分析复杂的全球COVID-19数据集的新研究发现了简化信息的新方法，以帮助卫生当局应对未来的疫情。
昆士兰科技大学数据科学中心的研究人员与来自意大利和瑞士的科学家合作，使用先进的统计和数据科学模型提取全球范围内的信息。
该研究发表在《科学报告》上，为COVID-19大流行提供了与每日病例数、死亡人数和政府采取的严格措施有关的新见解。这些数据涵盖了从2020年3月1日到2021年5月29日的454天，包括115个国家。
数据科学高级研究员埃德加·桑托斯-费尔南德斯博士说，这项研究涉及绘制疫情演变图。
他说:“我们惊讶地发现，我们可以简化一个拥有1300多个维度的复杂数据集，并将其分为两组，这些组具有少量相关特征。”
“尽管按国家汇总的统计数据很复杂，但我们能够理清头绪，提取有价值的见解，帮助制定决策。”
研究人员在全球范围内发现了两个集群，每个集群内的国家在应对大流行方面表现出相似的模式。
例如，在关闭学校、工作场所和边境等严格措施方面，集群内的国家采取了类似的时机和战略。
桑托斯-费尔南德斯博士说，数据中确定的模式可以帮助预测未来疫情的演变。
“这些信息可以用来帮助政府和卫生保健提供者准备和确定更有效的非药物干预和反应策略。”
杰出教授Kerrie Mengersen表示，这项研究突出了数据科学的巨大潜力，可以揭示隐藏在复杂数据集中的更深层次的见解。
“同样令人兴奋的是，这里开发的方法不仅适用于COVID-19研究，”她说。
“许多其他领域的科学家可以利用它们来探索他们面临的问题，并做出明智的决定。”
研究中使用的数据来自Our World in data的“数据浏览器”和牛津冠状病毒政府应对追踪器(OxCGRT)的COVID-19严格指数(CSI)。
更多信息:Abhishek Varghese等人，《2019冠状病毒病数据内在维度的全球视角》，《科学报告》(2023年)。DOI: 10.1038/s41598-023-36116-1期刊信息:科学报告
昆士兰科技大学提供 引用:关于COVID-19的全球数据研究找到了简化信息和帮助应对未来大流行的新方法(2023,6月26日) 作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司 内容仅供参考之用。
