新的MIT模型可以帮助确定减少Covid-19传播所需的检疫措施

减少COVID-19传播

一项新的研究发现,与Covid-19感染的人数与Covid-19感染的人数直接相关。

一个关键的发现是:去年春天提前重新开放导致美国南部和中西部各州的“隔离强度”大幅下降。

本文中描述的一些研究已在预印刷服务器上发布,但尚未通过该领域的专家进行同行评审。

随着Covid-19感染在美国各地飙升,一些州正在收紧限制,重新建立隔离措施,以减缓病毒的传播。由麻省理工学院研究人员在被感染的人数与国家维护其检疫措施之间的人数之间存在直接联系。

研究人员在发表于《科学》杂志的一篇论文中描述了他们的模型细胞模式11月,显示该系统可以重新制造检疫措施对世界各国的病毒措施的影响。在他们的下一项研究中,最近发布到预印刷服务器Medrxiv.,他们去年春天和夏天钻入了来自美国的数据。他们发现的早期感染激增,与“检疫力强度”下降强烈相关 - 球队定义了将受感染者免于感染其他人的能力。

最新的研究侧重于去年春季和初夏,当时美国南部和西部地区的急剧崛起在重新开放和轻松的检疫措施中的州内感染急剧上升。研究人员使用他们的模型来计算这些状态的检疫力,其中许多是在春季初始锁定之后重新开放。

美国崛起Covid感染

最新的研究集中在今年初夏,当时美国南部和中西部的感染病例急剧上升。研究人员使用他们的模型显示,检疫隔离的强度在提前重新开放的州显著下降。资料来源:研究人员提供

如果这些州没有那么早重新开放,或者重新开放但严格执行的措施,比如戴口罩和保持社交距离,该模型计算出,在研究人员考虑的所有州,超过40%的感染本可以避免。特别是,该研究估计,如果德克萨斯和佛罗里达保持更严格的隔离措施,这两个州可以避免超过10万例感染。

麻省理工学院土木与环境工程系研究生、该研究的第一作者Raj Dandekar说:“如果你看一下这些数字,你就会发现,个人层面上的简单行动可以导致感染人数的大幅减少,并可以极大地影响这种流行病的全球统计数字。”

随着美国正在与冬季新感染的浪潮作斗争,各州再次收紧限制措施,该团队希望该模型能帮助决策者确定要实施的隔离措施的级别。

“我认为我们已经定量学习的是,从超隔离区跳到没有隔离和返回超隔离区肯定不起作用,”麻省理工学院的应用数学教练共同作者Christopher Rakauckas说。“相反,良好的一致应用程序将是一个更有效的工具。”

新论文的麻省理工学院共同作者还包括本科艾玛王和机械工程教授乔治·贝斯帕斯坦。

力量学习

该团队的模型是一个标准SIR模型的修改,一种流行病学模型,用于预测疾病的方式,基于人们“易感”,“传染性”或“恢复”的人数。丹德卡及其同事增强了一个主题模型,具有他们培训的神经网络,以处理真实的Covid-19数据。

机器学习增强的模型学会识别受感染和恢复的病例数据中的模式,以及从这些数据中,它计算没有将病毒传送给他人的受感染者的数量(可能是因为受感染的个体遵循某种方式隔离措施)。该价值是研究人员标签为“检疫力的实物”,这反映了区域如何在被感染的个体中隔离。该模型可以随着时间的推移处理数据,看看区域的检疫力量如何发展。

covid检疫力量

在模拟情景中,团队表明,如果南部和西中央州的国家稍后开放,维持检疫实力,则可能避免了40%以上的Covid-19感染。资料来源:研究人员提供

研究人员在2月初开发了该模型,并将其应用于70多个国家的Covid-19数据,发现该模型准确模拟了最初受到该病毒严重打击的欧洲、南美和亚洲国家的实地隔离情况。

“当我们查看这些国家来看待检疫时,我们与训练有素的检疫强度信号的结果相比,我们看到了非常强烈的相关性,”Rackauckas说。“在所有国家,在制定政策之后,我们模型中的检疫实力发生了一两天或两项。结果验证了该模型。“

该团队上个月发布了这些国家级结果细胞模式同时也在covid19ml.org,用户可以单击世界地图,查看给定国家的隔离强度随时间的变化情况。

如果各州推迟了呢?

Once the researchers validated the model at the country level, they applied it to individual states in the U.S., to see not only how a state’s quarantine measures evolved over time, but how the number of infections would have changed if a state modified its quarantine strength, for instance by delaying reopening.

他们把重点放在美国南部和中西部地区,那里的许多州提前重新开放,随后感染病例迅速增加。研究小组使用该模型计算了5月15日前开放的亚利桑那州、佛罗里达州、路易斯安那州、内华达州、俄克拉荷马州、南卡罗来纳州、田纳西州、德克萨斯州和犹他州的隔离强度。他们还模仿了纽约、新泽西和伊利诺斯州,这些州将重新开放推迟到5月底和6月初。

他们喂养了针对每种州报告的感染和回收的型号的型号,从每个州报告500次感染,直到7月中旬。他们还注意到每个州的留在局部订单的日子被提升,有效地指导了该州的重新开放。

对于每个国家,重新开放后,检疫时间很快就会下降;这种下降的陡峭和随后的感染升高,与国家重新开放有着强烈的相关性。尽早重新开放,如南卡罗来纳州和田纳西州,令人沮丧的土区实力下降,日常病例较高。

“而不是只是说重新开放是坏的,我们实际上已经量化了这是多么糟糕,”丹德卡说。

与此同时,纽约和新泽西如同延迟重新开放或强制检疫措施,例如在重新开放之后戴着面膜,保持更多或更少稳定的检疫体,感染没有显着升高。

“现在我们可以给出与现实相匹配的检疫力量的衡量标准,我们可以说,'如果我们保持一切常量怎么办?南方国家在他们的前景中有多大差异?“”Rackauckas说。

接下来,该团队逆转其模型,以估计如果在重新开放后,如果给定的状态保持稳定的检疫强度,则估计会发生的感染数量。在这种情况下,在他们建模的每个状态下可以避免超过40%的感染。在德克萨斯州和佛罗里达州,每个州的百分比达到约10万个可预防案件。

随着大流行的延续和激增,政策制定者可以使用模型来计算保持状态在一定数量以下的当前感染所需的检疫强度。然后,它们可以通过数据看待状态呈现相同价值的时间点,并参考当时的限制类型,作为他们在当前可以放置的政策的指南。

“我们能接受的这种疾病的增长速度是多少?什么样的隔离政策才能让我们达到这个目标?”“奈克考卡斯说。“是每个人都躲在家里,还是每个人都可以去餐馆,但每周只去一次?”这就是模型能告诉我们的。它可以让我们对这个问题有一个更精确的量化视角。”

引用:

“一个机器学习辅助的全球诊断和比较工具,用于评估检疫控制的效果新型冠状病毒肺炎由Raj Dandekar, Chris Rackauckas和George Barbastathis传播,2020年11月17日,细胞模式
DOI:10.1016 / J.PTAPT.2020100145

“延迟重新开放在南部和西部南部和南部和西部 - 中部飙升的影响”由Raj Dandekar,Emma Wang,George Barbastathis和Chris Rackauckas,32日12月3日,MedRxiv
DOI:10.1101 / 2020.12.01.20242172

这项研究部分由智能高级研究(项目活动(IARPA)提供资金。

第一个发表评论在“新的麻省理工学院模型有助于确定减少Covid-19传播所需的检疫措施”

发表评论

邮箱地址可选。如果提供,您的电子邮件将不会被发布或共享。