Gesundheit

Data-mining-system gräbt UNS Landkreisen am häufigsten dem Risiko für COVID Todesfälle

Die Aufgabe der Kontrolle der COVID-19-Pandemie Bundesweit und Vorhersage, wo Fälle spike weiter und welche Bereiche haben eine hohe Sterblichkeitsrate bleibt abschreckend für Wissenschaftler und Beamten. Eine neue machine-learning-tool entwickelt von Forschern an ein startup-Unternehmen (Akai Kaeru LLC) in Verbindung mit der Stony Brook University Department of Computer Science und das Institute for Advanced Computational Science (IACS)können helfen Messgerät-Bereiche, die meisten an der Gefahr für das virus-und hohen Sterberaten. Die software, die Sie benutzen analysiert eine massive Daten-set aus allen 3,007 US-counties. Sie fanden heraus, dass Kombinationen von Faktoren wie Armut, ländlichen Einstellungen, niedriges Bildungsniveau, geringe Armut, aber Gehäuse Schulden, und Schlafentzug sind im Zusammenhang mit höheren Todesraten in den Grafschaften.

Die Forscher verwenden eine automatische pattern-mining-engine und software zum analysieren der Daten mit rund 500 Attribute, die die details in Bezug auf Demografie, Wirtschaft, Rasse und Ethnizität, und die Infrastruktur in allen US-counties. Nach der Analyse und Bewertung der Daten innerhalb der Grafschaften, die Sie erstellt haben fast 300 Gruppen von Grafschaften zu einem „hohen Risiko“ für COVID-19 und im Zusammenhang mit dem Tod Preisen.

Viele dieser Bezirke innerhalb des sets, aber nicht alle sind im Südlichen US-Staaten und auch nahe zu 1.000 Grafschaften. Einige Landkreise gehören Hancock, Ga;. Attala, Miss;. Lee, S. C;. Swisher Texas; Adams, Ohio; Torrance, N. M;.. und Madison, Fla. Mississippi, Louisiana und Georgia sind am meisten gefährdet, mit 80-90 Prozent Ihrer Bezirke, die unter diese sets.

„Unsere software-Algorithmus erkennt Landkreise mit bestimmten Bedingungen erscheinen, führen zu höheren als durchschnittlichen US-Todesraten aufgrund von COVID-19,“ sagte Klaus Müller, Ph. D., Professor für Computer Science (IACS Mitglied der Fakultät, CEO von startup-Akai Kaeru, LLC, Principal Investigator des Unternehmens studieren. „Wir können nicht sagen, dass ein bestimmtes Land haben, eine höhere als die übliche Sterberate, aber wir können Vorhersagen für die Gruppe der Landkreise, die passen bestimmten Bedingungen.“

Nach Müller, die software und die Methode verwendet, um die Daten zu analysieren und zu identifizieren Hochrisiko-Bezirken helfen kann, darüber informieren Beamte, basierend auf wichtigen Korrelationen bezogen auf COVID-19 Sterbeziffern und helfen, direkte Zuweisung von Ressourcen wie Test-kits und Stationen. Die Methode und die Erkenntnisse können auch dabei helfen, target community-basierte Informations-Kampagnen über die COVID-19 und Maßnahmen zur Eindämmung der Pandemie und potenziell reduzieren Fällen.

Die Forscher fanden heraus, dass mehrere Bedingungen müssen vorhanden sein, zur gleichen Zeit, dass ein Landkreis zu erhöhten Risiko. Einige dieser Bedingung, die Sätze sind:

  • Armen ländlichen Landkreisen mit alternden Bewohner.
  • Schlafentzug, gebildete Landkreise mit einer geringen Beteiligung in der Krankenversicherung.
  • Landkreise mit niedrigen asiatische, aber hohe Minderheiten, wo schwarze Kinder, die in Armut Leben.
  • Landkreise mit hohem eigenheim-und geringer Armut. Für diese Gruppe der Landkreise gibt es außerdem eine signifikante Korrelation zwischen der Todesrate und die Höhe des Gehäuses Schulden die Grafschaft Bewohner haben.

„Jeder dieser Sätze von Bedingungen erzählt eine einzigartige Geschichte und macht die Künstliche Intelligenz hinter unserem Algorithmus erklärbar.“ Sagt Müller. „Zum Beispiel, was könnten wir schließen aus dem“ hohen Hause Eigentums-und low-Armut “ – Muster ist, dass es Hausbesitzer in diesen wohlhabenden Bezirken mit hohem eigenheim-wer kann sich nicht leisten, Ihre Häuser und als ein Ergebnis führen hohe Gehäuse Schuld. Dann, als der Anteil dieser Arten von Hausbesitzer im Landkreis wächst, tut so die Gefahr der COVID-19-Infektion und möglicherweise der Tod.“

„Wir beobachten auch in einem anderen county einstellen, dass Arme und Alterung Landkreise mit einer geringen Bevölkerungsdichte sind im Durchschnitt besonders hart von COVID-19“, erläutert Müller. „Während es ist nun gut bekannt, dass ältere Bewohner sind anfälliger für COVID-19, das Muster sagt uns, dass das hohe Risiko zu sein scheint, verstärkt durch zwei Faktoren, die mit der Zugänglichkeit:

(1) Die Bewohner Leben in Dünn besiedelte Gebiete bieten weniger urgent care Einrichtungen und (2) die Einwohner sind meistens die Armen, die behindert Ihre Fähigkeit, zu verwenden und für diese Dienste bezahlen.“

Müller betont, dass alle Schlussfolgerungen über Bedingungen im Zusammenhang mit hohen Sterblichkeitsraten aufgrund von COVID-19 in der Grafschaft legt oder bestimmte Bezirke werden weiterhin weitere Untersuchungen erforderlich, da eine Pandemie ist nicht statisch und Faktoren, die zu Krankheit und Tod sind oft komplizierter.