Vat dit blogbericht samen met:
Nu het coronavirus meer dan 159 landen heeft bereikt, met wereldwijd meer dan 174.379.088 gevallen en meer dan 3,7 miljoen doden (per 7 juni 2021), doet de hele wereld haar best om het virus te bestrijden.
“De Wereldgezondheidsorganisatie heeft het coronavirus uitgeroepen tot een wereldwijde noodsituatie. Hier lees je hoe het publiek en overheden analyses gebruiken om de uitbraak te volgen.”
De Wereldgezondheidsorganisatie (WHO) en het Amerikaanse Centrum voor Ziektebestrijding en -preventie (CDC) volgen de uitbraak van wat een wereldwijde epidemie zou kunnen worden. Het begon in China, maar heeft zich inmiddels verspreid naar vele landen over de hele wereld. De WHO riep de uitbraak van het coronavirus op 30 januari 2020 uit tot een wereldwijde noodsituatie op het gebied van de volksgezondheid.
Vandaag zien we een belangrijk toepassingsvoorbeeld van data-analyse dat de krantenkoppen haalt. Het is een van die situaties waarin levens afhangen van technologie.
1. Visualisatie van wereldwijde gevallen
Bron: https://www.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6
Het Center for Systems Science and Engineering van de Johns Hopkins University heeft een realtime visualisatiedashboard van de uitbraak ontwikkeld, met onder andere overzichten van het totale aantal gevallen, kaarten, sterfgevallen, actieve patiënten, afgesloten en herstelde gevallen.
De statistieken zijn verder uitgesplitst per land en het aantal gevallen wordt op de kaart weergegeven door de grootte van de stip. De geciteerde bronnen omvatten onder andere de CDC en de WHO. De universiteit gebruikt Esri's ArcGIS (Geografisch Informatiesysteem) voor de visualisatie, die via het web wordt gepubliceerd. Het dashboard is een nuttige manier voor het grote publiek en artsen om de status van de uitbraak te volgen. Hierdoor kunnen mensen ook zien hoe de CDC en andere overheidsinstanties de gegevens analyseren.
Volgens Theresa Do, hoogleraar epidemiologie en biostatistiek aan de George Washington University en SAS analytics manager voor epidemiologie en biostatistiek van infectieziekten, spelen data, analyses, AI en andere technologieën een belangrijke rol bij het begrijpen, identificeren en voorspellen van de verspreiding en het verloop van ziekten. Ze weet hoe organisaties data en analyses gebruiken om de juiste beslissingen te nemen.
2. Live-updates over de beschikbaarheid van bedden
We hebben gezien dat het Mumbai-model voor de aanpak van de crisis alom geprezen is. Een van de belangrijkste aspecten van een dergelijke informatieoverdracht is het presenteren van gegevens zoals de beschikbaarheid van bedden in realtime via dashboards, zodat artsen, medisch personeel en overheidsinstanties direct de juiste acties kunnen ondernemen. Zo zien we hoe data-analyse niet alleen helpt bij het analyseren van historische gegevens, maar ook van actuele gegevens om een vlotte informatiestroom te garanderen.
Hoe big data helpt bij de strijd tegen kanker
Medische analyses om terugkeer van kanker, progressie en respons op therapie te voorspellen, boeken vooruitgang dankzij big data.
3. Geospatiale analyses
Analytische methoden helpen artsen bij het identificeren van brandhaarden met behulp van geografische gegevens. Zo worden bijvoorbeeld vermoedelijke nieuwe gevallen door artsen onderzocht en vervolgens ter bevestiging naar de CDC gestuurd. AI- en ML-technologieën helpen artsen en overheidsinstanties ook bij het traceren van bevestigde gevallen en het verkrijgen van informatie zoals reisbestemmingen en contactpersonen, om zo de verspreiding te voorspellen. Analytische methoden, waaronder kunstmatige intelligentie en machine learning, kunnen organisaties in deze uitbraak helpen om te leren van eerdere gebeurtenissen en snel nieuwe kennis te genereren uit miljoenen datapunten.
Organisaties kunnen eveneens kiezen voor syndromische surveillance , waarmee de omvang, verspreiding en snelheid van uitbraken in kaart kunnen worden gebracht, ziektepatronen kunnen worden gevolgd en kan worden bevestigd dat er geen uitbraak heeft plaatsgevonden. Sociale media worden in dit geval vaak gebruikt als waarschuwingsbron. In de toekomst kunnen technologieën zoals smartwatches een cruciale rol spelen, omdat data die slaap en hartslag registreren, vroegtijdige signalen kunnen geven dat iemand zich niet goed voelt.
4. API-gebruik
Sociale media worden vaak gebruikt als waarschuwingsbron tijdens deze uitbraak. De afgelopen tijd zagen we nieuwe websites die data van Twitter over de beschikbaarheid van bedden toonden. Deze gemakkelijke toegang tot informatie wordt mogelijk gemaakt door het gebruik van API's. Zelfs websites die nu de beschikbaarheid van vaccins tonen, kunnen via CoWin meldingen ontvangen van apps van derden over de beschikbaarheid van vaccins.
5. Voorspellende analyses
Voorspellende analyses kunnen ook worden toegepast op gegevens van luchthavens, ziekenhuizen en andere openbare plaatsen om de verspreiding van ziekten en het bijbehorende risico te voorspellen. Ziekenhuizen kunnen de gegevens gebruiken om de impact van een uitbraak op hun bedrijfsvoering te plannen.
In de toekomst kunnen technologieën zoals smartwatches een cruciale rol spelen, omdat gegevens over slaap en hartslag vroegtijdig signalen kunnen geven dat het niet goed gaat met iemand.
De belangrijkste les voor IT tijdens de uitbraak is dat data-analyse heeft geholpen bij de bestrijding van Covid-19 en is uitgegroeid tot een fundament voor allerlei soorten organisaties en processen. Hoewel analyses en machine learning niet direct in huisartsenpraktijken worden ingezet om monsters af te nemen voor tests, worden deze technologieën wel degelijk gebruikt om de algehele aanpak te ondersteunen en artsen en zorginstellingen efficiënter en beter toegerust te maken om de verspreiding van een virus zoals het coronavirus te bestrijden.