W badaniach wykorzystano dane z telefonów komórkowych 98 milionów ludzi i w ten sposób stworzono model ryzyka infekcji w różnych lokalizacjach.
Naukowcy wykorzystali dane zebrane od marca do maja w miastach w całych Stanach Zjednoczonych, aby zmapować ruch ludzi. Obserwowali, dokąd ludzie się udawali, jak długo tam przebywali, ile było tam innych osób i z jakich okolic pochodziły. Następnie połączyli te informacje z danymi, dotyczącymi liczby przypadków i sposobu rozprzestrzeniania się wirusa.
Jako przykład podano Chicago. Tam model badania przewiduje, że jeśli restauracje zostałyby ponownie otwarte z pełną wydajnością, wygenerowałyby prawie 600 000 nowych infekcji, trzy razy więcej niż w przypadku innych branż.
– Musimy pomyśleć o strategiach ponownego otwarcia gospodarki – powiedział Jure Leskovec z Uniwersytetu Stanforda, główny autor artykułu – Badanie pozwala nam przetestować różne scenariusze ponownego otwarcia i ocenić, co to oznaczałoby dla rozprzestrzeniania się wirusa.
Model sugeruje również, jak skuteczne mogą być środki blokowania przestrzeni publicznych. Na przykład w Miami ilość infekcji zaobserwowana w hotelach osiągnęła szczyt w tym samym czasie, gdy miasto tętniło wiosennymi imprezami na plażach, które odbywały się pomimo pandemii. Ale liczby te, według badania, znacznie skurczyły się, gdy zaczęły obowiązywać obostrzenia epidemiczne.
Zobacz również
W równoległej opinii, opublikowanej w “Nature”, Marc Lipsitch i Kevin Ma z Instytutu Zdrowia Uniwersytetu Harvarda, napisali, że istnieją ograniczone dane epidemiologiczne na temat sposobu, w jaki obostrzenia społeczne i gospodarcze wpływają na rozprzestrzenianie się koronawirusa i podkreślili, że takie modele mogą służyć jedynie jako punkt wyjścia przy podejmowaniu decyzji politycznych, dotyczących ponownego znoszenia restrykcji.
Naukowcy wyjaśniają także, iż według ich badań pełne blokady działalności społecznej i gospodarczej nie są konieczne, aby powstrzymać wirusa. Ich zdaniem zakrywanie twarz … czytaj dalej
Zgłoś naruszenie/Błąd
Pozytywnie
Neutralnie 
Negatywnie
Lubię to!
Super
Ekscytujący 
Ciekawy
Smieszny
Smutny
Wściekły
Przerażony
Szokujący
Wzruszający
Rozczarowany
Zaskoczony
Prawda
Manipulacja
Fake news
Oryginalne źródło ZOBACZ
Dodaj kanał RSS
Musisz być zalogowanym aby zaproponować nowy kanal RSS