat information som en patients namn eller adress, men vi kan aggregera nummer för att informera modellen baserat på information som postnummer, när en person började känna sig sjuk och när en näspinne togs för att testa sjukdomen. "

"Vårt mål är att utveckla en cyberinfrastruktur, en webbapplikation som hjälper oss att kommunicera resultaten av vår modellering till folkhälso- och hälsointressenter som visuellt kan interagera med modellen och manipulera parametrarna för att utforska dessa scenarier och fatta välgrundade beslut för en datadriven folkhälsoplan, "Sa Mihaljevic.

Mihaljevic tror att hans datormodellering också kommer att hjälpa till att informera förtroendevalda om hur och när man ska ta bort fysiska distansrestriktioner och öppna företag och offentliga platser igen. "Vårt mål är att ge omedelbart kritiskt informatikstöd för strategisk hantering av den nuvarande krisen, samtidigt som vi bygger vår expertis, verktyg och infrastruktur för att effektivisera svar på framtida epidemier. "

• Aktivering av östrogenreceptor kan hindra tillväxt av cancer i bukspottskörteln
• Virus från avföring kan hjälpa till att bekämpa fetma och typ 2 -diabetes