بیماری شیوع بیماری اتفاق می افتد در همه زمان ها ،

همانطور که ما تنظیم به زندگی در میان این COVID-19 همه گیر جامعه علمی در حال کار اضافه کاری برای درک ویروس و کاهش اثرات آن. در حالی که بسیاری از عموم مردم است دیدن برای اولین بار خطرات و اختلال ناشی از یک رمان بیماری مسری کسانی از ما که کار در این زمینه دیدن آنچه که ما برای مدت طولانی شناخته شده: شیوع بیماری نیست یک “اگر” سناریو اما “وقتی”—و آماده تر از ما هستند ،

که آماده سازی نیاز به ادامه سرمایه گذاری در طیف گسترده ای از علمی پژوهشی و فناوری به دقت درک هر دو بومی و اورژانس بیماری های, پیش بینی خود را گسترش و توسعه درمان و کاهش شیوع آینده.

برای مثال تغییر آب و هوا می تواند به طور قابل توجهی تاثیر بیماری ظهور و گسترش است. مدل های که پیش بینی برخی از مناطق جغرافیایی تحت تاثیر خواهد می تواند به تصمیم گیرندگان زمان به در محل قرار داده و استراتژی های بنیادی گسترش بیماری—مانند توزیع پشه بند, راه اندازی, بهداشت مبارزات به آموزش های عمومی و یا افزایش نیروی انسانی و تجهیزات در درمانگاه ها و بیمارستان ها.

اپیدمیولوژیک مدل و تجزیه و تحلیل بصری است که با استفاده از تاریخی شیوع داده ها نیز بسیار مهم برای فراهم کردن زمینه برای سرعت وقایع مانند COVID-19. برای مثال ما می توانیم ورودی داده های تاریخی از شیوع بیماری سارس در سال 2003 و 2015 MERS بیماری همه گیر به ببینید که چگونه به خوبی مختلف استراتژی کاهش در گذشته کار کرده—که آیا آن را عمومی آموزش و پرورش مبارزات محدودیت های مسافرتی و یا توزیع ماسک های صورت—و اعمال آن به شرایط فعلی برای coronavirus به ارائه توصیه.

پس از آن وجود دارد در زمان واقعی مدل های که با استفاده از ورودی coronavirus اطلاعات برای پیگیری بیماری و هوا و پیش بینی آن گسترش یافته است. در آزمایشگاه ملی لوس آلاموس برای افزایش دقت در زمان واقعی مدل های ما با استفاده از ناشناس, در دسترس عموم رسانه های اجتماعی پست برای درک اینکه چگونه بیماری هایی مانند آنفولانزا ، این مدل می توانید به ما بگویید که تعداد زیادی از مردم از یک شهر خاص مورد ارسال flulike علائم که پس از آن می تواند مورد استفاده قرار گیرد به سرعت شناسایی مناطق در معرض خطر افزایش قرار گرفتن در معرض به جای انتظار برای داده های بالینی که می تواند روز یا حتی هفته به دریافت خواهید کرد.

ما همچنین بهبود ابزارها و روش های مورد استفاده برای شناسایی و تشخیص بیماری های عفونی—به نام زیستی سنجش. به عنوان بیماری های تکامل دقت سنجش بدتر به دلیل بیولوژیکی امضا تغییر است که می تواند در نتیجه یک اشتباه (یا مثبت کاذب یا منفی). آیا در رفع این مشکل بسیار کار فشرده و پر هزینه است. اما در حال حاضر ما باید قدرت محاسباتی به استفاده از یادگیری ماشین به آموزش کامپیوتر نگاهی به توالی ژنومی از این بیماری تا یک روش جدید می توان طراحی شده است. این بدان معناست که سریعتر و دقیق تر تشخیص بسیار مهم است که اطلاعات را برای مقامات بهداشت عمومی.

یکی دیگر از مهم کاهش استراتژی—برخی می گویند که مهم ترین—توسعه واکسن برای جلوگیری از شیوع آینده. با استفاده از ابر رایانه ها و مقادیر زیادی از داده ها لوس آلاموس محققان در حال کار برای بهبود اثربخشی واکسن تمام راه را از توسعه از طریق به کارگیری است. در واقع یک واکسن اچ آی وی که با استفاده از مجموعه ای از “موزاییک” پروتئین با هدف بالا بردن ایمنی بدن و دفاع در برابر سویه های مختلف ویروس در حال حاضر در حال استفاده در یک دادگاه در آفریقای جنوبی.

همه این مثالها نشان دادن قدرت اطلاعات علم و اپیدمیولوژیک ابزار برای جلوگیری از گسترش بیماری های همه گیر. اما آنها نمی افتد در خلاء است. ما سال تحقیقات در اطراف جهان و در سراسر دولت و بخش خصوصی با تشکر. ما شاهد مزایای این ابزار در عمل در پاسخ به COVID-19—اما آنها انتقادی یا نه شیوع در ساخت عناوین.

متاسفانه بیماری شیوع ادامه خواهد داد. ما باید همچنان به سرمایه گذاری در علمی و تحقیقات فن آوری قادر می سازد که این ابزار به طوری که ما می تواند به سرعت پاسخ و ارائه تصمیم گیرندگان با اطلاعات حیاتی برای حفظ جمعیت امن است.

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.detny.im

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>