COVID-19 pediu muito a todos. Emnívelnacional, foram tomadas decisaµes que afetam desde a movimentaa§a£o de pessoas atéa gestãode nega³cios.
O Oxford Science Blog oferece informações internas sobre a ciência na Oxford University: os projetos, as pessoas e o que estãoacontecendo nos bastidores. Curadoria de Ruth Abrahams, Gerente de Relações com a Madia (Pesquisa e Inovação).
Contato: Ruth Abrahams, ruth.abrahams@admin.ox.ac.uk
COVID-19 pediu muito a todos. Emnívelnacional, foram tomadas decisaµes que afetam desde a movimentação de pessoas atéa gestãode nega³cios. Para muitos, também existem decisaµes individuais nas quais os riscos pessoais são avaliados: Devo aventurar-me no supermercado local ou devo comprar online? Posso comer no restaurante ou devo comprar comida para viagem?
Em muitos lares, as reflexões na hora do jantar costumavam derivar para algo como o seguinte: 'Nãovejo ninguanãm pessoalmente hámuitas semanas. Eu sei que meus vizinhos também não. Meu parque favorito estãomuito mais vazio do que o normal e a comunidade ao meu redor fez muitos sacrifacios. Isso significa que o COVID-19 estãorealmente diminuindo na minha área? '
Embora a maioria das pessoas tenha uma visão de todo o Reino Unido e os jornais relatem estatasticas nacionais, as decisaµes que as pessoas tomam para ajudar a conter a pandemia são individuais e pessoais. O comportamento das pessoas em Oxford não tem efeito considera¡vel no crescimento ou declanio do COVID-19 na distante Esca³cia, e essas decisaµes precisam de informações locais em tempo real, um recurso atualizado que todos podem acessar para ver como estãosua cidade ou condado fazendo.
Usando contagens de casos COVID-19 hista³ricas, o mapa em localcovid.info mostra uma estimativa para o número R em cada área local, junto com projeções de como a epidemia pode se desenvolver nas próximas duas semanas
O número de reprodução ou “número R†nos fala sobre o crescimento e declanio do COVID-19. a‰ uma estimativa do número de pessoas para as quais alguém com COVID-19 transmitira¡ o varus. Um número de reprodução R = 2 significa que uma pessoa infectada provavelmente transmite o varus a outras duas pessoas, cada uma das quais o passa para mais duas pessoas, e a epidemia cresce rapidamente. Por outro lado, se R = 1, então, em média, cada pessoa infectada infecta apenas uma outra pessoa e o tamanho da epidemia permanece aproximadamente constante. Um número de reprodução de R <1 éuma boa notacia: o número de novas infecções estãoreduzindo e com o tempo a epidemia diminuira¡.
Yee Whye Teh , Professor de Aprendizado de Ma¡quina Estatastica do Departamento de Estatastica da Universidade de Oxford, explica como o “número R†nacional écomposto de muitas partes locais: 'O número R nacional descreve uma taxa de transmissão média em todo opaís. a‰ uma estatastica agregada composta por muitas contribuições menores e desmente variações significativas nas taxas de transmissão do COVID-19, tanto geograficamente quanto entre diferentes setores da sociedade. Para informar as decisaµes individuais, são necessa¡rias informações locais relevantes para o indivaduo. '
Liderada pelo Professor Teh, uma equipe do grupo de pesquisa Estatastica Computacional e Aprendizado de Ma¡quina do Departamento de Estatastica de Oxford construiu um modelo que monitora a disseminação dia¡ria do varus localmente. Seus resultados podem ser acessados ​​online por qualquer pessoa em localcovid.info , que fornece uma visão informativa da taxa de transmissão de COVID-19 em áreas como Oxford, Cherwell, West Oxfordshire, Swindon e mais de 300 outras autoridades locais no Reino Unido.
Usando contagens de casos COVID-19 hista³ricas, o mapa em localcovid.info mostra uma estimativa para o número R em cada área local, juntamente com projeções de como a epidemia pode se desenvolver nas próximas duas semanas. As estimativas de R no mapa contem o que os estatasticos chamam de “barras de erro†ou “intervalos confia¡veisâ€. Eles estãoaa para dizer que ninguanãm sabe o verdadeiro número R em uma área, mas temos certeza de que podemos localiza¡-lo dentro de uma faixa estreita. Por exemplo, no instanta¢neo do mapa de 14 de dezembro, temos 95% de certeza de que R estãoatualmente entre 0,7 e 1,4 em Oxford, com uma mediana de 1,0, dado o modelo estatastico da equipe e os dados disponaveis.Â
A verdadeira dina¢mica de trabalho das epidemias éincrivelmente complicada.Â
Michael Hutchinson, um estudante de doutorado no grupo do professor Teh, explica como o “número R†éestimado a partir dos dados: 'Esta éuma tarefa difacil. A verdadeira dina¢mica de trabalho das epidemias éincrivelmente complicada. Para comea§ar a estimar o número R, comea§amos propondo um modelo estatastico simplificado do mundo real que captura os aspectos mais importantes da epidemia. Nunca observamos o número R diretamente, apenas observamos casos COVID-19 positivos. Sabemos que o número R leva a novas infecções, no entanto, usando o modelo e as observações do número de casos, podemos inferir o que R provavelmente sera¡. Essencialmente, usando o que vemos no mundo, fazemos engenharia reversa do que éo R não observa¡vel. '
O modelo estatastico subjacente a essas estimativas de R baseia-se em contagens dia¡rias do Pilar 1 + 2 publicamente disponíveis de testes de esfregaa§os PCR positivos por data da amostra, para 312 autoridades locais denívelinferior na Inglaterra, os 14 conselhos de saúde do NHS na Esca³cia e as 22 autoridades locais unita¡rias no Paas de Gales. O modelo faz uso adicional de dados de fluxo de passageiros do Censo do Reino Unido de 2011 e estimativas populacionais, uma vez que COVID-19 se espalha não apenas entre a população de áreas individuais, mas também entre áreas. Tal como acontece com muitos aspectos da epidemiologia estatastica, essas estimativas de R precisam ser lidas com cuidado e no contexto de outras partes de dados que fornecem informações relevantes, por exemplo, dados do rastreador de sintomas ZOE, estudos de seroprevalaªncia, taxas de positividade de teste, também como taxas de hospitalização e mortalidade.
O Dr. Ulrich Paquet, um cientista pesquisador destacado para o grupo, observou: 'Estamos agradavelmente surpresos ao ver como as estimativas para R caaram abaixo de um por um tempo em muitas áreas, especialmente no Norte, onde as regras do Navel 3 se aplicam desde outubro. Achamos que não deveraamos nos surpreender ao ver o resultado do comportamento paºblico e da ação nacional aparecer tão claramente em um modelo, mas ainda estamos! Como estatasticos, adoramos quando os dados falam por si. '
O Prof. Teh concluiu com uma nota mais sombria: 'Estamos preocupados que desde que o bloqueio foi suspenso em dezembro, muitas áreas, particularmente no Sudeste e em Londres, tem visto os casos continuarem a aumentar. Esperamos que a ferramenta que construamos em localcovid.info seja útil para vocaª, na tomada de decisaµes para permanecer seguro e para ajudar a proteger seus entes queridos. '
Rastreie sua área local no mapa local da Covid do Reino Unido aqui:Â https://localcovid.info/ .