Connect with us
https://ainews.site/wp-content/uploads/2021/11/zox-leader.png

Published

on

The Ultimate Managed Hosting Platform

Esta parte de Morse Street en Columbus parece una autopista para los conductores, y tuvo una alta tasa de accidentes importantes. Puntuación de crédito: Google

Los accidentes automovilísticos graves en áreas de la ciudad son más aparentes en las calles de las ciudades que a los conductores les parecen autopistas, sugiere un nuevo estudio.

La investigación utilizó una estrategia novedosa: los investigadores de la Universidad Estatal de Ohio utilizaron estrategias de aprendizaje automático para investigar más de 240,000 fotos de segmentos de calles en Columbus, Ohio, tomadas de Google Avenue View.

El propósito era ver qué parecían preferir las carreteras a los conductores y si eso estaba relacionado o no con condiciones severas y .

Los hallazgos mostraron que los segmentos de avenidas que habían sido etiquetados como “carreteras abiertas” (donde las imágenes mostraban más cielo visto, más carreteras y más señales) tenían un 48% más de accidentes que causaron daños o muertes que los etiquetados como “residenciales abiertos”.

La clasificación de calles abiertas incluía casi todos los segmentos de autopistas en Columbus (93 %), pero seguramente también incluía más de la mitad de los segmentos de calles arteriales de la ciudad (59 %), las principales vías de alta capacidad por ciudad.

“Hay una variedad de caminos en áreas de la ciudad que no son autopistas, pero que parecen ser autopistas de alta velocidad desde el punto de vista del conductor”, dijo Jonathan Stiles, ahora en Florida Atlantic College, quien dirigió este trabajo como investigador postdoctoral en geografía en Estado de Ohio.

“Ese es un problema porque los conductores se comportan como si estas calles fueran autopistas, a pesar de que también podría haber muchos peatones y actividad humana cerca”.

La investigación fue impresa el 11 de mayo de 2022 en la revista Atmósfera y Planificación B: City Analytics y Metropolis Science. Otros coautores fueron Harvey Miller, profesor, y Yuchen Li, académico graduado, ambos en geografía en el estado de Ohio.

Estos dañinos “caminos abiertos” son familiares para cualquiera que haya empujado por declaró Miller, quien es director de Heart for City and Regional Evaluation de Ohio State.

Por lo general, tienen varios carriles de visitantes, numerosos indicadores de calles y pocos arbustos, y están bordeados de centros comerciales, grandes tiendas, estaciones de combustible y lugares para comer.

“A los conductores, la calle les parece protegida para conducir a velocidades excesivas. Estamos combinando una variedad de complejidad y ejercicio humano con la voluntad de maniobrar vehículos tan pronto como sea posible. Es una mezcla dañina”, afirmó Miller.

Después de recopilar las 241.179 imágenes de la vista de la avenida de segmentos de calles en Columbus, los investigadores utilizaron un modelo de estudio automático para dividir cada imagen en objetos visibles. El modelo pudo informar cómo gran parte de cada imagen mostraba cielo, carretera, indicadores, edificios, arbustos y otros objetos. El cielo fue el aspecto más típico de las imágenes, enmascarando el 27,8% de las fotografías, seguido de calle (24,6%) y arbustos (17,9%).

Una “evaluación de grupo” de computadora reconoció cuatro tipos de calles en Columbus a partir de las imágenes. El “residencial frondoso” tenía más arbustos y calles más estrechas, mientras que el “residencial abierto” tenía comparativamente más cielo y calles junto a las casas.

“Ciudad edificada” describía áreas como el centro de la ciudad, con edificios, aceras y vehículos comparativamente más. La “calle abierta” tenía más cielo, calzada y señalización en relación con las diferentes variedades de calles.

Luego, los investigadores revisaron datos para cada uno de esos segmentos de calles de 2018 y 2019. Examinaron solo los 7,359 choques que resultaron en accidentes o muertes.

El estudio comparó el número de choques graves en tres de las clases de calle con los de calles residenciales abiertas, que se manejó como grupo de referencia.

El grupo residencial frondoso tuvo un 12,4 % menos de accidentes que el residencial abierto, mientras que el grupo urbanizado tuvo un 21,7 % de accidentes extra graves y .

Pero fue el grupo de calles abiertas el que tuvo la mejor correlación con choques severos y mortales, con un 48% más que el residencial abierto.

Miller enfatizó que esta relación entre los choques severos y el tipo de calle se descubrió incluso después de considerar muchos factores diferentes que pueden tener un impacto en el tipo de choques, incluidas las designaciones estatales oficiales de calles para cada fase que podría estar asociada con la velocidad. límites y cantidad de visitantes.

El estudio también descubrió que dos objetos especialmente descubiertos en las imágenes tenían enlaces significativos a la cantidad de choques en cada paso de la calle: botes de basura y señalización.

Los botes de basura adicionales que se ven en las imágenes, los choques menos severos que se registraron en esa fase de la calle. Sin embargo, la señalización adicional en las imágenes estaba relacionada con más accidentes.

“La señalización adicional a lo largo de una calle sugiere una mayor complejidad para que los conductores la enfrenten, por lo que es sensato que esté relacionada con más accidentes”, dijo Stiles.

“Los botes de basura adicionales a lo largo de la calle podrían indicarles a los conductores que están en un área residencial con más personas alrededor, lo que puede resultar en una conducción más cautelosa y menos accidentes”.

Los hallazgos de esta investigación apoyan la idea de caminos que se explican por sí mismos, lo que sugiere que las expectativas y los comportamientos de los conductores están formados por opciones de diseño de calles, afirmó Miller.

“La idea es que la gente en realidad no toma nota de los límites de ritmo publicados. Lo que hacen es tomar nota de la rapidez con que les está diciendo que está protegido para conducir”, dijo.

“Nuestros resultados sugieren que muchas calles de la ciudad le dicen a la gente que está seguro conducir rápido cuando en realidad no lo está, y el resultado son choques más graves y mortales”.

Una implicación esencial de los hallazgos es que los ingenieros visitantes tienen que repensar cómo diseñan las calles de la ciudad, afirmaron los autores.

“Estamos entusiasmados con las carreteras de la ciudad que no son adecuadas de alguna manera”, dijo Stiles. “Estamos alentando a las personas a conducir rápido en áreas con mucha gente y complejidad”.

Una solución podría ser reducir algunas de las carreteras más dañinas, al mismo tiempo que se incluye vegetación, edificios y aceras más cercanas.

“La falta de capacidad y velocidad de los automóviles en tales carreteras también podría afectar a algunos, sin embargo, esto debe sopesarse frente a los numerosos accidentes y muertes que provocan estas carreteras en áreas concurridas”, dijo Miller.


Los accidentes automovilísticos mortales son más probables durante el bloqueo pandémico


Datos adicionales:

Jonathan Stiles et al, ¿Cómo afecta el área de la avenida la frecuencia de choques? Una evaluación que utiliza imágenes segmentadas de Avenue View, Atmósfera y Planificación B: City Analytics y Metropolis Science (2022). DOI: 10.1177/23998083221090962

Cotización:
Impacto letal de las calles de la ciudad que parecen carreteras: más choques en las carreteras donde los conductores creen que conducirán rápido (2022, 12 de mayo)
consultado el 13 de mayo de 2022
de https://techxplore.com/information/2022-05-deadly-impact-urban-streets-highways.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato veraz con el objetivo de investigación o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de datos.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultimas noticias

Los ataques cibernéticos podrían poner en peligro el suministro mundial de alimentos: lo último en inteligencia artificial | IA robótica

Published

on

Cyber attacks could jeopardize global food supplies

The Ultimate Managed Hosting Platform

Un grupo de senadores demócratas ha pedido a la Comisión Federal de Comercio que analice si la empresa de verificación de identidad ID.me engañó ilegalmente a clientes y agencias gubernamentales sobre su uso del controvertido software de reconocimiento facial.

ID.me, que utiliza una combinación de selfies, escaneos de documentos y otros métodos para confirmar las identidades de las personas en línea, ha crecido rápidamente durante la pandemia de coronavirus, en gran parte debido a los contratos con los departamentos estatales de desempleo y agencias federales junto con Inside Income. Servicio.

Él que dice que tiene más de 80 millones de usuarios, también se ha enfrentado a preguntas crecientes sobre ese papel, además de si se debe permitir o no que un contratista personal se comporte como un guardián de facto para . Ya es el tema de una investigación del Comité de Reforma y Supervisión del Hogar.

La clave de los problemas han sido las preguntas sobre el uso de ID.me de . Después de afirmar durante mucho tiempo que solo usaba experiencia “uno a uno” que contrastaba los selfies tomados por los usuarios con los escaneos de una licencia de conducir u otra identificación emitida por el gobierno, la compañía dijo a principios de este año que realmente mantenía una base de datos de escaneos faciales y utilizó una tecnología más controvertida de “uno a muchos”.

En una carta enviada a la presidenta de la FTC, Lina Khan, solicitando una investigación, los senadores Ron Wyden, Cory Booker, Ed Markey y Alex Padilla solicitaron el miércoles al regulador que analice si las declaraciones de la empresa apuntan o no a su uso ilegal de “empresas engañosas e injustas”. prácticas.”

Las declaraciones preliminares de ID.me sobre su software de reconocimiento facial parecían haber sido utilizadas para engañar a los usuarios y escribieron los senadores en la carta.

“Las personas tienen motivos explícitos para estar involucradas en la distinción entre estos dos tipos de reconocimiento facial”, dijeron los senadores. “Mientras que el reconocimiento uno a uno incluye una comparación única de dos imágenes con el fin de afirmar la identificación de un solicitante, el uso del reconocimiento uno a muchos significa que las imágenes de decenas de millones de personas inofensivas pueden ser consultadas sin cesar como parte de una “alineación” digital.

El uso de la experiencia de uno a muchos también planteó problemas sobre coincidencias falsas que llevaron a que a los candidatos se les negaran ventajas o tuvieran que asistir meses para obtenerlas, dijeron los senadores. La posibilidad era “particularmente grave” para las personas de color, ya que las pruebas que mostraban muchos algoritmos de reconocimiento facial aumentaron las tasas de coincidencias falsas para los usuarios negros y asiáticos.

Preguntas sobre el uso de ID.me de surgió en enero después de la publicación de un artículo de Bloomberg Businessweek sobre la empresa. Eso coincidió con problemas crecientes sobre un contrato de $ 86 millones con el IRS que podría haber requerido que los contribuyentes estadounidenses se registraran en ID.me para usar servicios en línea. Desde entonces, el IRS ha anunciado sus opciones para ID.me.

En entrevistas con Bloomberg Businessweek y en un blog de enero publicado por Bake Corridor, su , ID.me había defendido la equidad de sus programas de reconocimiento facial en parte al decir que la compañía simplemente usaba un sistema de coincidencia uno a uno que compara una selfie tomada por la persona con su identificación con foto. “Nuestra coincidencia de caras 1: 1 corresponde a tomar una selfie para desbloquear un teléfono inteligente. ID.me no usa el reconocimiento facial 1:muchos, que es más avanzado y problemático”, escribió Hall en la publicación.

Una semana después, Hall corrigió el archivo en una publicación en LinkedIn, diciendo que la compañía usó un sistema de reconocimiento facial de uno a varios, en el que una imagen contrasta con bases de datos de fotografías a menudo masivas.

Corridor, en esa publicación, dijo que el uso de la empresa de un algoritmo de uno a muchos se limitaba a las comprobaciones de las aplicaciones gubernamentales que, según dice, están enfocadas por el crimen organizado y no contiene ninguna base de datos externa o gubernamental.

“Este paso simplemente no está vinculado a la verificación de identificación”, escribió Corridor. “No impide que los clientes auténticos verifiquen su identificación, ni se usa para ningún otro objetivo además de prevenir el robo de identidad. El conocimiento revela que erradicar esta gestión resultaría instantáneamente en un importante robo de identidad y crimen organizado”.

Si bien los investigadores y activistas han planteado problemas sobre la privacidad, la precisión y los puntos de sesgo en ambos programas, varios estudios muestran que los programas uno a varios funcionan mal en fotografías de personas con piel más oscura, especialmente mujeres. Empresas como Amazon.com Inc. y Microsoft Corp., por lo tanto, han dejado de vender estos tipos de software a los departamentos de policía y han solicitado la regulación presidencial en el campo.

Según los mensajes internos de Slack obtenidos por CyberScoop, el programa de software de ID.me, demostrado al IRS, utilizó el producto Rekognition de Amazon, el mismo que Amazon ha dejado de promocionar para hacer cumplir las leyes.

La compañía no había revelado su uso de Rekognition en un libro blanco sobre su tecnología publicado a principios de ese mes.

Los defensores de la seguridad de la privacidad y la inteligencia artificial también se han quejado de que ID.me no ha abierto sus programas de reconocimiento facial a la auditoría externa.


Los paneles de la Cámara investigan el uso del software de reconocimiento facial por parte del gobierno


©2022 Bloomberg LP
Distribuido por Tribune Content Material Company, LLC.

Cotización:
Los senadores investigan la investigación de la FTC sobre la experiencia en selfies del proveedor del IRS ID.me (2022, 18 de mayo)
consultado el 18 de mayo de 2022
de https://techxplore.com/information/2022-05-senators-ftc-probe-irs-idme.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato honesto con el objetivo de un examen o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de información.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultimas noticias

Una nueva investigación arroja luz sobre cómo aprovechar al máximo las campañas de crowdsourcing: lo último en inteligencia artificial | IA robótica

Published

on

New research sheds light on how to make the most of crowdsourcing campaigns

The Ultimate Managed Hosting Platform

Las personas van por un camino de migas de pan cuando navegan por el mundo digital, brindando pistas sobre lo que está sucediendo en sus vidas, incluida su salud. Mauricio Santillana de Northeastern está utilizando algoritmos de aprendizaje automático para mostrar estas pistas en un sistema de alerta temprana para brotes de enfermedades. Puntuación crediticia: Matthew Modoono/Northeastern College

Parece un chiste más para cualquiera que bromee sobre los últimos dos años de vida pandémica. Sin embargo, para los científicos que pronostican futuros brotes de enfermedades, es un conocimiento necesario.

Las velas aromáticas comenzaron a recibir una afluencia de en línea en 2020. Clientes insatisfechos proclamaron que algunos de los productos más aromáticos y calientes de firmas conocidas como Yankee Candle “no tenían olor” e incluso olían mal.

Estas no eran solo algunas evaluaciones peligrosas. Las velas aromáticas preferidas compradas en Amazon recibieron un promedio de 4 a 4½ estrellas antes de 2020, pero durante los primeros 12 meses de la pandemia, las calificaciones cayeron unas pocas estrellas completas. Los usuarios de las redes sociales reflexionaron sobre algunos vínculos entre estas evaluaciones negativas y la pérdida del sentido del olfato relacionado con las infecciones por COVID-19.

Cuando los casos de COVID-19 aumentaron nuevamente a fines de 2021 debido a la variante omicron, los investigadores notaron otro aumento en estas evaluaciones negativas de “sin olor”.

Estas evaluaciones negativas en línea son lo que Mauricio Santillana llama “migas de pan”. A medida que los individuos navegan por , dejan rastros de lo que sucede en sus vidas fuera de línea, explica el director del Grupo de inteligencia artificial para la mejora de la salud y el medio ambiente (MIGHTE) en el Instituto de Ciencias Comunitarias de Northeastern. Estas “migas de pan” dejan un camino a seguir para que investigadores como Santillana aventuren posibles brotes futuros de COVID-19 y otras enfermedades.

Si hay anomalías en los desarrollos en línea (un aumento en las búsquedas en Google de puntos de venta que envían sopa de fideos con gallina, una ráfaga repentina de tuits sobre cómo navegar con un miembro de la familia en cuarentena o críticas peligrosas sobre velas perfumadas), podría indicar que la molestia se está gestando. Así crea Santillana para identificar las anomalías, dar sentido a esas pistas y crear un sistema de alerta temprana para brotes de enfermedades.

Incluyendo a la combinación, “estamos creando un observatorio del ejercicio de la enfermedad utilizando otros telescopios”, dice Santillana, profesor de física e ingeniería eléctrica y computacional que se unió recientemente a Northeastern de la Universidad de Harvard.

Santillana se está asociando con Alessandro Vespignani, director del Instituto de Ciencias Comunitarias y Profesor Distinguido de la Familia Sternberg en Northeastern, quien lidera un equipo de modeladores de enfermedades infecciosas que estaban desarrollando un conjunto de proyecciones sobre los futuros alcanzables de la pandemia de COVID-19 para el razón por la que comenzó el desastre.

Los modelos de Vespignani combinan detalles como el recuento de casos, las hospitalizaciones, las muertes, los patrones de movilidad humana, la frecuencia con la que las personas trabajan juntas, cómo se transmite el virus y la información adicional dirigida a la enfermedad. Santillana dice que su análisis proporciona un tipo único de termómetro al observar los rastros digitales de los comportamientos humanos que podrían estar un paso más allá de los datos epidemiológicos.

“En cierto modo, estamos tratando de unir estas dos opiniones para ofrecer una imagen más completa de brotes como el COVID-19”, dice Santillana.

Santillana y Vespignani ya han estado colaborando, combinando este conocimiento conductual digital con el conocimiento epidemiológico de su trabajo de modelado. En un papel impreso en Avances de la ciencia El año pasado, confirmaron que un sistema de alerta temprana armonizado de este tipo podría anticipar un aumento en los casos y muertes de COVID-19 en dos o varias semanas. Con Santillana convirtiéndose en miembro del Community Science Institute, la pareja trabajará colectivamente para desarrollar aún más este sistema de alerta temprana para brotes de enfermedades, y nunca solo para COVID-19.

La información que recopila Santillana abarca una gran variedad de datos, no solo las tendencias de búsqueda de Google, las publicaciones en las redes sociales y las evaluaciones o pedidos de compras en línea. También ha utilizado datos anónimos de termómetros inteligentes para determinar cuándo podría estar aumentando algún tipo de enfermedad en un área, datos de movilidad anónimos de teléfonos inteligentes que ilustran cuándo más personas podrían quedarse enfermas en casa, así como avances en las búsquedas de médicos para ciertos tipos de terapias o signos.

Incluso las búsquedas de Google y las publicaciones en las redes sociales contienen una variedad de información. Es posible que las personas estén tratando de encontrar más detalles sobre sus signos o sugerencias de cuarentena, o simplemente pueden estar tratando de encontrar un lugar para comprar jarabe para la tos o sopa.

Un aumento en solo uno de estos comportamientos en un área puede indicar que COVID-19 u otra enfermedad infecciosa se está extendiendo a un grupo, o simplemente podría ser que se estrenó una nueva película de ciencia ficción. y despertó el interés de la gente sobre las pandemias con más frecuencia. Por eso Santillana dice que es necesario que sus modas tengan en cuenta muchas y diversas fuentes de conocimiento. Los modelos de aprendizaje automático también están diseñados para determinar si un aumento en ciertas búsquedas en Google, por ejemplo, realmente se correlaciona con un aumento en las infecciones y hospitalizaciones para poder decidir si vale la pena considerarlo como un presagio de un brote de enfermedad.

Este nuevo tipo de “telescopio”, como lo denominó Santillana, será parte de la nueva iniciativa de pronóstico de enfermedades de los EE. UU., el Centro de Pronóstico y Análisis de Brotes (CFA). Santillana forma parte de una plantilla de consultores que asesoran en ese esfuerzo.

“De la misma manera que funcionan los programas de pronóstico del clima en todo el mundo”, explica, “la idea es aportar formas alternativas de ver la información que se produce en tiempo real y diseñar programas que puedan reconocer cuándo ocurre algo anómalo. ”

Al igual que las empresas de previsión climática, la CFA será básicamente una averiguando cuándo y dónde pueden ocurrir brotes de enfermedades para que los funcionarios de salud pública puedan tomar medidas para evitar que se vuelvan devastadores.


Los datos de ‘ubicación’ móvil podrían ayudar a guiar las medidas de distanciamiento social de COVID-19


Información extra:

Nicole E. Kogan et al, Un método de alerta temprana para ver el ejercicio de COVID-19 con varios rastros digitales casi en tiempo real, Avances de la ciencia (2021). DOI: 10.1126/sciadv.abd6989

Cotización:
Sus búsquedas y tweets de Google pueden ayudar a pronosticar el próximo brote de enfermedad (2022, 18 de mayo)
consultado el 19 de mayo de 2022
de https://techxplore.com/information/2022-05-google-tweets-disease-outbreak.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato honesto con el objetivo de un examen o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de información.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultimas noticias

Sus búsquedas en Google y sus tweets podrían ayudar a pronosticar el próximo brote de la enfermedad – Lo último en inteligencia artificial | IA robótica

Published

on

Your Google searches and tweets might help forecast the next disease outbreak

The Ultimate Managed Hosting Platform

Las personas van por un camino de migas de pan cuando navegan por el mundo digital, brindando pistas sobre lo que está sucediendo en sus vidas, incluida su salud. Mauricio Santillana de Northeastern está utilizando algoritmos de aprendizaje automático para mostrar estas pistas en un sistema de alerta temprana para brotes de enfermedades. Puntuación crediticia: Matthew Modoono/Northeastern College

Parece un chiste más para cualquiera que bromee sobre los últimos dos años de vida pandémica. Sin embargo, para los científicos que pronostican futuros brotes de enfermedades, es un conocimiento necesario.

Las velas aromáticas comenzaron a recibir una afluencia de en línea en 2020. Clientes insatisfechos proclamaron que algunos de los productos más aromáticos y calientes de firmas conocidas como Yankee Candle “no tenían olor” e incluso olían mal.

Estas no eran solo algunas evaluaciones peligrosas. Las velas aromáticas preferidas compradas en Amazon recibieron un promedio de 4 a 4½ estrellas antes de 2020, pero durante los primeros 12 meses de la pandemia, las calificaciones cayeron unas pocas estrellas completas. Los usuarios de las redes sociales reflexionaron sobre algunos vínculos entre estas evaluaciones negativas y la pérdida del sentido del olfato relacionado con las infecciones por COVID-19.

Cuando los casos de COVID-19 aumentaron nuevamente a fines de 2021 debido a la variante omicron, los investigadores notaron otro aumento en estas evaluaciones negativas de “sin olor”.

Estas evaluaciones negativas en línea son lo que Mauricio Santillana llama “migas de pan”. A medida que los individuos navegan por , dejan rastros de lo que sucede en sus vidas fuera de línea, explica el director del Grupo de inteligencia artificial para la mejora de la salud y el medio ambiente (MIGHTE) en el Instituto de Ciencias Comunitarias de Northeastern. Estas “migas de pan” dejan un camino a seguir para que investigadores como Santillana aventuren posibles brotes futuros de COVID-19 y otras enfermedades.

Si hay anomalías en los desarrollos en línea (un aumento en las búsquedas en Google de puntos de venta que envían sopa de fideos con gallina, una ráfaga repentina de tuits sobre cómo navegar con un miembro de la familia en cuarentena o críticas peligrosas sobre velas perfumadas), podría indicar que la molestia se está gestando. Así crea Santillana para identificar las anomalías, dar sentido a esas pistas y crear un sistema de alerta temprana para brotes de enfermedades.

Incluyendo a la combinación, “estamos creando un observatorio del ejercicio de la enfermedad utilizando otros telescopios”, dice Santillana, profesor de física e ingeniería eléctrica y computacional que se unió recientemente a Northeastern de la Universidad de Harvard.

Santillana se está asociando con Alessandro Vespignani, director del Instituto de Ciencias Comunitarias y Profesor Distinguido de la Familia Sternberg en Northeastern, quien lidera un equipo de modeladores de enfermedades infecciosas que estaban desarrollando un conjunto de proyecciones sobre los futuros alcanzables de la pandemia de COVID-19 para el razón por la que comenzó el desastre.

Los modelos de Vespignani combinan detalles como el recuento de casos, las hospitalizaciones, las muertes, los patrones de movilidad humana, la frecuencia con la que las personas trabajan juntas, cómo se transmite el virus y la información adicional dirigida a la enfermedad. Santillana dice que su análisis proporciona un tipo único de termómetro al observar los rastros digitales de los comportamientos humanos que podrían estar un paso más allá de los datos epidemiológicos.

“En cierto modo, estamos tratando de unir estas dos opiniones para ofrecer una imagen más completa de brotes como el COVID-19”, dice Santillana.

Santillana y Vespignani ya han estado colaborando, combinando este conocimiento conductual digital con el conocimiento epidemiológico de su trabajo de modelado. En un papel impreso en Avances de la ciencia El año pasado, confirmaron que un sistema de alerta temprana armonizado de este tipo podría anticipar un aumento en los casos y muertes de COVID-19 en dos o varias semanas. Con Santillana convirtiéndose en miembro del Community Science Institute, la pareja trabajará colectivamente para desarrollar aún más este sistema de alerta temprana para brotes de enfermedades, y nunca solo para COVID-19.

La información que recopila Santillana abarca una gran variedad de datos, no solo las tendencias de búsqueda de Google, las publicaciones en las redes sociales y las evaluaciones o pedidos de compras en línea. También ha utilizado datos anónimos de termómetros inteligentes para determinar cuándo podría estar aumentando algún tipo de enfermedad en un área, datos de movilidad anónimos de teléfonos inteligentes que ilustran cuándo más personas podrían quedarse enfermas en casa, así como avances en las búsquedas de médicos para ciertos tipos de terapias o signos.

Incluso las búsquedas de Google y las publicaciones en las redes sociales contienen una variedad de información. Es posible que las personas estén tratando de encontrar más detalles sobre sus signos o sugerencias de cuarentena, o simplemente pueden estar tratando de encontrar un lugar para comprar jarabe para la tos o sopa.

Un aumento en solo uno de estos comportamientos en un área puede indicar que COVID-19 u otra enfermedad infecciosa se está extendiendo a un grupo, o simplemente podría ser que se estrenó una nueva película de ciencia ficción. y despertó el interés de la gente sobre las pandemias con más frecuencia. Por eso Santillana dice que es necesario que sus modas tengan en cuenta muchas y diversas fuentes de conocimiento. Los modelos de aprendizaje automático también están diseñados para determinar si un aumento en ciertas búsquedas en Google, por ejemplo, realmente se correlaciona con un aumento en las infecciones y hospitalizaciones para poder decidir si vale la pena considerarlo como un presagio de un brote de enfermedad.

Este nuevo tipo de “telescopio”, como lo denominó Santillana, será parte de la nueva iniciativa de pronóstico de enfermedades de los EE. UU., el Centro de Pronóstico y Análisis de Brotes (CFA). Santillana forma parte de una plantilla de consultores que asesoran en ese esfuerzo.

“De la misma manera que funcionan los programas de pronóstico del clima en todo el mundo”, explica, “la idea es aportar formas alternativas de ver la información que se produce en tiempo real y diseñar programas que puedan reconocer cuándo ocurre algo anómalo. ”

Al igual que las empresas de previsión climática, la CFA será básicamente una averiguando cuándo y dónde pueden ocurrir brotes de enfermedades para que los funcionarios de salud pública puedan tomar medidas para evitar que se vuelvan devastadores.


Los datos de ‘ubicación’ móvil podrían ayudar a guiar las medidas de distanciamiento social de COVID-19


Información extra:

Nicole E. Kogan et al, Un método de alerta temprana para ver el ejercicio de COVID-19 con varios rastros digitales casi en tiempo real, Avances de la ciencia (2021). DOI: 10.1126/sciadv.abd6989

Cotización:
Sus búsquedas y tweets de Google pueden ayudar a pronosticar el próximo brote de enfermedad (2022, 18 de mayo)
consultado el 19 de mayo de 2022
de https://techxplore.com/information/2022-05-google-tweets-disease-outbreak.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato honesto con el objetivo de un examen o análisis personal, no
la mitad también podría ser reproducida sin el permiso por escrito. El material de contenido se ofrece únicamente para funciones de información.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Trending