Согласно новому исследованию, опубликованному в Proceedings of the National Academy of Sciences , исследователи из Техасского университета в Остине, используя данные о мобильности мобильных телефонов и данные о госпитализации в связи с COVID-19, надежно спрогнозировали потребности региональных больниц почти на два года . Система прогнозирования, которой муниципальные власти приписывают помощь Остину в поддержании самого низкого уровня смертности от COVID-19 среди всех крупных городов Техаса, была разработана для использования 22 муниципальными районами Техаса и может использоваться любым городом для управления реагированием на COVID-19. поскольку вирус продолжает распространяться.
Научная группа в сотрудничестве с избранными руководителями города Остин, должностными лицами общественного здравоохранения и руководителями системы здравоохранения разработала мощную модель прогнозирования и две общедоступные информационные панели, которые позволили городским руководителям управлять ресурсами здравоохранения , обеспечивать достаточную вместимость больниц и сообщать о рисках пандемии для публика.
Когда модель разрабатывалась в первые месяцы пандемии, она выделялась среди других прогнозов, которые были доступны онлайн. Например, модель UT включала подробные данные о передвижении населения и данные о госпитализации задолго до широко известной модели Института показателей и оценки здоровья (IHME) Вашингтонского университета. Модель также предоставляет прогнозы на уровне города, а не на уровне штата, которые жизненно важны для прогнозирования и управления всплесками медицинской помощи в связи с COVID-19. Для этого он включает подробную информацию о возрасте и рисках для здоровья местных жителей.
Панели прогнозирования, разработанные Консорциумом моделирования COVID-19 UT, используют интуитивно понятные графики и спагетти-линии из прогнозов ураганов, чтобы сообщить о ближайших и будущих рисках COVID-19. Ежедневные онлайн-прогнозы помогают жителям Остина и местным властям принимать жизненно важные решения с весны 2020 года. Модель можно адаптировать для прогнозирования потребностей в медицинской помощи в связи с COVID-19 в любом городе США на три недели вперед. Он использует анонимные данные о мобильности мобильных телефонов из SafeGraph, которые показывают, сколько времени люди остаются дома и как часто они посещают достопримечательности, такие как бары, рестораны и школы. Эти данные отражают то, как ежедневно меняется поведение в ответ на изменение условий COVID-19.
«Данные о перемещении населения помогают нам оценивать меняющиеся риски передачи COVID-19 и прогнозировать всплески медицинской помощи на несколько недель вперед», — сказал Спенсер Фокс, автор-корреспондент и заместитель директора Консорциума моделирования COVID-19 UT.
Команда также измерила взаимосвязь между мобильностью и передачей COVID-19 и обнаружила, что меры предосторожности, такие как маски для лица и социальное дистанцирование, снижают риск передачи, когда люди находятся в общественных местах.
«Взаимосвязь между мобильностью и передачей COVID-19 была слабее в феврале 2021 года по сравнению с мартом 2020 года, что говорит о том, что сообщество нашло более безопасные способы взаимодействия на публике», — сказал Фокс.
