Maryland idag | $1M NSF Award för att stödja datadriven kamp mot…

Obligatorisk ansiktsbeläggning vs. ingen maskering Fjorton dagars isolering eller fem. Onlineskola eller trånga klassrum. Den pågående covid-19-pandemin verkar ibland som en kakofoni av blandade meddelanden från folkhälsoexperter och regeringstjänstemän.

Mycket av denna variation härrör från virusets utveckling och uthållighet. Ännu andra faktorer – pandemisk trötthet, fysisk plats, demografi, politik och timingen och tonen för själva meddelandena – har underblåst olika nivåer av allmänhetens skepsis och förvirring.

För att möta denna utmaning utvecklar forskare vid University of Maryland sofistikerade prediktiva modeller och bästa kommunikationspraxis som behövs för att bekämpa framtida pandemier. De samlar ihop omfattande data från den nuvarande pandemin – analyserar innehåll på sociala medier, epidemiologisk statistik och offentliga uttalanden från tjänstemän – för att bygga ett sömlöst, heltäckande nätverk som tar hänsyn till komplexa och ömsesidigt beroende biologiska, miljömässiga och mänskliga faktorer.

Deras arbete finansieras av ett anslag på 1 miljon dollar från National Science Foundation, en del av organisationens nya Predictive Intelligence for Pandemic Prevention Program.

Ett huvudmål med UMD-projektet är att utveckla en digital plattform, kallad PandEval (pandemic evaluation), som kan nollställa specifika lokaler och erbjuda en detaljnivå som inte är allmänt tillgänglig under nuvarande.

“Vad vi har sett är ett behov av att förbättra meddelanden och policyskapande på lokal nivå”, säger Neil Sehgal, biträdande professor i hälsopolitik och ledning vid School of Public Health. “Allmän acceptans för hälsorelaterade uppdrag – saker som en statlig nedläggning av icke-nödvändiga företag – kan se väldigt annorlunda ut i Montgomery County än på Lower Eastern Shore.”

Sehgal, vars arbete är inriktat på nya och framväxande digitala hälsotekniker och deras tillämpbarhet på sjukvård och resultat, får sällskap i projektet av ett multiinstitutionellt team av beräkningssociala forskare och datavetare, folkhälsoexperter, biostatistiker och epidemiologer.

Det inkluderar Louiqa Raschid, en dekanprofessor i informationssystem vid Robert H. Smith School of Business som är huvudutredare av priset; Vanessa Frias-Martinez, docent vid College of Information Studies; Xiaoli Nan, professor i kommunikation vid College of Arts and Humanities; Kristina Lerman, professor i datavetenskap vid University of Southern California; och Eili Klein, MD, docent i akutmedicin vid Johns Hopkins University.

Raschid och Frias-Martinez har gemensamma utnämningar vid University of Maryland Institute for Advanced Computer Studies, som tillhandahåller administrativt och tekniskt stöd för projektet.

För att utveckla robusta algoritmer för PandEval-plattformen, kurerar forskarna data som inkluderar nästan två miljarder Twitter-inlägg sedan januari 2020, sociala medier från Facebook, digitala GPS-fotspår från platsinformationsföretag, ansiktsmaskeringsstatistik från en New York Times-databas och inokulering data från Centers for Disease Control and Prevention.

Teamet kommer att använda Twitter- och Facebook-inlägg för att utveckla sociala medier-baserade modeller för gemenskapsövertygelser och attityder, och erbjuda ett fönster till områden som vetenskapsskepsis, oro för vaccinsäkerhet, bristande tillit till offentliga tjänstemän eller en ovilja att bidra till allmänheten Bra.

Nan och Sehgal utvecklar också digitala verktyg för att utvärdera effektiviteten av folkhälsomeddelanden, med fokus på att bygga modeller som hjälper till att identifiera den bästa personen eller organisationen för att leverera rätt budskap vid rätt tidpunkt.

Frias-Martinez kommer att använda sin omfattande erfarenhet av mobilitetsspårning för att analysera GPS-data och skapa nya modeller för att styra säkert beteende under pandemier. Programvaran skulle spåra aktiviteter via smartphones eller andra mobila enheter, och sedan matcha den med sjukdomsvektormodeller, och erbjuda handlingsbara data om huruvida människor ska arbeta hemifrån eller använda kollektiva transportsystem.

“Vi tror att fördelarna med PandEval kommer att vara tvåfaldiga: att öka förtroendet och förtroendet för vår folkhälsoinfrastruktur och ge beslutsfattare epidemiologiska modeller som är anpassade till specifika befolkningssegment,” sa Raschid. “Detta kan vara ovärderligt för saker som vaccinutrullning och hälsorelaterade uppdrag.”

.

Leave a Comment

Your email address will not be published. Required fields are marked *