korisni podaci
Slovenski znanstvenik sa Stanforda izradio računalni model koji predviđa kako se COVID-19 širi gradovima

Istraživanje je vodio Jure Leskovec, izvanredni profesor računarstva na Stanford Engineeringu, član Stanford Bio-X-a i Instituta za neuroznanosti Wu Tsai te glavni znanstvenik u Pinterestu
Izvor: Profimedia / Alamy, EPA / Autor: Peter Kov, PETER KLAUNZER
Tim istraživača stvorio je računalni model koji je točno predvidio širenje Covida-19 u deset većih američkih gradova. Da bi stvorili ovaj model, analizirali su tri čimbenika koji potiču rizik od infekcije: kamo ljudi idu tijekom dana, koliko dugo se zadržavaju i koliko drugi ljudi posjećuju isto mjesto u isto vrijeme.
-
9
strojno učenjE
Istraživanje svih istraživanja: Švedski znanstvenici proučili sve radove o koronavirusu i otkrili slabe točke
-
Upozorenje s Princetona
Ljudi postaju sve osjetljiviji: Mjere protiv širenja koronavirusa izazvat će velike epidemije gripe i drugih zaraznih bolesti
-
studija s oxforda
Covid-19 utječe na mozak i um: Svaki peti oboljeli u roku od 90 dana razvije neku mentalnu bolest
'Izgradili smo računalni model kojim smo analizirali kako ljudi različitog demografskog porijekla i iz različitih kvartova posjećuju različita, više ili manje pretrpana mjesta. Temeljem tih podataka mogli bismo predvidjeti vjerojatnost pojave novih infekcija u bilo kojem trenutku', kaže slovenski računalni znanstvenik Jure Leskovec, izvanredni profesor računarstva na Stanford Engineeringu, član Stanford Bio-X-a i Instituta za neuroznanosti Wu Tsai te glavni znanstvenik u Pinterestu.
Restorani, fitnes centri, kafići...
Studija objavljena u časopisu Nature, objedinjuje demografske podatke, epidemiološke procjene i anonimne podatke o lokaciji mobitela, a čini se da potvrđuje da se većina prijenosa Covida-19 događa na mjestima 'prekomjernog širenja', poput restorana, fitness centara i kafića, dakle na mjestima na kojima se veći broj ljudi duže vrijeme zadržava u blizini drugih.

Novi računalni model predviđa količinu novih infekcija s obzirom na aktivnosti u Chicagu
Izvor: Ostale fotografije / Autor: Serina Yongchen Chang
Istraživači kažu da bi njihov model mogao poslužiti kao sredstvo za minimaliziranje širenja Covida-19. Koautor studije David Grusky, profesor sociologije na Stanfordovom Filozofskom fakultetu, kaže da ova sposobnost predviđanja pruža korisne nove uvide u čimbenike koji stoje iza nerazmjerne stope zaraze među pripadnicima manjina i ljudima s niskim prihodima.
'Pretpostavljalo se da su te razlike uzrokovane postojećim uvjetima i nejednakim pristupom zdravstvenoj zaštiti, no naš model sugerira da i obrasci mobilnosti utječu na nesrazmjerne rizike', kaže Grusky.
Istraživači sa Stanforda stvorili su model za predviđanje širenja Covida-19
Izvor: Društvene mreže / Autor: Stanford
Leskovec smatra kako ovaj model nudi dosad najsnažnije dokaze da su politike zaključavanja smanjile broj izlazaka i tako usporile stopu novih infekcija.
Studija je pratila kretanje 98 milijuna Amerikanaca u deset najvećih gradskih područja - New York, Los Angeles, Chicago, Dallas, Washington, DC, Houston, Atlanta, Miami, Philadelphia i San Francisco - kroz 553.000 javnih lokacija, od restorana i fitnes centara do trgovina za kućne ljubimce i auto kuća.

Jure Leskovec sada radi na razvoju modela u pristupačan alat za kreatore politika i djelatnike javnog zdravstva
Izvor: EPA / Autor: PETER KLAUNZER
Te podatke pružila im je tvrtka SafeGraph koja anonimne podatke o lokaciji prikuplja iz mobilnih aplikacija. Saznali su pritom i kolika je kvadratura svakog objekta kako bi istraživači mogli odrediti gustoću zauzetosti po satu.
U stvarnom životu nemoguće je unaprijed znati kada i gdje zarazna osoba dolazi u kontakt s drugim ljudima kako bi stvorila potencijalnu novu infekciju. No, istraživači su razvili i pročistili niz jednadžbi za izračunavanje vjerojatnosti zaraznih događaja na različitim mjestima i u različitim vremenima.
Model su usavršavali sve dok nije uspio odrediti brzinu prijenosa virusa u svakom gradu. Stopa je varirala od grada do grada, ovisno o čimbenicima koji su se kretali od toga koliko su često ljudi izlazili iz kuće do vrsta mjesta koja su posjetili.
Kombinirajući svoj model s demografskim podacima dostupnim iz baze podataka o 57.000 gradskih blokova i četvrti u kojima živi od 600 do 3000 ljudi, istraživači su otkrili pripadnici manjina i siromašni češće napuštaju dom jer to od njih zahtijeva njihov posao i kupuju u manjim, pretrpanim trgovinama. istovremeno, ljudi s višim prihodima češće rade od kuće, koriste kućnu dostavu, a kad i odlaze na posao rade u prostranijim uredima s manje ljudi oko sebe.
Javno dostupni alati
Studija je tako otkrila i da je kupovanje namirnica otprilike dvostruko rizičnije za nebjelačko stanovništvo.

Pripadnici manjina i siromašni Amerikanci češće napuštaju dom jer to od njih zahtijeva njihov posao i kupuju u manjim, pretrpanim trgovinama
Izvor: Profimedia / Alamy / Autor: Richard Levine
Spajanjem podataka o mobilnosti s demografskim i epidemiološkim podacima stvoren je model za analizu učinkovitosti i pravednosti različitih politika ponovnog otvaranja. Još bolje, ti su alati i podaci sad javno dostupni kako bi ih mogli koristiti i drugi istraživači.
'Svatko može koristiti ovaj model za razumijevanje posljedica različitih odluka o ostajanju kod kuće i poslovnom zatvaranju', rekao je Leskovec, čiji tim sada radi na razvoju modela u pristupačan alat za kreatore politika i djelatnike javnog zdravstva.
- demografija
- manjine
- pandemija
- koronavirus
- računalni model
- sveučilište stanford
- širenje zaraze
- covid-19
- jure leskovec
- bio-x
- david grusky
- safegraph