Il modello computerizzato simula quanti casi di COVID-19 avrebbero potuto essere prevenuti in una particolare contea negli Stati Uniti Vettori Leontura / DigitalVision tramite Getty Images
Il dottor Biplav Srivastava, professore di informatica presso l'Università della Carolina del Sud, e il suo team hanno sviluppato uno strumento basato sui dati che aiuta a dimostrare l'effetto di indossare maschere sui casi COVID-19 e sui decessi. Il suo modello utilizza una varietà di origini dati per creare scenari alternativi che possono dirci "Cosa potrebbe essere successo?" se una contea negli Stati Uniti aveva un tasso di aderenza alla maschera maggiore o minore. In questa intervista spiega come funziona il modello, i suoi limiti e quali conclusioni possiamo trarne.
L'informatico Biplav Srivastava fornisce una demo della simulazione per dimostrare che le politiche precedenti per raccomandare l'uso di maschere fanno una differenza maggiore sulla diffusione del coronavirus.
{vembed Y=g3o_TW2OWJU}
Cosa fa questo modello di computer?
Questo è uno strumento a livello nazionale che può mostrare l'effetto che le maschere possono avere. Se è una contea in cui le persone indossano maschere regolarmente, ti mostrerà quanti casi di COVID-19 e morti hanno evitato. Se scegli una contea in cui le persone non indossano maschere, ti mostrerà quanti casi e quanti decessi avrebbero potuto essere evitati lì.
Come lo fa?
Abbiamo bisogno di molti dati per farlo. Il New York Times ha esaminato quasi ogni contea degli Stati Uniti durante l'estate e assegnato un punteggio di indossare la maschera di 0-5 a ciascuno di loro, quindi questo è il cuore del modello. Utilizziamo anche i dati del New York Times e della Johns Hopkins per i numeri dei casi in tempo reale; dati di censimento per dati demografici quali dimensione della popolazione, età media e altro; e dati geografici per misurare la distanza tra le contee.
Si basa su una tecnica matematica chiamata robusto controllo sintetico, che viene spesso utilizzato nella ricerca sui farmaci, dove esiste un gruppo di controllo e un gruppo di trattamento.
Ad esempio, diamo un'occhiata alla contea di Wyandotte, Kansas. Ha un punteggio relativamente alto di indossare la maschera di circa 3.4. Perché il modello è progettato per dirci "e se?" scenario, esaminerà cosa sarebbe successo se il punteggio di indossare la maschera fosse stato ridotto a 3.0, che è il nostro limite per "indossare la maschera basso", ma l'utente può sperimentare anche altri valori solo per vedere cosa succede. Siamo arrivati a 3.0 sulla base dell'analisi delle abitudini di indossare maschere a livello nazionale. I valori effettivi erano compresi tra 1.4 e 3.85, con una media nazionale di 2.98.
Possiamo impostare una data in cui il punteggio di indossare la maschera cambia a 3.0. Se lo impostiamo per andare dal 1 giugno al 1 ottobre, ci dice che la contea di Wyandotte avrebbe avuto il 101.5% di casi in più e 150 morti in più in quel periodo. Indica all'utente quanti decessi si sono verificati o sono stati prevenuti in base a un parametro del tasso di mortalità che l'utente può impostare. In questo esempio, è stato fissato al 2%.
In che modo il modello crea il "cosa succede se?" scenario se non fosse realmente accaduto? Lo fa guardando altre contee che sono vicine e hanno dati demografici e conteggio dei casi simili ma una soglia inferiore per indossare la maschera. Cerca di elaborare una media ponderata per formare un gruppo di controllo sintetico simile alla nostra contea di interesse (gruppo di trattamento). Il modello quindi esamina quanto i due gruppi sono divergenti in termini di conteggio dei casi. La differenza nel conteggio dei casi tra i due gruppi viene convertita in una differenza nei decessi utilizzando il parametro del tasso di mortalità.
Cosa ci dice questo sull'impatto delle politiche sull'uso delle maschere?
Può essere utile continuare a indossare la maschera o implementare una politica sulle maschere in qualsiasi momento. Ma il suo impatto è maggiore quando lo fai presto. Quando si esegue questo modello più volte utilizzando date diverse, si nota che l'impatto si riduce man mano che si ritarda l'implementazione di una politica di indossare la maschera. Quindi, se una contea avesse implementato una politica sulla maschera il 1 ° giugno, avrebbe prevenuto molti casi. Se agisse il 1 ° luglio, avrebbe un impatto minore. Se avesse agito in agosto, avrebbe comunque prevenuto i casi, ma un numero molto ridotto.
Quali sono i limiti di questo modello?
Questo strumento funziona meglio per alcune contee rispetto ad altre. In generale, funziona meglio con le contee che sono più vicine alla media, perché avranno partite più vicine da confrontare. C'è anche una limitazione nel senso che il sondaggio sull'adesione alle maschere del New York Times è stato condotto in estate e le cose continuano a cambiare. Quindi, se altri ricercatori utilizzano questo strumento, dovranno tenere conto dei cambiamenti.
Ma quello che vedi è che quando si implementa una politica sulle maschere o la popolazione indossa regolarmente maschere, si ha un impatto positivo. E prima lo fai, più è efficace.
Circa l'autore
Biplav Srivastava, professore di informatica, Università della Carolina del Sud. Vorrei ringraziare il lavoro della mia squadra, Sparsh Johri, Kartikaya Srivastava, Chinmayi Appajigowda e Lokesh Johri, nello sviluppo di questo programma.
Questo articolo è ripubblicato da The Conversation sotto una licenza Creative Commons. Leggi il articolo originale.
Libri correlati:
Il corpo tiene il punteggio: cervello mente e corpo nella guarigione del trauma
di Bessel van der Kolk
Questo libro esplora le connessioni tra trauma e salute fisica e mentale, offrendo spunti e strategie per la guarigione e il recupero.
Clicca per maggiori informazioni o per ordinare
Respiro: la nuova scienza di un'arte perduta
di Giacomo Nestore
Questo libro esplora la scienza e la pratica della respirazione, offrendo approfondimenti e tecniche per migliorare la salute fisica e mentale.
Clicca per maggiori informazioni o per ordinare
Il paradosso delle piante: i pericoli nascosti negli alimenti "sani" che causano malattie e aumento di peso
di Steven R. Gundry
Questo libro esplora i collegamenti tra dieta, salute e malattia, offrendo spunti e strategie per migliorare la salute e il benessere generale.
Clicca per maggiori informazioni o per ordinare
Il codice di immunità: il nuovo paradigma per la salute reale e l'antietà radicale
di Joel Green
Questo libro offre una nuova prospettiva sulla salute e l'immunità, attingendo ai principi dell'epigenetica e offrendo intuizioni e strategie per ottimizzare la salute e l'invecchiamento.
Clicca per maggiori informazioni o per ordinare
La guida completa al digiuno: guarisci il tuo corpo attraverso il digiuno intermittente, a giorni alterni e prolungato
del dottor Jason Fung e Jimmy Moore
Questo libro esplora la scienza e la pratica del digiuno offrendo spunti e strategie per migliorare la salute e il benessere generale.
