روزانه جلسات توسط مقامات بهداشت عمومی در coronavirus همه گیر تبدیل شده اند باید ببینید حوادث برای کانادایی ها. تقریبا در هر ساعت از هر روز ما با بمباران اطلاعات حیاتی در مورد COVID-19: که چگونه بسیاری از موارد جدید چگونه بسیاری از بستری چگونه بسیاری از آزمایش چگونه بسیاری از بهبود و متاسفانه چگونه بسیاری از مرگ و میر.

هیچ سوال وجود دارد که کانادایی ها مدیون یک بدهی بزرگ قدردانی به کارگران خط مقدم که درمان بیمار ما را امن و حفظ زنجیره تامین است که خوراک خانواده های ما. این نیز مسلم است که تا هنوز ما هیچ درمان یا واکسن در دسترس به طور موثر جلوگیری از گسترش سرایت و یا کاهش اثرات آن است.

در این زمینه به عنوان هر بهداشت عمومی پزشک به شما خواهد گفت — داده های ما با ارزش ترین متحد. نظارت بر میزان عفونت و اقدامات برای کاهش قرار گرفتن در معرض ضروری برای کاهش تعداد آلوده بیش از دوره های طولانی تر از زمان اغلب به عنوان “مسطح منحنی.”


ادامه مطلب: چگونه برای صاف منحنی coronavirus یک ریاضیدان توضیح می دهد


داده ها در دسترس بودن مراقبت های ویژه تخت ماسک و تجهیزات حفاظتی برای پزشکان و پرستاران کمک به ما برای برنامه ریزی موثر برای موج در بستری. داده ها در محل شیوع بیماری کمک به حفاظت از جمعیت های آسیب پذیر و یا برای جلوگیری از گسترش عفونت در سراسر مناطق.

اطلاعات تغذیه مدل

داده ها چنین تغذیه مدل که مقامات بهداشت عمومی در تکیه می کنند برای تعیین این که چه کسی خواهد بود موضوع را به خود جداسازی و برای میلیون ها کانادایی هنگامی که و چگونه آنها قادر خواهد بود به بازگشت به زندگی عادی خود.

وعده دقیق و آموزنده و اطلاعات به اشتراک گذاشته بی حد و حصر است. واقعیت جهانی داده ما این است که آن را نادرست و ناقص نکردن و حتی گاهی اوقات فاسد است.

روزانه جلسات از کارشناسان ارشد بهداشت عمومی افسر ترزا تام تبدیل شده اند باید ببینید حوادث برای کانادایی ها در مورد بیماری همه گیر کوروناویروس. کانادا پرس/Adrian microsoft developer

ما رو به این نسل چالش دقیقا در زمانی که ما توانایی جمع آوری و تجزیه و تحلیل داده ها در یک مقیاس است که غیر قابل تصور بود و حتی دو دهه پیش.

برای به حداقل رساندن درد و رنج و از دست دادن زندگی انسان ما باید متعهد به شفاف و باز اشتراک گذاری اطلاعات. مدل های ما — که آیا آنها سازش ساده و رگرسیون تجزیه و تحلیل و یا پیچیده ترین شبکه های عصبی — بستگی دارد به طور کامل بر روی کیفیت و کمیت داده های مورد استفاده برای ساخت آنها.

داده ها تجزیه و تحلیل نیست خود را. وجود دارد به همان اندازه نقش مهم برای حرفه ای ها مانند داده های دانشمندان و کارشناسان حوزه که می تواند صحبت می کنند زبان علم داده ها در سراسر انضباطی طیف.

مدل سازی کمک خواهد کرد که اقتصاددانان

حرکت فراتر از بحران ما را به شدت تکیه بر مدل سازی تمرینات انجام شده توسط ما اقتصاد دانان و تحلیلگران کسب و کار و دیگر دانشمندان علوم اجتماعی که می تواند نقطه راه بازگشت به سالم و تحمل و مرفه جامعه است.

این جریان است. دانشگاه مدیریت بحران پروفسور اریک کندی برای مثال ردیابی چگونه کانادایی فهم و درک شیوع آنها اعتماد برای اطلاعات و چگونه آنها تطبیق رفتارهای خود. این ضروری بینش را به بیشتر استراتژی های موثر برای اشتراک گذاری اطلاعات است که می تواند به حداقل رساندن اثرات مشابه بیماری است.

در دانشگاه کلگری تیم دیگری از محققان به رهبری جامعه شناس Myles, Leslie است ارزیابی چگونه COVID-19 آمادگی و پاسخ به سیاست های در حال انتقال و اجرا در بیمارستان و بهداشت خانواده مراکز از انزوا پروتکل به بیمار تریاژ. این کار کمک خواهد کرد که شناسایی فرصت هایی برای بهبود مداوم و آینده سلامت عمومی در شرایط اضطراری.

در دانشگاه مک گیل انفورماتیک پزشکی متخصص David Buckeridge و تیم خود را با ترکیب پردازش زبان طبیعی با تکنولوژی یادگیری ماشین ابزار مانند شبکه های عصبی به تجزیه و تحلیل بیش از دو میلیون متعارف رسانه های اجتماعی و گزارش های رسانه ها در مورد گسترش coronavirus از سراسر جهان است. اطلاعات خواهد شد در ترکیب با داده های دیگر مانند COVID-19 مورد گزارش به سیاستگذاران و مقامات بهداشتی یک عکس بسیار کامل تر از چرا و چگونه این ویروس در حال گسترش است متفاوت در کشورهای مختلف است.

همه ما پیش بینی آن روز که درمان های موثر و واکسن به راحتی در دسترس هستند به آدرس جهانی COVID-19 تهدید. تا آن زمان — و به احتمال بسیار زیاد در آینده — اطلاعات و داده های علمی باقی خواهد ماند در خط مقدم مدیریت بیماری تهدید.

یادداشت سردبیر: تحقیق و پروژه های ذکر شده در این مقاله بخشی از COVID-19 سریع تحقیقات صندوق که اعلام شد در ماه مارس ، علوم اجتماعی و علوم انسانی شورای پژوهش این است که بخشی از آن صندوق. همکاری نویسنده تد هویت است که رئیس جمهور از SSHRC.

tinyurlis.gdv.gdv.htu.nuclck.ruulvis.netshrtco.detny.im