первоисточник:
https://www.medrxiv.org/conten...
Abstract
Since the first recording of what we now call Covid-19 infection in Wuhan, Hubei province, China on Dec 31, 2019, the disease has spread worldwide and met with a wide variety of social distancing and quarantine policies. The effectiveness of these responses is notoriously difficult to quantify as individuals travel, violate policies deliberately or inadvertently, and infect others without themselves being detected. Moreover, the publicly available data on infection rates are themselves unreliable due to limited testing and even possibly under-reporting. In this paper, we attempt to interpret and extrapolate from publicly available data using a mixed first-principles epidemiological equations and data-driven neural network model. Leveraging our neural network augmented model, we focus our analysis on four locales: Wuhan, Italy, South Korea and the United States of America, and compare the role played by the quarantine and isolation measures in each of these countries in controlling the effective reproduction number Rt of the virus. Our results unequivocally indicate that the countries in which rapid government interventions and strict public health measures for quarantine and isolation were implemented were successful in halting the spread of infection and prevent it from exploding exponentially. In the case of Wuhan especially, where the available data were earliest available, we have been able to test the predicting ability of our model by training it from data in the January 24 till March 3 window, and then matching the predictions up to April 1...
Со времени первой регистрации того, что мы сейчас называем инфекцией Covid-19 в Ухане, провинция Хубэй, Китай, 31 декабря 2019 года, эта болезнь распространилась по всему миру и встретилась с широким спектром мер социального дистанцирования и карантина. Общеизвестно, что количественно оценить эффективность этих ответных мер сложно, поскольку отдельные лица совершают поездки, преднамеренно или непреднамеренно нарушают политику и заражают других, не будучи обнаруженными. Более того, общедоступные данные об уровне заражения сами по себе ненадежны из-за ограниченного тестирования и, возможно, занижения данных. В этой статье мы пытаемся интерпретировать и экстраполировать общедоступные данные, используя смешанные эпидемиологические уравнения из первых принципов и модель нейронной сети, управляемой данными. Используя нашу расширенную модель нейронной сети, мы фокусируем наш анализ на четырех локалях: Ухань, Италия, Южная Корея и Соединенные Штаты Америки, и сравниваем роль карантинных и изоляционных мер в каждой из этих стран в контроле за эффективным числом воспроизводства. Rt вируса. Наши результаты недвусмысленно указывают на то, что страны, в которых были приняты быстрые меры государственного вмешательства и строгие меры общественного здравоохранения в отношении карантина и изоляции, смогли остановить распространение инфекции и предотвратить ее взрыв в геометрической прогрессии. В частности, в случае Ухани, где доступные данные были самыми ранними, мы смогли проверить способность прогнозирования нашей модели, обучив ее по данным в окне с 24 января по 3 марта, а затем сопоставив прогнозы до 1 апреля. Даже для Италии и Южной Кореи у нас есть буферное окно в одну неделю (25 марта - 1 апреля) для проверки прогнозов нашей модели. В случае США наша модель хорошо отражает текущий рост числа зараженных и прогнозирует остановку распространения инфекции к 20 апреля 2020 года. Мы также демонстрируем, что ослабление или изменение карантинных мер прямо сейчас приведет к экспоненциальному взрыву в количестве зараженных случаев. Таким образом, сводится на нет роль, которую играют все меры, осуществляемые в США с середины марта 2020 года.
1. Introduction
Респираторное заболевание коронавируса 2019 года, вызванное вирусом \ SARS-CoV-2 "(Chan et al. 2020; CDC 2020), привело к глобальной пандемии, которая привела к 823 626 подтвержденным глобальным случаям в более чем 200 странах на 1 апреля , 2020 (ВОЗ 2020).....
далее см. сами пруф на статью дан ^.
MIT’s AI predicts catastrophe if social distancing restrictions relax too soon
MIT недавно обучил модели машинного обучения точно прогнозировать распространение COVID-19. По мнению AI, мы должны увидеть плато, где количество новых случаев в США и Италии начнет выравниваться на следующей неделе. Эта хорошая новость, однако, приходит со страшным предупреждением: слишком скоро ослабление карантинных мер будет иметь катастрофические последствия.
Инженеры ИИ объясняют результаты как очень похожие на ситуацию, которая произошла в Сингапуре, где усилиям по карантину и социальному дистанцированию удалось почти полностью сгладить кривую, прежде чем необдуманное возвращение к бизнесу, как обычно, вызвало массовое возрождение COVID-19. случаев.
Команда Массачусетского технологического института обучила ИИ экстраполировать общедоступные данные для понимания распространения болезни, принимая во внимание то, как различные правительства обрабатывали социальные дистанции и карантинные приказы, а также другие стандартные эпидемиологические параметры.
Чтобы гарантировать, что модель способна давать точные результаты, группа провела обучение по данным за период с января по начало марта, а затем сопоставила прогноз на апрель с фактической статистикой.
Оказывается, машина смогла точно предсказать кривую во всех странах, для которых она имела данные. Согласно исследовательской работе команды:
"Используя нашу расширенную модель нейронной сети, мы фокусируем наш анализ на четырех локалях: Ухань, Италия, Южная Корея и Соединенные Штаты Америки, и сравниваем роль карантинных и изоляционных мер в каждой из этих стран в контроле за эффективным числом воспроизводства. вируса.
Наши результаты недвусмысленно указывают на то, что страны, в которых были приняты быстрые меры государственного вмешательства и строгие меры общественного здравоохранения в отношении карантина и изоляции, смогли остановить распространение инфекции и предотвратить ее взрыв в геометрической прогрессии."
Данные также указывают на то, что США, в настоящее время являющиеся эпицентром пандемии, должны испытать «остановку инфекций» около 20 апреля. Тем не менее, отчет ясно демонстрирует, что мы не должны интерпретировать это как подходящее время для ослабления текущих карантинных и социальных мер дистанцирования:
"Мы также демонстрируем, что ослабление или изменение карантинных мер прямо сейчас приведет к экспоненциальному взрыву числа зараженных случаев, что сведет на нет роль, которую играют все меры, осуществляемые в США с середины марта 2020 года."
Другими словами: меры социального дистанцирования и карантина работают! Возможно, даже лучше, чем думали многие эксперты. Но если мы откажемся от них слишком рано, они будут напрасны. Мы должны начать все сначала."
п.с.
вот и AI не согласен с известными инфекционистами, знатными вирусологами, такими как например
Оценили 0 человек
0 кармы