COVID-19 Yayılımında Risk Altındaki Alanları Tespit Etmek İçin Hücresel Ağları Kullanma

Colorado Eyalet Üniversitesi'ndeki araştırmacılar, COVID-19 ile mücadelede hastalığın yayılımında en büyük risk altındaki alanları belirlemek için yeni, invaziv olmayan bir strateji geliştirdiler.

Elektrik ve Bilgisayar Mühendisliği Profesörü Edwin Chong liderliğindeki ekip, artan viral bulaşımda potansiyel sıcak noktaları belirlemek için mevcut hücresel kablosuz ağlardan gelen verileri kullanıyor. IEEE Tıp ve Biyoloji Açık Mühendislik Dergisi'nde bu ay yayınlanan bir makalede ayrıntılı olarak açıklanan teknikler, karar alıcıların virüsün en yoğun şekilde tahribat verdiği New York'taki son salgın gibi senaryolardan kaçınmak için riskleri yönetmesine yardımcı olabilir.

COVID-19'un yakınlardaki bireyler tarafından kolayca yayıldığını bilen Chong ve ekibi, asemptomatik taşıyıcıların girme olasılığının daha yüksek olduğu şehir merkezi gibi koşuşturma ile en kalabalık alanları tanımlamalarına yardımcı olan bir yöntem geliştirdi. Günümüzde neredeyse herkes cep telefonu taşıdığı için, mobil cihaz kullanıcılarının bir alanda zaman içinde nasıl hareket ettiklerini ve toplandıklarını anlamayı hedefliyorlar.

Bu ağlar aracılığıyla toplanan verileri kullanarak Chong'nin ekibi, yerel nüfus yoğunluğunu ve hareketliliğini hesaplamak için HO / CS oranları adı verilen devir teslim ve hücre seçim etkinliğini ölçer. Gerçek zamanlı güncellemeler sunan veriler, daha fazla izleme için risk altındaki alanları işaretlemelerine olanak tanır. Yöntemleri, HO / CS oranları ne kadar yüksek olursa, daha yüksek yoğunluk ve hareketlilik anlamına gelirse, bulaşıcı hastalıkların yayılma riskinin de o kadar yüksek olduğu fikrine dayanır.

Chong, "Bulgularımız risk yöneticilerine planlama ve hafifletme konusunda yardımcı olabilir. Örneğin, yoğun bir plazayı kordon altına alabililer ya da virüsün yayılmasını yavaşlatmak için daha katı sosyal mesafe ölçütleri uygulayabilirler." Dedi

Chong, yaklaşımlarının toplumlarda önerilen halk sağlığı politikalarına uyup uymadığını belirlemek için evde kalan insanların yüzdesini tahmin etmek için de kullanılabileceğini söyledi. Dağıtımı genellikle zor olan ve yaygın olarak benimsenmesi gereken temas izleme uygulamalarının aksine, yaklaşımları cihaz kullanıcılarından aktif katılım gerektirmeden bireylerin gizliliğini ve anonimliklerini korur.