11.3 C
Rome
venerdì, Novembre 8, 2024
- Pubblicità -
notizieAmbienteAgire rapidamente quando colpisce un’epidemia

Agire rapidamente quando colpisce un’epidemia

INFORMATIVA: Alcuni degli articoli che pubblichiamo provengono da fonti non in lingua italiana e vengono tradotti automaticamente per facilitarne la lettura. Se vedete che non corrispondono o non sono scritti bene, potete sempre fare riferimento all'articolo originale, il cui link è solitamente in fondo all'articolo. Grazie per la vostra comprensione.


Un team di ricercatori dell’Università di Waterloo e della Dalhousie University ha sviluppato un metodo per prevedere la progressione a breve termine di un’epidemia utilizzando quantità estremamente limitate di dati.

Il loro modello, il modello di previsione basato su Sparsity and Delay Embedding, o SPADE4, utilizza l’apprendimento automatico per prevedere la progressione di un’epidemia utilizzando solo dati limitati sull’infezione. SPADE4 è stato testato sia su epidemie simulate che su dati reali della quinta ondata della pandemia di Covid-19 in Canada e ha previsto con successo la progressione dell’epidemia con una confidenza del 95%.

“Il Covid ci ha insegnato che dobbiamo davvero trovare metodi in grado di prevedere con la minima quantità di informazioni”, ha affermato il dottorando in matematica applicata Esha Saha, autore principale dello studio. “Se emerge un nuovo virus e i test sono appena iniziati, dobbiamo sapere cosa fare a breve termine.”

Quando si verifica un’epidemia, sia per nuove infezioni come Covid-19 che per quelle esistenti come l’Ebola, essere in grado di prevedere lo sviluppo della malattia è essenziale per prendere decisioni di politica pubblica.

“Questo è ciò di cui i politici hanno bisogno fin dall’inizio”, ha detto Saha. “Cosa dovremmo fare nei prossimi sette giorni? Come dovrei allocare le risorse?”

Tradizionalmente, gli epidemiologi preferiscono costruire e utilizzare modelli complessi per comprendere la progressione delle epidemie. Questi modelli, tuttavia, presentano diversi inconvenienti, ha affermato Saha.

Richiedono informazioni demografiche complesse che spesso non sono disponibili all’inizio di un’epidemia. Anche se tali informazioni dettagliate fossero disponibili, i modelli potrebbero non riflettere accuratamente la complessità della popolazione o la dinamica della malattia.

Il nuovo modello del gruppo di ricerca di Waterloo affronta questi inconvenienti.

“Quando lavoriamo su vaccini e cure, stiamo esaminando dati a lungo termine”, ha detto Saha. “Ma quando arriva una nuova malattia, questo metodo può aiutarci a capire come comportarci.”



Da un’altra testata giornalistica. news de www.sciencedaily.com

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui

- Pubblicità -
- Pubblicità -Newspaper WordPress Theme

Contenuti esclusivi

Iscriviti oggi

OTTENERE L'ACCESSO ESCLUSIVO E COMPLETO AI CONTENUTI PREMIUM

SOSTENERE IL GIORNALISMO NON PROFIT

Get unlimited access to our EXCLUSIVE Content and our archive of subscriber stories.

- Pubblicità -Newspaper WordPress Theme

Articoli più recenti

Altri articoli

- Pubblicità -Newspaper WordPress Theme

INFORMATIVA: Alcuni degli articoli che pubblichiamo provengono da fonti non in lingua italiana e vengono tradotti automaticamente per facilitarne la lettura. Se vedete che non corrispondono o non sono scritti bene, potete sempre fare riferimento all'articolo originale, il cui link è solitamente in fondo all'articolo. Grazie per la vostra comprensione.