Опубликовано : Сен 30, 2020

Исследователи публикуют трехмерные данные, отслеживающие человеческие взаимодействия за пределами горячих точек коронавируса

Исследователи публикуют трехмерные данные, отслеживающие человеческие взаимодействия за пределами горячих точек коронавируса
Визуализация, полученная на основе данных, собранных в апреле 2020 года, где люди ходили пешком после того, как покинули центр неотложной помощи CityMD в Флэтбуше, Бруклин, учреждение, обслуживающее пациентов с COVID-19. Цветные значки обозначают пункты назначения: личный автомобиль, автобусную остановку, продуктовый магазин, метро и ресторан. Предоставлено: инженерная школа Тандон Нью-Йоркского университета.

В марте, когда Нью-Йорк начал строгую изоляцию, группа из 16 студентов-исследователей из инженерной школы Тандон Нью-Йоркского университета приступила к проекту, финансируемому за счет гранта Национального научного фонда на исследования быстрого реагирования (RAPID) для наблюдения за отдельными людьми. поведение за пределами горячих точек COVID-19.

Проект, созданный в сотрудничестве между NYU Tandon и NYU School of Global Public Health, возглавляла Дебра Лаэфер, профессор гражданского и городского строительства в NYU Tandon и директор по гражданским наукам в Центре городской науки и прогресса ( CUSP). Он был направлен на сбор гиперлокальных данных по медицинским учреждениям города, чтобы помочь понять роль поверхностных векторов и выбор пункта назначения как средства глобального распространения инфекции.

Используя новые трехмерные геопространственные методы, а также методы двухмерного картографирования вирусов, датируемые 1854 годом, команда собрала гиперлокальные данные о перемещениях и поведенческих предпочтениях людей, покидающих медицинские учреждения с высоким уровнем заражения COVID-19. : они создали точно подробные пространственно-временные записи того, к чему прикасались люди, куда они пошли и были ли они одеты в средства индивидуальной защиты, тем самым определяя поверхности и места, которые могут быть точками передачи болезней (включая общественный транспорт и арендованный транспорт, такой как Uber) .

В совокупности команда провела более 1500 часов, записывая наблюдения во все часы дня и дни недели. Они собрали 5 065 записей о поведении 6075 человек в 19 больницах и клиниках неотложной помощи в четырех из пяти районов Нью-Йорка. Наблюдая за субъектами на расстоянии в течение 20 минут, исследователи задокументировали пол субъекта, предметы, которых они коснулись, пройденный маршрут и пункты назначения. Каждая запись также включала информацию о местонахождении медицинского учреждения, погоде и 61 другой атрибут, связанный с демографическими данными почтового индекса учреждения. Записи показывают четкие тенденции с течением времени и различия в поведении в зависимости от пола как в выборе транспорта, так и в использовании СИЗ. К ним относятся более высокий уровень использования СИЗ с самого начала и заметное увеличение количества ношений маски после мандата губернатора.

Исследователи, в том числе Томас Киршнер из NYU Global Health и директор Mobile Health Lab NYU, обнаружили, что:

  • 75% людей коснулись хотя бы одного предмета после выхода из медицинского учреждения.
  • 11% коснулись своего телефона.
  • 55% покинули этот район на механизированном транспорте
  • 13% вернулись в медицинское учреждение.
  • 81% носили СИЗ.
  • Женщины почти в два раза чаще пользовались общественным транспортом.

Команда предоставила полный набор данных в качестве ресурса для ученых, создающих модели машинного обучения для картирования и анализа распространения коронавируса. Он доступен в хранилище пространственных данных Нью-Йоркского университета.

«Как только COVID-19 начал влиять на Нью-Йорк, я попытался найти способ использовать свои навыки для проведения дальнейших исследований, и многие из наших студентов чувствовали то же самое. Получив грант от Национального научного фонда, мы быстро организовали и начали сбор данных «, — сказал Лаэфер. «Приятно было видеть такой высокий процент людей, носящих СИЗ, но многие быстро дотрагивались до своего телефона или других предметов, потенциально распространяя вирус. Мы надеемся, что эти данные помогут создать более точные модели отслеживания вирусов и повысить осведомленность о возможных маршруты передачи «

Она добавила, что, выпустив этот очень подробный набор данных, исследователи по всему миру получат основу для разработки моделей машинного обучения, которые могут более быстро прогнозировать распространение болезней в городских районах на основе физических перемещений, мест передачи, выбора транспорта и патогенов. характеристики.

Spread the love

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *