Используя неконтролируемое машинное обучение, мы пытаемся оценить влияние масок на распространение Covid-19 в округах США.

Прошло чуть более 1,5 лет с тех пор, как мир впервые услышал, что индийское намасте является лучшим способом приветствия, чем рукопожатие. Наряду с этим было бесчисленное множество других предложений, которые мы слышали, пробовали или отвергали, чтобы противостоять этой пандемии, которая до сих пор определяет жизнь во многих частях мира.

Следовательно, поскольку мир медленно, но верно, кажется, возвращается к своему нормальному состоянию, я подумал, что было бы неплохо поделиться проектом, над которым я работал ровно год назад из-за пределов своей маленькой комнаты, когда изоляция была в самом разгаре.

В сотрудничестве с членами моей команды в Tantiv4 мы разработали CMAP или программу анализа масок Covid, чтобы оценить влияние масок на распространение Covid-19 в округах США. Поскольку вопрос об обязательном ношении масок продолжает вызывать разногласия в Соединенных Штатах, нам показалась интересной идея количественно оценить влияние масок; не с медицинской точки зрения, а с точки зрения политических вмешательств или, говоря языком нашего времени, мандатов на маски. Используя неконтролируемые методы машинного обучения и искусственного интеллекта, мы разработали инструмент, который можно использовать для понимания влияния политики или предписаний в отношении масок в местном и национальном масштабе.

ПОДХОД

Поскольку информация о распространении вируса все еще находилась на начальных этапах, любой алгоритм, включающий кофакторы, которые могли бы предсказать распространение болезни, теоретически всегда не мог представить полную картину.

В своей предыдущей статье я кратко рассказал об алгоритме неконтролируемого машинного обучения под названием Robust Synthetic Control (RSC). Поскольку для этого требуется только переменная результата, это помогло нам отказаться от использования другой ковариантной информации; который в данном случае был Нет. случаев» за 1, 7 и 15 дней до даты вмешательства (подробнее об этом позже). Это также имеет смысл по отношению к нашей проблеме принятия нет. случаев» за определенный период времени сам по себе будет включать все возможные факторы, которые могли повлиять на этот показатель, в первую очередь, таким образом, делая наш подход более надежным.

ШАГИ

  1. Как и требовалось в синтетическом контроле, подходящий пул доноров был сформирован путем выбора аналогичных соседних округов с аналогичной плотностью населения, численностью населения и средним возрастом.
  2. При этом, объединив опрос New York Times, проведенный летом 2020 года, в котором каждый округ классифицировали по шкале приверженности маске от 0 до 5, с данными Джона Хопкинса по количеству случаев, численности населения и т. д., инструмент вернул неверный факт. сценарий относительно того, сколько случаев и возможных смертей произошло бы в округе, если бы соблюдение режима ношения было снижено в данное время вмешательства.

Как видите, сам инструмент обеспечивает демократичный подход, когда пользователь может переопределять настраиваемые параметры. Давая гипотетическое контрфактическое значение, пользователь может скрыть разницу в количестве случаев и ее отношении к соблюдению масок (которое можно переопределить) по отношению к отдельному округу, штату или на национальном уровне.

Ограничения

Поскольку инструмент был создан год назад, его ограничения в отношении данных и проблемы, связанные с тем, чтобы помочь людям интерпретировать результаты, должны быть указаны заранее. Несмотря на то, что мы пытались сделать пользователя максимально удобным для пользователя, вероятность несоответствия конечного значения все же может зависеть от даты вмешательства, которую выбирает пользователь. Но тем не менее, для инструмента, созданного при таких ограничениях как информации, так и мобильности, он по-прежнему предлагает новый подход, который можно использовать для оценки эффективности политических вмешательств; не только для Covid, но и для других непредвиденных обстоятельств.

Ссылка на документ:https://www.researchgate.net/publication/344849186_A_Nation-Wide_Tool_To_Understand_Impact_of_COVID19_Related_Mask_Policies_Using_Robust_Synthetic_Control

Видео-демонстрация CMAP:Пост | Подача | LinkedIn

Дополнительная информация:https://www.tantiv4.com/insights/iot-big-stories/applying-ai-for-analyzing-mask-efficacy-during-the-covid-19-pandemic