自述COVID-19症状疾病预测有成功的希望

自述COVID-19-related症状的描述,卡耐基梅隆大学的研究人员正在收集全国Facebook和谷歌的帮助下,关联检验证实的病例,提出自我报告可能很快帮助研究人员预测COVID-19活动。

Ryan Tibshirani卡内基梅隆大学的领头人之一德尔福COVID-19反应小组数以百万计的响应卡耐基-梅隆说,Facebook和谷歌用户调查是为团队提供实时的估计县级疾病活动的美国。

“我很满意的Facebook和谷歌的调查结果,“Tibshirani说,副教授统计和机器学习。“他们都超出了我的预期。”

的调查结果加上其他来源的数据,提供实时的迹象COVID-19活动以前无法从其他来源。

这些信息将公开的卡内基梅隆大学的COVIDcast网站,COVIDcast.cmu.edu,Facebook正从它的用户可以在聚合的调查信息https://dataforgood.fb.com/COVID-symptoms-map/。

CMU推出COVIDcast网站今天,估计基于相同的冠状病毒活动从Facebook用户调查。本周晚些时候,COVIDcast网站将互动热美国的地图,显示从Facebook不仅调查估计,而且谷歌用户。地图也将包括匿名数据提供的其他合作伙伴,包括Quidel corp .)和一个国家的卫生保健提供者。

Tibshirani表示,调查结果结合其他数据如医疗索赔和医疗测试,将使中央团队产生疾病活动的估算,比现在的更现实的反思可以从积极的冠状病毒单独测试。大部分的数据源都可以在县级和601年美国的研究人员说,他们有很好的报道县至少有100000人。

在几周内,他们希望利用这些估计提供预测,将有助于医院、应急部门人员和其他卫生官员预测COVID-19的住院人数和ICU承认可能发生在他们的地区提前几周。

到目前为止,卡耐基-梅隆接受从Facebook用户每周约一百万响应。上周,近600000用户的谷歌看来奖励和AdMob应用回答另一个CMU调查每一天。

使用这些和其他独特的数据源,卡耐基-梅隆的研究者将监测变化随着时间的推移,使他们能够预测未来几周COVID-19活动。他们还计划利用这个信息来生产“nowcasts,”集成的估计当前的疾病活动,他们希望将更多的反映现实比每日编译测试证实了COVID-19病例。

Roni罗森菲尔德,后来CMU德尔菲研究小组和机器学习部门负责人说,仅仅依靠积极的测试结果可能无法提供疾病活动的全貌,因为有限的测试能力,报告延误和其他因素。

COVID-19项目,卡内基梅隆大学的德尔菲研究小组,已经发展到包括大约30教员,学生,和其他志愿者,利用多年的经验是卓越的学术中心预测全国流感活动。去年,美国疾病控制和预防中心指定德尔福集团作为两个国家流感中心卓越的预测。在疾病预防控制中心的要求,集团已经扩展和适应其流感预测包含COVID-19努力。

德尔福使用两种主要的方法来预测,这两个已经证明有效的关于流感。一个名为Crowdcast,是“群众的智慧”的方法,依据其预测人类志愿者提交每周的总体判断估计。另一种使用统计机器学习识别模式在卫生保健数据与过去的经历吧。

“这预测的问题太复杂了,我们相信,一个数据和方法的多样性是我们最好的武器,“Tibshirani说。

每天帮助COVID-19预测,Facebook邀请一些美国用户自愿回答关于任何COVID-19症状CMU调查他们可能经历;这项调查是由卡耐基-梅隆和个人不共享与Facebook的反应。

同样,Google正在帮助CMU分发一个问题调查用户;结果还不是共享与谷歌。自2016年以来Google健康趋势提供结算信息搜索,用户执行每天流感,和最近COVID-19-related条款。主要医疗保健提供者共享匿名住院和门诊COVID-related计数,Quidel,诊断测试提供者,匿名共享国家实验室测试数据。

罗森菲尔德说,他们希望来支撑他们的预测努力通过添加另一个五数据源在接下来的几个星期。

“我们深深感激帮助我们的接收来自Facebook、谷歌和其他合作伙伴,”罗森菲尔德说。“他们提供的数据是无价的,会给我们更大的信心一旦我们能够开始我们预估这致命的疾病。”