由哈佛及史丹佛等大學研究人員聯手打造的COVID-19即時預警演算法,衡量指標包括Google與COVID-19相關的搜尋字串、Twitter上的相關活動、醫療資源搜尋平臺UpToDate上的醫師搜尋、全球疫情與移動模型(GLEAM)、手機的匿名移動資料,以及Kinsa智慧溫度計的數據。(示意圖,圖片來源:An Early Warning Approach to Monitor COVID-19 Activity with Multiple Digital Traces in Near Real-Time,https://arxiv.org/pdf/2007.00756.pdf)

十多名來自哈佛及史丹佛等大學的研究人員本周在arXiv發表了一研究報告,表示他們結合了包括Google搜尋及Twitter在內的6項串流資訊指標,打造了一個可即時預測武漢肺炎(COVID-19)爆發時程的演算法,以讓美國或其它政府可根據該演算法,來判斷醫療資源的分配或是城市的開放腳步。

該研究所衡量的6項指標包括Google與武漢肺炎相關的搜尋字串、Twitter上的相關活動、醫療資源搜尋平臺UpToDate上的醫師搜尋、全球疫情與移動模型(Global Epidemic and Mobility Model,GLEAM)、來自於手機的匿名移動資料,以及Kinsa智慧溫度計所上傳的數據等。

研究人員先分析了美國前6個月以來,疫情爆發與上述指標的關係,再建立一演算法來進行預測。研究人員指出,上述每一個指標都有各自的侷限,但將它們以不同的加權整合之後,就能打造一個接近即時的COVID-19早期預警系統,以期準確預測確診人數或死亡人數即將大爆發的時間,如同加熱或冷卻系統中的恆溫器,可隨著疫情的起伏而強化或放鬆非藥物介入(Non-pharmaceutical interventions,NPIs)的防疫機制,如衛生教育、隔離、或環境消毒等,也可據此適度地開放商業活動。

根據此一演算法,在看到早期跡象到確診人數爆發的中位數為19.5天,或者是在看到早期跡象到死亡人數遽增的中位數為29天。該研究也顯示,在採用非藥物介入的防疫政策的5、6周後,就能看到確診及死亡人數的減少。

熱門新聞

Advertisement