Araştırmacılar, COVID-19 taşıması muhtemel yüzeylerle etkileşimleri izliyor
New York City’deki araştırmacılar, “yüzey vektörlerinin” karmaşık manzarasını ve dolayısıyla COVID-19 bulaşma fırsatlarını belgelemek için özellikle tıbbi tesisler, toplu taşıma sistemleri ve diğer temel hizmetler etrafındaki insan hareketleri ve davranışları hakkında ayrıntılı 3B veriler topluyor. .
altında çalışmak Ulusal Bilim Vakfı Hızlı Müdahale Araştırması (RAPID) hibe, bir ekip New York Üniversitesi epidemiyolojik analizi, John Snow’un Londra’daki yerel bir salgının enfeksiyon kaynakları olarak kontamine kuyuları belirlemek için kolera vakalarını ilk kez haritalandırdığı 1854’ten beri kullanımda olan konseptin ötesine taşıyor.
NSF tarafından finanse edilen araştırmacılar, tıbbi ve ulaşım tesisleri etrafındaki mevcut koşulların hızlı bir şekilde belgelenmesi ve haritalanmasının, sosyal mesafe düzenlemelerinin uygulanmasını araştırmayı ve maruz kalma ve bulaşma modellerini tahmin etmeyi mümkün kılacağını söylüyor.
Türünün ilk örneği olan çalışma, bir virüsün yalnızca New York’ta değil, Amerika Birleşik Devletleri’nde ve ötesinde kentsel alanlarda nasıl yayıldığının analizini hızlandırmak için makine öğrenimi modelleri oluşturmaya yönelik temelleri atıyor. Bilim adamları, iletim konumlarını belgeleme ve düşünme konusunda yeni bir yola öncülük ediyorlar. NSF’nin Davranış ve Bilişsel Bilimler Bölümü’nde program direktörü olan Scott Freundschuh, “Bu proje, insanların çevrelerindeki hareketlerine ve etkileşimlerine dayalı olarak virüslerin bulaşmasını daha iyi anlamamıza yardımcı olacak” diyor.
Bu tür dokümantasyon ve modelleme, havaalanlarına, marketlere ve oyun alanlarına — büyük insan gruplarının bir şeylere dokunup sonra ayrıldığı her yere uygulanabilir.
“Bu bilim adamları, vatandaşların New York’ta toplu taşıma araçlarını kullandıklarını, bir sağlık tesisinden çıktıklarında elleriyle neye dokunduklarını (tırabzan gibi), dokunmanın ne kadar sürdüğünü ve ellerinin hangi kısımlarının olduğunu belgeliyorlar. nesnelerle temas halinde” diyor Freundschuh.
“Bilgiler, halk sağlığı yetkililerinin toplulukları daha iyi hastalık takibi, topluluk bulaşma tahmini ve önleyici dezenfeksiyon stratejileri için bilgilerle daha iyi donatmasını sağlamak için 3B modeller oluşturmak için kullanılacak.”