數據分析在下一波新冠大流行中有哪些作用

　　數據分析在下一波新冠大流行中有哪些作用?在短短的幾個月內，新型冠狀病毒COVID-19流行病就已經顛覆了整個世界。在短期內，國家和區(qū)域的應對措施包括通過隔離和限制行動來遏制。正確實施這些解決方案旨在限制傳染病的蔓延，以免使我們全球醫(yī)療保健和應急管理系統的緊張資源和能力不堪重負。但是，考慮到這些措施的嚴重經濟副作用，世界各地的當局已經在計劃放寬限制行動，以期預期到價差下降。

　　數據和分析在全球響應的第一波中發(fā)揮了核心作用。從大流行的最早時期開始，我們就收到了世界各地勤奮的志愿者收集的最新病例，死亡和康復報告。國內的各個平臺創(chuàng)建了流行的儀表板，該儀表板從全球眾多來源收集這些數據。平臺上擁有最新的病例感染計數，并且其他一些來源也涌現出類似的信息。包括騰訊在內的商業(yè)組織已經提供了工具和數據，以幫助向公眾宣傳。
 

　　此外，對病毒本身的系統發(fā)育也進行了更深入的數據驅動的研究-中國到目前為止提供了有關最新病毒株的最新摘要，由全世界的病毒學家自行報告。
 

　　然而，即使在第一次全球性疫情得到遏制之后，仍需要持續(xù)應對以對抗新型冠狀病毒COVID-19，并將繼續(xù)給地方和地區(qū)當局帶來巨大負擔。例如，季節(jié)性高峰或區(qū)域性暴發(fā)可能需要盡快恢復行動限制。同樣的限制保持多久也同樣重要-需要對此進行調整，以防止經濟遭受反復沖擊。

　‍

　　這導致了數據和分析方面的許多相關需求。在中國，聯合了多個部門包括三大運營商在內的許多合作伙伴進行了合作，以收集相關數據來滿足這些需求：合并包括來自合作伙伴的匿名手機位置數據在內的合作伙伴數據集，并公開進行有關行政邊界和人口統計信息的可用地理數據集。我們的目標是為中央和地方當局以及決策者提供多角度的工具，以協助持續(xù)對抗新型冠狀病毒COVID-19。這涵蓋了幾個領域，我們將在下面說明三個領域：
 

　　交互式的人口規(guī)模聯系人跟蹤功能
 

　　首先，接觸者追蹤已成為一種數據驅動的方法，用于識別和遏制新型冠狀病毒COVID-19(和其他疾病)的傳播。接觸者跟蹤從根本上涉及跟蹤被感染個體的活動和互動，以識別其他處于危險中的人。新加坡政府建立了一個鼓勵人們選擇參與的應用程序，在美國，蘋果和谷歌采取了前所未有的步驟，共同致力于開發(fā)一種可以同時保護人們健康和隱私的解決方案。但是，無論用于收集跟蹤數據的技術是什么(在撰寫本文時)，全球近200萬感染(估計R0在2-3之間)，使用該數據包含傳播都是一項艱巨的任務。

　　‍

　　第一步，當局需要詳盡而全面的聯系追蹤功能，最好是在最有能力立即采取行動的地方和區(qū)域人群中。但是，他們還需要考慮出行方式，這要求他們特別關注主要入境口岸，例如港口，機場和邊境地區(qū)。在此特別重要的是，需要盡快從數據中顯示的較高級別的匯總模式或趨勢轉變?yōu)檩^低級別的生活模式。識別和隔離特定個體(及其主要社會單位，即其家庭)的能力，以及了解更廣泛的互動方式的能力，將使行動限制在2020年大流行的不可避免的后續(xù)階段中更有針對性和更有效到明年。

　　‍

　　為了說明這種類型的可伸縮聯系人跟蹤，我們將X-Mode Social的數據與OmniSci Immerse中的時空隊列分析功能進行了組合。我們從X-Mode合作伙伴的生活模式數據集中獲取了將近1600億個原始地理位置數據點，歷時一個多月，涉及約500萬臺設備。我們通過匿名設備標識符對此進行匯總，以計算時空倉中的停留時間，這使我們能夠觀察特定設備，更重要的是(對于公共機構)不同設備群體的生活細粒度模式。例如，“ 3月5日下午5點在肯尼迪國際機場觀察到的所有設備”。另一個可能是“在已知有大量新型冠狀病毒COVID-19患者大量涌入的醫(yī)院附近觀察到的所有設備”。一旦確定了隊列，衛(wèi)生部門就可以有針對性地監(jiān)控該隊列。

　　‍

　　下面是此分析工作流程的說明：
 

　　此示例顯示了在疫情爆發(fā)初期位于意大利北部的移動設備群組的交互式建筑。儀表板放大到意大利，時間過濾到三月初，然后使用套索僅抓住意大利北部的相關區(qū)域。
 

　　監(jiān)控行動限制的有效性
 

　　到目前為止，強制性和自愿性的社會隔離已被證明是有效的，但是很明顯，任何潛在的因素都可能導致這種有效性沿地理和時間維度變化。首先，當局需要迅速了解有關檢疫和社會隔離的地方和區(qū)域法令是否確實有效，并采取相應行動。例如，一種簡單的指導措施可能是-感興趣區(qū)域(縣或街區(qū)組)中的平均人口實際旅行比例是多少，超過其本國街區(qū)組的給定距離?反過來又如何將其傳播的可能性考慮在內(以人口密度和基線病例數衡量)?“有效”社會距離較低的地區(qū)(例如城市)是否總是面臨更大的傳染風險?反過來，

　　‍

　　要回答這些問題(和其他問題)，需要將人口統計數據與運動數據集成在一起，并能夠在多個地理和時間聚合級別上查看此數據。這是一個示例，說明了我們如何整合位置信息并計算停留時間的其他統計信息，以說明由于實施了行動限制，在全國大部分地區(qū)花費的平均時間如何增加，而平均行進距離如何減少。您會注意到，某些地區(qū)限制行動的速度比其他地區(qū)要慢，這可能會使決策者為病毒在這些地區(qū)的更快傳播做好準備。

　　‍

　　該儀表板顯示了移動設備在社區(qū)級別的匯總停留時間，以確定社區(qū)集體遠離社會并限制其移動的程度。綠色表示更長的停留時間，這意味著存在更多的社交距離。

　　‍

　　各個級別的醫(yī)療系統的最新視圖
 

　　最后，在任何時間范圍內，醫(yī)療保健系統的總體狀態(tài)(和承載能力)將是做出響應的主要因素?？吹揭痪€醫(yī)院工作人員的英雄氣概令人振奮。尤其是當您考慮到其中一些人的人數是普通人員的十倍時，這是由于醫(yī)護人員令人心碎的高感染率。該系統不堪重負。為避免這種情況，當局需要開發(fā)詳細，更新的圖片，結合有關公共衛(wèi)生的后勤信息和背景數據，以及有關新型冠狀病毒COVID-19本身如何對整個公共衛(wèi)生產生影響的統計數據-這方面的一個很好的例子是Kevin Systrom對調查中
 

　　實時
 

　　這涉及整合多個數據透視圖-有關醫(yī)療機構的后勤信息部分可公開獲得。關于慢性病(及其與急性呼吸窘迫綜合征的合并癥)患病率的歷史數據也是如此(由新型冠狀病毒COVID-19產生)以及當地和區(qū)域人口，以及相關的人口統計數據。
 

　　新型冠狀病毒COVID-19對于我們將我們在較不緊張的時期內構建的工具應用于緊急的，迅速發(fā)展的和存在的，非常重要的公共衛(wèi)生需求的能力構成了迄今為止最大的考驗。OmniSci致力于在這方面我們可以做的一切，但這不是我們可以合理地希望單獨做的事情。

　　‍

　　我們首先要感謝我們的第一響應者和醫(yī)療第一線工作人員-他們是這場戰(zhàn)斗中的士兵，并將在可預見的將來繼續(xù)前進，我們要感謝他們使他們的工作盡可能地容易。接下來，我們不斷增長的新的和長期的合作伙伴名單，他們愿意作出貢獻的數據，計算資源，并努力：X模式，SafeGraph，Veraset，xCures和亞馬遜網絡