Top.Mail.Ru
Наука и технология 

Взлеты и падения данных о COVID-19 могут быть вызваны практикой представления данных: полученные данные показывают, что эпидемиологические модели должны учитывать проблемы с диагностикой и отчетностью

Взлеты и падения данных о COVID-19 могут быть вызваны практикой представления данных: полученные данные показывают, что эпидемиологические модели должны учитывать проблемы с диагностикой и отчетностью

В исследовании, опубликованном на этой неделе в mSystems, сообщается, что эти колебания возникают из-за различий в практике тестирования и представления данных, а не из-за социальных практик в отношении того, как люди заражаются или лечатся. Результаты показывают, что эпидемиологические модели инфекционных заболеваний должны учитывать проблемы с диагностикой и отчетностью.
«Практика получения данных иногда так же важна, как и сами данные», – сказал компьютерный биолог Авив Бергман, доктор философии.D., в Медицинском колледже Альберта Эйнштейна в Нью-Йорке и микробиолог Артуро Касадеваль, М.D., Ph.D., в Школе общественного здравоохранения Bloomberg Джонса Хопкинса в Балтиморе, штат Мэриленд.

Бергман и Касадеваль работали над исследованием с Йехонатаном Селла, доктором философии.D., у Альберта Эйнштейна и ученого-врача Питера Агре, доктора философии.D., в Johns Hopkins.
Исследование началось, когда Агре, который стал соучредителем Нобелевской премии по химии 2003 года, заметил, что точные еженедельные колебания данных явно связаны с днем ​​недели. «Мы стали очень подозрительными, – сказал Бергман.
Исследователи собрали общее количество ежедневных тестов, положительных тестов и смертей в США.S. национальные данные за 161 день, с января по конец июня. Они также собирали данные по Нью-Йорку и по Лос-Анджелесу с начала марта до конца июня.

Чтобы лучше понять характер колебаний, они провели анализ спектра мощности, который представляет собой методику определения различных частот в сигнале. (Его часто используют при обработке сигналов и изображений, но авторы считают, что новая работа представляет собой первое приложение к эпидемиологическим данным.)
Анализ указал на 7-дневный цикл роста и падения числа новых случаев в стране, а также 6.8-дневный и 6-дневный.9-дневные циклы в Нью-Йорке и Лос-Анджелесе соответственно. Эти колебания отражены в анализах, которые показали, например, что уровень смертности выше в конце недели или в выходные.
Обеспокоенные постоянством сигнала, исследователи искали объяснение.

Они сообщили, что увеличение количества общественных собраний по выходным, вероятно, не было фактором, поскольку время от контакта с коронавирусом до проявления симптомов может варьироваться от 4 до 14 дней. Предыдущие анализы также предполагали, что пациенты получат более низкое качество медицинской помощи в конце недели, но новый анализ не подтвердил эту гипотезу.
Затем исследователи изучили практику отчетности.

В некоторых районах, таких как Нью-Йорк и Лос-Анджелес, смерти сообщают в зависимости от того, когда умер человек. Но национальные данные публикуют смерти в зависимости от того, когда смерть была зарегистрирована, а не когда она произошла.

В больших наборах данных, в которых указывается дата смерти, а не дата отчета, очевидные колебания исчезают. Подобные расхождения в отчетах о случаях объясняют колебания, обнаруженные в новых данных о случаях.
Авторы нового исследования отмечают, что общение в выходные дни или качество медицинского обслуживания могут влиять на результаты, но эти социальные факторы не вносят значительного вклада в повторяющиеся модели.

«Эти колебания являются предвестником проблем в сфере общественного здравоохранения», – сказал Касадеваль.
Исследователи подчеркнули, что нет никакой связи между количеством тестов и количеством случаев, и что, если практика представления данных не изменится, колебания сохранятся. «И пока есть инфицированные люди, эти колебания из-за колебаний количества проведенных тестов и отчетов всегда будут наблюдаться, – сказал Бергман, – даже если количество случаев снизится.»

Похожие записи