Orgasme yang Segera Terjadi Pada Wanita Berhubungan Dengan Kaki Gelisah - ScienceDaily

Analisis melacak aktivitas ‘terisolasi’ dan ‘seluler’ – dan kasus virus korona berikutnya – ScienceDaily


Pencarian online untuk aktivitas seluler dan terisolasi dapat membantu memprediksi lonjakan dan penurunan kasus COVID-19 di kemudian hari, tim peneliti telah menemukan. Temuannya, berdasarkan analisis pencarian online selama empat bulan, menawarkan cara potensial untuk mengantisipasi jalur pandemi – sebelum infeksi baru dilaporkan.

“Ini adalah langkah pertama untuk membangun alat yang dapat membantu memprediksi lonjakan kasus COVID dengan merekam aktivitas berisiko lebih tinggi dan mobilitas yang diinginkan, yang dapat menerangi pencarian pusat kebugaran dan makan secara langsung,” kata Anasse Bari, asisten profesor klinis di komputer. sains di Institut Ilmu Matematika Courant Universitas New York dan salah satu penulis makalah, yang muncul di jurnal Analisis dan Penambangan Jaringan Sosial. “Menggunakan ‘data alternatif’ bukanlah hal baru dan telah diterapkan untuk tujuan lain – misalnya, data alternatif telah digunakan di bidang keuangan untuk menghasilkan investasi berbasis data, seperti mempelajari citra satelit mobil di tempat parkir untuk memprediksi pendapatan bisnis . “

“Penelitian kami menunjukkan teknik yang sama dapat diterapkan untuk memerangi pandemi dengan melihat sebelumnya, di mana wabah kemungkinan besar akan terjadi,” tambah Megan Coffee, asisten profesor klinis di Divisi Penyakit Menular & Imunologi di NYU Grossman School of Obat. “Mengembangkan barometer perilaku akan, dengan pekerjaan dan validasi lebih lanjut, memungkinkan pembuat kebijakan dan ahli epidemiologi untuk melacak dampak intervensi sosial dan bersiap untuk lonjakan yang meningkat.”

Penelitian tersebut juga menunjukkan hubungan antara aktivitas yang diinginkan di luar rumah setelah pembatasan kuncian dicabut, menunjukkan bagaimana pengaruh keputusan kebijakan dapat diukur dengan menggunakan data alternatif.

Sejak awal pandemi, pemerintah telah membatasi aktivitas, seringkali berdasarkan lonjakan kasus COVID-19, kemudian melonggarkan pembatasan ini setelah penurunan. Namun, tindakan ini sebagai respons terhadap tingkat infeksi dan dirancang untuk membatasi penyebaran kasus di masa depan.

Dalam Analisis dan Penambangan Jaringan Sosial studi, para peneliti berusaha untuk menentukan apakah ada cara untuk melihat perilaku yang diketahui berisiko selama pandemi (misalnya, kunjungan ke tukang cukur dan salon kuku) sebelum wabah lokal dan regional – dan sebaliknya, mengidentifikasi perilaku yang diketahui kurang berisiko ( misalnya, berolahraga di rumah) sebelum penurunan kasus virus corona.

“Tujuan kami adalah untuk menangkap dinamika sosial yang mendasari pandemi yang belum pernah terjadi sebelumnya dengan menggunakan sumber data alternatif yang baru untuk epidemiologi penyakit menular,” jelas Bari. “Saat seseorang mencari waktu tutup bar lokal atau mencari petunjuk arah ke gym lokal, mereka memberikan beberapa wawasan tentang risiko masa depan yang mungkin mereka miliki.”

Untuk memeriksanya, mereka mempelajari pencarian online dari Maret hingga Juni 2020 di 50 negara bagian. Di sini, mereka membagi penelusuran menjadi dua kategori – atau “trek”: trek indeks mobilitas, yang mengategorikan penelusuran yang ditautkan ke interaksi dengan orang lain di luar rumah (mis., “Bioskop di dekat saya”, “tiket penerbangan”), dan indeks isolasi track, yang mengategorikan penelusuran yang terkait dengan aktivitas yang dilakukan di rumah (“pesan-antar makanan”, “yoga di rumah”).

Pilihan kata kunci pencarian tim diinformasikan oleh survei Nationscape Dana Demokrasi + UCLA baru-baru ini yang melacak aktivitas yang dilaporkan individu bahwa mereka akan memprioritaskan hadir jika “pembatasan dicabut atas saran pejabat kesehatan masyarakat terkait aktivitas.” Hasil yang paling populer termasuk “pergi ke stadion / konser”, “pergi ke bioskop”, dan “menghadiri acara olahraga”.

Menggunakan data Google Trends, para peneliti melacak tren penelusuran yang terkait dengan mobilitas dan isolasi untuk mengembangkan indeks mobilitas dan isolasi. Mereka melengkapinya dengan “indeks pergerakan bersih”, yang merupakan selisih antara indeks mobilitas dan indeks isolasi.

Para peneliti kemudian melihat pertumbuhan kasus COVID-19 10 hingga 14 hari kemudian – jeda yang diharapkan antara paparan dan gejala – di tingkat negara bagian dengan memeriksa data dari badan kesehatan negara bagian dan lokal.

Secara keseluruhan, mereka menemukan bahwa indeks pergerakan bersih berkorelasi dengan kasus COVID-19 baru – dilaporkan setiap minggu – di 42 dari 50 negara bagian selama periode penelitian (Maret-Juni 2020).

Para peneliti juga mengamati lebih dekat di lima negara bagian (Arizona, California, Florida, New York, dan Texas) untuk menentukan dampak dari berakhirnya pesanan tinggal di rumah pada penelusuran. Di semua negara bagian ini, indeks mobilitas, yang menurun selama fase penguncian awal, meningkat saat pembukaan kembali dimulai. Selanjutnya, kasus COVID-19 meningkat lagi secara nasional pada Juni 2020 dan melonjak di Arizona, California, Florida, dan Texas.

Sebaliknya, penurunan tajam indeks mobilitas sebelumnya diikuti oleh penurunan tajam dalam data kasus pertumbuhan di lima negara bagian yang sama.

“Dari pekerjaan ini, kami berharap dapat membangun basis pengetahuan tentang perubahan perilaku manusia dari data alternatif selama siklus hidup pandemi untuk memungkinkan pembelajaran mesin memprediksi perilaku dalam epidemi di masa depan,” kata Aashish Khubchandani, seorang sarjana NYU dan salah satu dari penulis makalah.

Para peneliti menyadari bahwa metode berbasis pencarian untuk memprediksi wabah infeksi menimbulkan masalah privasi. Namun, mereka menekankan bahwa alat mereka menggunakan kueri penelusuran dalam jumlah besar, bukan kueri individual, dan mengandalkan data anonim untuk menawarkan proyeksi terkait kesehatan.

Penulis makalah lainnya adalah peneliti Courant Matthias Heymann dan Junzhang Wang, yang merupakan bagian dari lab penelitian Analisis Prediktif dan AI di Courant Institute.

Studi ini sebagian didukung oleh hibah penelitian Amazon AI dan hibah NYU COVID-19 Catalyst Research.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel