क्या कंप्यूटर मॉडल अनुमान कर सकता है कि शहरों में COVID-19 कैसे फैलता है ?

शोधकर्ताओं की एक टीम ने एक कंप्यूटर मॉडल बनाया है जिसने इस वसंत में 10 प्रमुख शहरों में COVID-19 के प्रसार की सटीक भविष्यवाणी की है, जो संक्रमण के जोखिम को संचालित करने वाले तीन कारकों का विश्लेषण करते हैं: जहां लोग एक दिन में चलते हैं, वे कितनी देर तक और कितने समय तक रहते हैं अन्य लोग उसी समय उसी स्थान पर जा रहे हैं।

"हमने यह विश्लेषण करने के लिए एक कंप्यूटर मॉडल का निर्माण किया कि विभिन्न जनसांख्यिकीय पृष्ठभूमि के लोग और विभिन्न पड़ोस से, विभिन्न प्रकार के स्थानों पर जाएं जो कम या ज्यादा भीड़ हैं। इन सभी के आधार पर, हम किसी भी समय होने वाले नए संक्रमणों की संभावना की भविष्यवाणी कर सकते हैं। स्थान या समय, "जुरे लेसकोवेक, स्टैनफोर्ड कंप्यूटर वैज्ञानिक जिन्होंने प्रयास का नेतृत्व किया, जिसमें उत्तर पश्चिमी विश्वविद्यालय के शोधकर्ता शामिल थे।

जर्नल नेचर में आज प्रकाशित किया गया अध्ययन, जनसांख्यिकीय डेटा, महामारी विज्ञान के अनुमानों और अनाम सेलफोन स्थान की जानकारी को मर्ज करता है, और यह पुष्टि करता है कि अधिकांश COVID -19 प्रसारण "सुपरस्प्रेडर" साइटों पर होते हैं, जैसे पूर्ण-सेवा रेस्तरां, फिटनेस सेंटर और कैफे। जहां लोग विस्तारित अवधि के लिए करीब रहते हैं। शोधकर्ताओं का कहना है कि उनके मॉडल की विशिष्टता अधिकारियों को COVID-19 के प्रसार को कम करने में मदद करने के लिए एक उपकरण के रूप में काम कर सकती है क्योंकि वे नए संक्रमणों और खोई हुई बिक्री के बीच व्यापार को प्रकट करके व्यवसायों को फिर से खोलते हैं यदि प्रतिष्ठान खुले, कहते हैं, 20 प्रतिशत या 50 प्रतिशत क्षमता पर ।

स्टैनफोर्ड के स्कूल ऑफ ह्यूमैनिटीज एंड साइंसेज में समाजशास्त्र के एक प्रोफेसर सह-लेखक डेविड ग्रुस्की ने कहा कि यह भविष्यवाणी क्षमता विशेष रूप से मूल्यवान है क्योंकि यह अल्पसंख्यक और निम्न-आय वाले लोगों के असुरक्षित संक्रमण दर के पीछे के कारकों में उपयोगी नई अंतर्दृष्टि प्रदान करता है। "अतीत में, इन असमानताओं को स्वास्थ्य की देखभाल के लिए विषम परिस्थितियों और असमान पहुंच से प्रेरित माना गया है, जबकि हमारा मॉडल बताता है कि गतिशीलता पैटर्न भी इन असंगत जोखिमों को चलाने में मदद करते हैं," उन्होंने कहा।

ग्रुस्की, जो गरीबी और असमानता पर स्टैनफोर्ड सेंटर का निर्देशन भी करते हैं, ने कहा कि मॉडल दिखाता है कि कम रहने वाले कैप के साथ कारोबार फिर से खोलने से वंचित समूहों को सबसे ज्यादा फायदा होता है। "क्योंकि स्थानों है कि अल्पसंख्यक और कम आय वाले लोगों को रोजगार अक्सर छोटे और अधिक भीड़ रहे हैं, फिर से खोला दुकानों पर अधिभोग कैप्स वे जोखिम का सामना कर सकते हैं," Grusky कहा। "हमारी ज़िम्मेदारी है कि हम फिर से तैयार करने वाली योजनाओं का निर्माण करें - जो मौजूदा प्रथाओं का निर्माण कर रही हैं - जो असमानताएँ कम या कम कर देती हैं।"

लेसकोवेक ने कहा कि मॉडल "अभी तक सबसे मजबूत साक्ष्य प्रदान करता है" कि इस वसंत में घर पर रहने वाली नीतियों ने घर से बाहर यात्रा की संख्या को कम कर दिया और नए संक्रमणों की दर को धीमा कर दिया।

अध्ययन ने देश के सबसे बड़े महानगरीय क्षेत्रों में से 10 में 98 मिलियन अमेरिकियों के आंदोलनों का पता लगाया, जो कि आधे मिलियन विभिन्न प्रतिष्ठानों, रेस्तरां और फिटनेस केंद्रों से लेकर पालतू जानवरों के स्टोर और नई कार डीलरशिप तक है।

टीम में स्टैनफोर्ड पीएचडी के छात्र सेरिना चांग, ​​पंग वी कोह और एम्मा पिरसन शामिल थे, जिन्होंने इस गर्मी में स्नातक की उपाधि प्राप्त की, और नॉर्थवेस्टर्न यूनिवर्सिटी के शोधकर्ताओं जलीन जेरार्डिन और बेथ रेडबर्ड, जिन्होंने 10 महानगरीय क्षेत्रों के लिए अध्ययन डेटा एकत्र किया। जनसंख्या क्रम में, इन शहरों में शामिल हैं: न्यूयॉर्क, लॉस एंजिल्स, शिकागो, डलास, वाशिंगटन, डी.सी., ह्यूस्टन, अटलांटा, मियामी, फिलाडेल्फिया और सैन फ्रांसिस्को।

सेफग्राफ, एक कंपनी जो मोबाइल अनुप्रयोगों से अज्ञात स्थान डेटा को एकत्र करती है, शोधकर्ताओं ने डेटा प्रदान किया जिसमें दिखाया गया है कि 553,000 सार्वजनिक स्थानों में से कौन सा हार्डवेयर स्टोर और धार्मिक प्रतिष्ठान लोग प्रत्येक दिन आते हैं; कितनी देर से; और, महत्वपूर्ण रूप से, प्रत्येक स्थापना का वर्ग फुटेज क्या था ताकि शोधकर्ता प्रति घंटा अधिभोग घनत्व निर्धारित कर सकें।

शोधकर्ताओं ने 8 मार्च से 9 मई तक दो अलग-अलग चरणों में डेटा का विश्लेषण किया। चरण एक में, उन्होंने अपने मॉडल गतिशीलता डेटा को खिलाया और एक महत्वपूर्ण महामारी विज्ञान चर की गणना करने के लिए अपने सिस्टम को डिज़ाइन किया: 10 महानगरीय क्षेत्रों में विभिन्न परिस्थितियों में वायरस की संचरण दर। वास्तविक जीवन में, एक संभावित संक्रामक संक्रमण पैदा करने के लिए एक संक्रामक और अतिसंवेदनशील व्यक्ति कब और कहाँ पहले से संपर्क में आता है, यह जानना असंभव है। लेकिन उनके मॉडल में, शोधकर्ताओं ने विभिन्न स्थानों और समय पर संक्रामक घटनाओं की संभावना की गणना करने के लिए समीकरणों की एक श्रृंखला को विकसित और परिष्कृत किया। समीकरण अज्ञात चर के लिए हल करने में सक्षम थे क्योंकि शोधकर्ताओं ने कंप्यूटर को एक, महत्वपूर्ण ज्ञात तथ्य को खिलाया: प्रत्येक दिन प्रत्येक शहर में स्वास्थ्य अधिकारियों को कितने सीओवीआईडी ​​-19 संक्रमणों की सूचना दी गई थी।

शोधकर्ताओं ने मॉडल को परिष्कृत किया जब तक कि यह प्रत्येक शहर में वायरस के संचरण दर को निर्धारित करने में सक्षम नहीं था। शहर से शहर तक की दर भिन्न-भिन्न कारकों के आधार पर होती है कि लोग घर से कितनी बार बाहर निकले और किस प्रकार के स्थानों पर गए।

एक बार शोधकर्ताओं ने 10 महानगरीय क्षेत्रों के लिए संचरण दर प्राप्त की, तो उन्होंने चरण दो के दौरान मॉडल का परीक्षण करके यह पूछा कि प्रत्येक शहर के लिए दर उनके गतिशीलता पैटर्न के डेटाबेस के खिलाफ नए COVID-19 संक्रामक का अनुमान लगाने के लिए