该模型有助于确定减少COVID-19传播所需的检疫措施
由于Covid-19对美国的感染飙升，有些国家正在收紧限制和重新安排检疫措施，以减缓病毒的传播。麻省理工学院研究人员开发的模型显示了被感染的人数与国家有效地保持其检疫措施之间的直接联系。
研究人员描述了他们的模型发表在细胞模式11月，显示该系统可以重新制造检疫措施对世界各国的病毒措施的影响。在他们的下一项研究中，最近发布到预印刷服务器Medrxiv，他们去年春夏钻入了美国的数据。他们发现，他们发现的早期感染激增与“检疫强度”下降强烈相关 - 一项衡量团队定义作为将受感染者感染感染其他人的能力。
最新的研究侧重于去年春季和初夏，当时美国南部和西部地区的急剧崛起在重新开放和轻松的检疫措施中的州内感染急剧上升。研究人员使用他们的模型来计算这些状态的检疫力，其中许多是在春季初始锁定之后重新开放。
如果这些国家没有重新开放，或者已经重新开放但严格强制执行措施，例如戴着面膜佩戴和社会疏散，则可以在研究人员所考虑的所有国家避免超过40％的感染。特别是，如果德克萨斯州和佛罗里达州保持更严格的检疫措施，则可以在每个国家避免超过100,000名感染。
“如果您查看这些数字，则对个人级别的简单行动可能导致感染数量的巨大减少，并且可以大量影响这一流行病的全球统计数据，”MIT部门的研究生队的研究生队长和环境工程。
随着国家与冬季浪潮的新感染，各国再次收紧限制，该团队希望该模型可以帮助政策制定者确定检疫措施水平。
作者之一、麻省理工学院应用数学讲师克里斯托弗•拉卡卡斯说:“我认为我们从数量上了解到的是，从超级隔离跳到不隔离，再跳到超级隔离，绝对行不通。”“相反，持续良好的政策应用将是一个更有效的工具。”
新论文的麻省理工学院共同作者还包括本科艾玛王和机械工程教授乔治·贝斯帕斯坦。
力量学习
该团队的模型是一个标准SIR模型的修改，一种流行病学模型，用于预测疾病的方式，基于人们“易感”，“传染性”或“恢复”的人数。丹德卡及其同事增强了一个主题模型，具有他们培训的神经网络，以处理真实的Covid-19数据。
机器学习增强的模型学会识别受感染和恢复的病例数据中的模式，以及从这些数据中，它计算没有将病毒传送给他人的受感染者的数量（可能是因为受感染的个体遵循某种方式隔离措施）。该价值是研究人员标签为“检疫力的实物”，这反映了区域如何在被感染的个体中隔离。该模型可以随着时间的推移处理数据，看看区域的检疫力量如何发展。
研究人员于2月初开发了该模型，并将其应用于来自70多个国家的COVID-19数据，发现该模型准确模拟了最初受该病毒严重打击的欧洲、南美和亚洲国家的地面检疫状况。
“当我们查看这些国家来看待检疫时，我们与训练有素的检疫强度信号的结果相比，我们看到了非常强烈的相关性，”Rackauckas说。“在所有国家/地区，我们模型中模型中的检疫力发生了一两天或两次。这些结果验证了该模型。”
该小组于上个月发表了国家层面的研究结果细胞模式，并且还在Covid19ml.org托管结果，用户可以点击世界地图，看看给定的国家的检疫时间随着时间的推移而变化。
如果国家推迟了什么？
Once the researchers validated the model at the country level, they applied it to individual states in the U.S., to see not only how a state's quarantine measures evolved over time, but how the number of infections would have changed if a state modified its quarantine strength, for instance by delaying reopening.
他们主要集中在美国南部和中西部，那里的许多州很早就重新开放了，随后出现了感染的快速激增。该团队使用该模型计算了亚利桑那州、佛罗里达州、路易斯安那州、内华达州、俄克拉荷马州、南卡罗来纳州、田纳西州、得克萨斯州和犹他州的隔离力度，所有这些地区都在5月15日前开放。他们还效仿了纽约、新泽西和伊利诺斯州的做法，这些州将重新开放的时间推迟到了5月底和6月初。
他们喂养了旨在为每个州报告的受感染和恢复的人数，从500日开始感染直到7月中旬，每个州都有报道。他们还指出，每个州的“不准出门令”是在哪一天被取消的，这实际上意味着这个州要重新开业了。
对于每个国家，重新开放后，检疫时间很快就会下降;这种下降的陡峭和随后的感染升高，与国家重新开放有着强烈的相关性。尽早重新开放，如南卡罗来纳州和田纳西州，令人沮丧的土区实力下降，日常病例较高。
“而不是只是说重新开放是坏的，我们实际上已经量化了这是多么糟糕，”丹德卡说。
与此同时，纽约和新泽西如同延迟重新开放或强制检疫措施，例如在重新开放之后戴着面膜，保持更多或更少稳定的检疫体，感染没有显着升高。
“现在我们可以给出衡量现实的检疫力量，我们可以说，”如果我们保持一切常量，那么怎么样？南方会有多少差异状态在他们的前景？“”Rackauckas说。
接下来，研究小组逆转了模型，以估计如果一个特定的州在重新开放后仍然保持稳定的隔离力度，那么可能发生的感染人数。在这种情况下，在他们模拟的每个州，超过40%的感染是可以避免的。在德克萨斯州和佛罗里达州，这一比例相当于每个州约10万例可预防病例。
随着大流行的持续增强和激增，政策制定者可以使用模型来计算隔离区强度需要将一个州当前的感染人数控制在一定范围内。然后他们可以查看数据到某个时间点，在那里国家显示了相同的值，并参考当时的限制类型，作为他们可以在当前实施的政策的指导。
“我们对疾病的增长率是多少，以及将在那里得到我们的检疫政策是什么？”Rackauckas说。“它是每个人在他们的房子里挖掘，还是每个人都允许去餐馆，但每周一次？这就是模型可以告诉我们的东西。它可以让我们更多的是对这个问题的精致量化观点。”
本文由麻省理工学院新闻转载(web.mit.edu/newsoffice/），一个受到麻省理工学院研究，创新和教学的新闻的热门网站。
用户评论