Altoparlante
|
Trascrizione
|
| Sam Edgemon |
Ciao. Questo è Sam Edgemon. Ho lavorato per il SAS Institute, sai, lavoro per il SAS Institute, perché riesco a lavorare su così tanti progetti diversi. |
| |
E vi parleremo di uno di quei progetti su cui abbiamo lavorato oggi. Quasi tutti i progetti su cui lavoro lavoro con Tony Cooper, che è sullo schermo. Lavoriamo insieme davvero da quando ci siamo incontrati all'Università del Tennessee alcuni anni fa. |
| |
E le cose che abbiamo imparato all'Università del Tennessee le abbiamo applicate durante questo progetto. Ora questo progetto è stato realizzato per il Department of Homeland Security. |
| |
Il Department of Homeland Security era molto preoccupato per il terrorismo biologico e si è rivolto alla SAS con la domanda su come rileveremo atti di terrorismo biologico. |
| |
Beh, sai che è una bella discussione da avere, sai, se ci pensi |
| |
le cose con cui potremmo tornare. Sai, una di quelle cose era beh cosa fai, di cosa ti preoccupi di più cosa fa, che aspetto hanno le cose |
| |
di cui ti preoccupi? E hanno parlato di cose come l'antrace, la ricina e una serie di altri elementi molto pericolosi che i terroristi potrebbero usare per ferire la popolazione americana. |
| |
Bene, abbiamo preso la domanda e le loro, le loro preoccupazioni immediate e abbiamo studiato come meglio potevamo riguardo all'antrace e alla ricina, in particolare. |
| |
Sai, la nostra ricerca ha coinvolto, sai, ha comportato l'andare su siti web e studiare ciò che il CDC ha detto essere sintomi di antrace, e i sintomi di |
| |
ricina e come quelle, quelle cose potrebbero presentarsi in un paziente che entra al pronto soccorso o o o o fa un giro in ambulanza o chiama un centro antiveleno o succede qualcosa del genere. Quindi ciò che abbiamo realizzato durante questo processo è stato |
| |
era che i sintomi assomigliano molto all'influenza se sei stato esposto all'antrace. E se sei stato esposto alla ricina, assomiglia molto a qualsiasi tipo di problema gastrointestinale che potresti riscontrare. Quindi abbiamo concluso e qual è stata la nostra risposta alla Homeland Security è stata questa |
| |
era che se riusciamo a rilevare un focolaio di influenza o un focolaio di, diciamo, il norovirus o qualche problema gastrointestinale, |
| |
quindi pensiamo di poter rilevare quando alcuni di questi elementi negativi sono stati utilizzati dal pubblico. E quindi questo è il percorso che abbiamo intrapreso. Quindi abbiamo preso i dati da EMS e e |
| |
pronto soccorso, reparti di emergenza e centri antiveleno e in realtà abbiamo utilizzato anche i dati del motore di ricerca di Google o anche i dati dei social media |
| |
per rilevare cose che conosci prima erano ritenute non rilevabili in un certo senso. Ma abbiamo sviluppato diversi, diversi strumenti lungo la strada. E puoi vedere dalla diapositiva che ho qui alcuni dei risultati delle domande |
| |
quello che abbiamo messo insieme, sai, questi diversi metodi di cui abbiamo parlato qui. Toccherò alcuni di questi metodi nel breve tempo in cui dobbiamo parlare oggi, ma tuffiamoci dentro. Quello che voglio fare è solo mostrarti i tipi di conversazioni che abbiamo avuto |
| |
utilizzando JMP. Utilizziamo JMP in tutto questo progetto per comunicare le nostre idee e comunicare le nostre preoccupazioni, comunicare ciò che stavamo vedendo. Un esempio di quella comunicazione potrebbe iniziare proprio così, noi, avevamo preso i dati dall'EMS |
| |
sistema, sistema medico con sede principalmente nella Carolina del Nord. Sai, SAS ha sede nella Carolina del Nord, JMP ha sede nella Carolina del Nord a Cary e |
| |
e alcuni di loro, alcuni dei migliori dati medici del paese sono ospitati nella Carolina del Nord. L'Università della Carolina del Nord ha molto da fare. |
| |
In effetti, abbiamo formato una collaborazione tra SAS e l'Università della Carolina del Nord e la North Carolina State University per lavorare a questo progetto per la sicurezza interna che è andato avanti per quasi cinque anni. |
| |
Ma quello che ho mostrato loro inizialmente era sapere quali dati potremmo estrarre da quei database che potrebbero dirci cose interessanti. |
| |
Quindi camminiamo, attraversiamo alcuni di questi tipi di situazioni. Una delle cose di cui inizialmente volevo parlare era, ok, diamo un'occhiata ai casi. Sai, |
| |
possiamo vedere le informazioni nei casi che si verificano ogni giorno? Quindi sai che questo è stato uno dei primi grafici che ho dimostrato. Sai, è difficile vedere qualcosa in questo |
| |
e non credo che tu possa davvero vedere nulla in questo. Questo è il, sai, quanti casi |
| |
nello stato della Carolina del Nord, in media in un dato giorno, sai, 2.782 casi al giorno e, sai, ci sono molte informazioni da esaminare. |
| |
Quindi possiamo esaminare i codici di diagnosi, ma ad alcuni dei ragazzi non piaceva l'idea che questo non fosse così chiaro come vorremmo che fosse, quindi abbiamo dovuto trovare il modo di entrare in quei dati e studiarli |
| |
e studiare in che modo potremmo far emergere le informazioni. Uno di quei modi in cui pensavamo fosse identificare i sintomi, sintomi specifici relativi a qualcosa che ci interessa, |
| |
che risale a questa idea che, ok, abbiamo identificato l'aspetto dell'antrace quando qualcuno entra al pronto soccorso o fa un giro in ambulanza o cosa hai. |
| |
Quindi li abbiamo... se identifichiamo quei sintomi specifici, allora possiamo andare a cercarli nei dati. |
| |
Ora, un modo per farlo, potremmo chiedere ai professionisti. C'erano stanze piene di professionisti medici su questo, su questo progetto e molti medici. E una cosa strana che |
| |
Ho notato molto rapidamente quando hai chiesto a una stanza piena di persone davvero, davvero intelligenti domande del tipo, cosa sono... quali sintomi dovrei cercare quando cerco l'influenza o il norovirus, ottieni molte, molte risposte diverse . |
| |
Quindi ho pensato, beh, mi piacerebbe davvero avere un modo per ottenere queste informazioni, matematicamente, piuttosto che usare solo opinioni. E quello che ho fatto è stato organizzare i dati con cui stavo lavorando |
| |
considerare i sintomi in giorni specifici ee la diagnosi. Stavo per usare quei codici di diagnosi di diagnosi. |
| |
E quello che ho finito per tirar fuori, e l'ho impostato in modo da poterlo ripetere più e più volte, è stato un insieme di sintomi matematicamente validi |
| |
che potremmo entrare nei dati e cercare e cercare cose specifiche come l'influenza, come il norovirus o come l'antrace o come la ricina o come i sintomi di COVID 19. |
| |
Questo progetto è emerso di nuovo con molte domande su cosa potremmo... come potremmo fare per trovare i problemi |
| |
di COVID 19 in questo. Questo è esattamente ciò che ho iniziato a mostrare di nuovo, questo tipo di cose. Come possiamo identificare i sintomi? Bene, questo è un modo per farlo. |
| |
Ora, una volta trovati questi sintomi, una delle cose che facciamo è scrivere un codice che potrebbe assomigliare a questo codice che cercherà in un particolare campo in uno di quei database e cercherà le cose che abbiamo trovato in quei analisi che abbiamo |
| |
che abbiamo appena dimostrato per te. Quindi qui esamineremo il campo del reclamo principale in uno di quei database per cercare parole specifiche |
| |
che potremmo essere interessati a fare. Ora che i programmi completi cercherebbero anche termini che qualcuno ha detto, beh, qualcuno non ha la febbre o qualcuno non ha la nausea. Quindi dovremmo identificarci |
| |
essenzialmente i negativi, così come i sintomi di citazione pura senza virgolette nelle parole. Quindi, una volta fatto ciò, potremmo tornare a |
| |
JMP e e pensiamo a, beh, diamo, diamo un'occhiata, diamo un'occhiata a queste informazioni di nuovo. Abbiamo questo numero di casi quassù, ma se gli dessimo un'occhiata |
| |
dove ora abbiamo identificato sintomi specifici |
| |
e vedere come sarebbe. |
| |
Quindi quello che sto effettivamente cercando è qualsiasi informazione riguardante |
| |
problemi gastrointestinali. Avrei potuto cercare l'influenza o qualcosa del genere, ma ecco come appaiono i dati. Sono gli stessi dati. Essenzialmente è stato scolpito per far sembrare che tu sappia qualcosa che mi interessa. Quindi in questo caso c'è stata un'epidemia |
| |
del norovirus di cui abbiamo parlato alle persone che non lo sapevano, sai, abbiamo iniziato a parlarne il 15 gennaio. |
| |
E sai che il mondo non sapeva che c'era essenzialmente un focolaio del norovirus fino a quando non abbiamo iniziato a parlarne qui. |
| |
E quello era, quello era visto come una specie di grosso problema. Sai, abbiamo preso i dati, li abbiamo ripuliti e abbiamo lasciato le cose che ci interessano davvero |
| |
Ma abbiamo continuato. Sai che la forza di ciò che stavamo facendo non era semplicemente contare i casi o contare i codici diagnostici, stiamo osservando i sintomi che descrivono la visita della persona a |
| |
il pronto soccorso o quello per cui hanno chiamato per il centro antiveleno o per cui hanno fatto un giro in ambulanza. |
| |
campo del reclamo principale, campi dei sintomi, |
| |
e campi di testo libero. Abbiamo esaminato i campi che descrivevano le parole che un tecnico EMS potrebbe usare sulla scena. Abbiamo cercato nei campi che descrivono |
| |
le parole che un'infermiera potrebbe usare ogni volta che qualcuno entra per la prima volta al pronto soccorso, e abbiamo esaminato le parole che potrebbe usare un medico. Forse non quello su cui hanno cliccato nelle caselle, ma le parole effettive che hanno usato. E abbiamo sviluppato anche una metrica attorno a questo. |
| |
Questa metrica |
| |
era, sai, facci sapere |
| |
sai, un altro mese prima che qualcosa fosse strano in una particolare area della Carolina del Nord in una data particolare. Quindi ho detto che questo era il 15 gennaio e questo, questo era il 6 dicembre |
| |
ed era nella stessa zona. E ciò che sta veramente registrando è il numero di persone che parlano di una cosa specifica e se una persona ne parla, |
| |
non è molto pesante, quindi non sarebbe un grosso problema. Se ne parlano due persone, se un infermiere |
| |
e un tecnico EMS sta parlando di una serie specifica di sintomi o menzionando un sintomo più volte, quindi lo stiamo misurando e stiamo sviluppando una metrica da quelle informazioni. |
| |
Quindi se tre persone, sai, il dottore, l'infermiere e il tecnico EMS se queste sono le informazioni che abbiamo, se ne parlano tutti, |
| |
allora è probabilmente un grosso problema. Ecco cosa è successo qui il 6 dicembre, molte persone parlano di sintomi che descriverebbero qualcosa come il norovirus. |
| |
Questo, questo era collegato a un focolaio di cui i media hanno iniziato a parlare a metà febbraio. Quindi, quindi questo è visto come... mentre raccontiamo al mondo qualcosa di cui i media hanno iniziato a parlare, sai, un mese dopo. |
| |
E |
| |
nello specifico, sai, siamo stati attratti da questa regione di Cape Fear perché molti dei casi erano in quella zona della Carolina del Nord intorno a Wilson, |
| |
Contea di Wilson e quel genere di cose. Quindi, in modo che fosse visto come qualcosa di interessante che potremmo, potremmo in qualche modo approfondire con molto anticipo, sai, parlare di qualcosa che sta succedendo. Ora |
| |
abbiamo continuato con quel tipo di lavoro riguardante um, sai, usando quegli strumenti per la biosorveglianza. |
| |
Ma quello che abbiamo fatto in seguito è stato, sai, dopo aver impostato i sistemi che, sai, erano essenzialmente in esecuzione |
| |
ogni giorno, sai ogni ora, ogni giorno, quel genere di cose. E poi così ogni volta che potremmo dire, beh, |
| |
il sistema ha previsto un focolaio, sai se questo è stato notato. Le informazioni fornite... erano davvero prive di rumore in un certo senso. Guardiamo indietro nel tempo e lo eravamo |
| |
prevedere, diciamo, tra i 20 e i 30 avvisi all'anno, |
| |
avvisi totali all'anno. Quindi c'erano 20 o 30 situazioni in cui avevamo appena dato alle persone, il, il, l'avviso che avrebbero dovuto esaminare qualcosa, sai, guardare, controllare qualcosa. Potresti sapere che si sta verificando una situazione. Ma in uno di questi casi, |
| |
il tizio con cui abbiamo lavorato così tanto alla Homeland Security è venuto da noi e ha detto, ok, crediamo al tuo avviso, quindi dicci qualcosa di più al riguardo. Dicci cosa |
| |
di cosa è composto. È così che ha posto la domanda. Quindi, quindi quello che abbiamo fatto |
| |
Era stato sviluppato un modello, proprio di fronte a lui. |
| |
E il motivo per cui siamo stati in grado di farlo (ed ecco, ecco i risultati di quel modello), il motivo per cui siamo stati in grado di farlo è che ormai ci siamo resi conto del valore di |
| |
di conservare i dati riguardanti i sintomi relativi al tempo e al luogo e tutti i diversi tutti i diversi pezzi di dati che potremmo conservare in relazione a quello, come l'età, come l'etnia. |
| |
Quindi, quando ci è stato chiesto, di cosa è composto, allora potremmo... Mettiamolo proprio al centro dello schermo, chiudiamo alcune delle altre informazioni intorno a noi qui così puoi concentrarti solo su quello. |
| |
Quindi quando ci viene chiesto, ok, da cosa è composta questa epidemia, sai, abbiamo costruito un modello di fronte a loro (Tony l'ha fatto davvero) |
| |
e quello che sembrava avere un certo impatto quando lo fece, per dire, Ok, hai ragione. Ora vi abbiamo detto che oggi c'è c'è un avviso. |
| |
E dovresti prestare attenzione ai casi di influenza in questa particolare area perché sembra essere anormale. Ma ora potremmo anche dirglielo, okay |
| |
questi casi sono costituiti principalmente da giovani, persone di età inferiore ai 16 anni. |
| |
I sintomi di cui parlano quando vanno al pronto soccorso o salgono su un'ambulanza sono febbre, tosse, problemi respiratori. C'è dolore. |
| |
e ci sono problemi gastrointestinali. L'informazione chiave che riteniamo sia l'interazione tra i gruppi di età e i sintomi stessi. |
| |
Anche se questo potrebbe, sai, potrebbe non essere visto come importante è perché è in fondo alla lista, pensiamo che lo sia, |
| |
e anche questi quaggiù. Abbiamo parlato di giovani e dispnea, e di giovani e problemi gastro, e poi di anziani. |
| |
Quindi, sai, si è iniziato a vedere anche le persone anziane entrare nei dati qui. Quindi potremmo parlare di giovani, anziani e persone nel loro |
| |
Gli anni '20, '30, '40 e '50 non si presentano in questo focolaio in questo momento. Quindi ci sono un paio di cose qui. Quando potremmo dare informazioni alle persone che conosci il giorno di |
| |
di un avviso in corso e potremmo fornire loro un set di sintomi da cercare. Sai quando il COVID 19 era nel nostro paese, sai che sembri ancora accendere il telegiornale ogni giorno e sentire parlare di un sintomo diverso. |
| |
Questo è il modo in cui possiamo affrontare questo tipo di cose. Sai, possiamo capire |
| |
sai, quali sintomi stanno emergendo in modo tale che le persone potrebbero effettivamente avere, sai, avere informazioni per riconoscere quando un problema si verificherà effettivamente ed esisterà. |
| |
Quindi, quindi queste sono alcune delle cose di cui sai che stiamo parlando qui, penserai a come possiamo applicarle ora. |
| |
Usando i sistemi di allerta che ti ho mostrato in precedenza che, sai, generalmente chiamo metodo TAP semplicemente usando analisi del testo e grafici proporzionali. |
| |
Beh, sai, probabilmente siamo oltre ora, dipende da noi. Quindi non avevamo lo strumento per andare a cercare allora. |
| |
Ma questi tipi di strumenti possono ancora aiutarci a dire, sai, questi sono i sintomi che stiamo cercando. Queste sono le |
| |
questi sono anche i gruppi di età interessati a conoscere. Quindi, continuiamo a esaminare alcuni modi in cui potremmo usare ciò che abbiamo imparato su quel progetto per aiutare la situazione con COVID 19. |
| |
Una delle cose che abbiamo fatto, ovviamente, abbiamo parlato della creazione di questo database dei sintomi. Il database dei sintomi ci fornisce quotidianamente informazioni sui sintomi che si presentano. |
| |
E sai chi è, chi è malato e dove sono malati. Quindi ecco un estratto dal database di cui abbiamo parlato, dove contiene informazioni su una data, |
| |
ha informazioni su genere, etnia, nelle regioni della Carolina del Nord. Potremmo portare questo in città e i codici postali o qualunque cosa sia utile. |
| |
Questo ho menzionato TAP in quelle informazioni sull'analisi del testo, beh ora abbiamo informazioni TAP sui sintomi. Sai, quindi se le persone ne parlano |
| |
questo, diciamo per esempio, nausea, allora sappiamo quante persone parlano di nausea in un giorno, e alla fine in un posto. E quindi questo è solo un estratto dei sintomi da |
| |
da questa |
| |
questa banca dati. Quindi, diamo un'occhiata a come potremmo usare questo. Diciamo che vuoi venire da me, un medico del pronto soccorso o qualcuno che sta indagando sul COVID 19 potrebbe venire da me e dirmi: |
| |
beh, dove si ammalano le persone. Sai, è lì che le persone si ammalano |
| |
ora, o dove potrebbe verificarsi un focolaio in una particolare area. Bene, questo è il tipo di cosa che potremmo fare per dimostrarlo. |
| |
Uso molto l'analisi delle componenti principali. In questo caso, poiché abbiamo impostato questi dati, posso utilizzare questo strumento per identificare |
| |
le cose che mi interessa analizzare. In questo caso sono le regioni, hanno chiesto, sai, la domanda era dove, dove e cosa. Ok, cosa ti interessa sapere? Quindi sento la gente parlare di problemi respiratori |
| |
riguardo a COVID e sento persone che parlano di avere la febbre e questi sono sintomi piuttosto elevati. Questi sono problemi di cui le persone parlano |
| |
anche più di quanto stiano scrivendo le cose. Questa è l'idea di TAP, stiamo entrando in quei campi di testo e capendo cose interessanti. Quindi una volta che noi |
| |
eseguiamo queste analisi, |
| |
JMP crea questo meraviglioso grafico per noi. È ottimo per comunicare cosa sta succedendo. E quello che sta succedendo in questo caso è che Charlotte, North Carolina, |
| |
è davvero forse sommerso da medici e infermieri e forse tecnici EMS che parlano dei loro pazienti che hanno la febbre |
| |
e problemi respiratori. Se vuoi allontanarti il più possibile da tutto ciò, potresti trascorrere del tempo a Greensboro o Asheville, e se sei a Raleigh Durham, potresti essere a conoscenza di ciò che sta arrivando. |
| |
Quindi questo è questo è un modo in cui possiamo usare questo tipo di informazioni per |
| |
per essenzialmente intelligenza, sai, intelligenza su ciò che potrebbe accadere dopo in aree specifiche. Potremmo anche parlare di severità nello stesso, nello stesso caso. Potremmo parlare della gravità dei casi e misurare dove sono allo stesso modo. |
| |
Quindi sai che la chiave qui è organizzare e utilizzare il database dei sintomi. |
| |
Abbiamo usato JMP per comunicare queste idee. Un grafico come questo potrebbe essere stato mostrato alla Homeland Security e ne abbiamo parlato facilmente per due ore solo con, non solo domande sulla validità, |
| |
sai, è da dove provengono i dati e così via. Potremmo parlarne e potremmo anche parlarne |
| |
ok, questa, questa è l'informazione che devi sapere, sai. Queste sono informazioni che ti aiuteranno a capire dove le persone si ammalano, in modo tale che possano essere dati avvertimenti ed essenzialmente vite... vite salvate. |
| |
Quindi, in un certo senso questo è il sistema che abbiamo messo insieme. La chiave sottostante è, sono i dati. |
| |
Ancora una volta, i dati che abbiamo utilizzato sono EMS, ED, dati del centro antiveleni. Non ho un esempio dei dati del centro antiveleni qui, ma ho una lunga chiacchierata su come usiamo i dati dei centri antiveleni per far emergere le malattie di origine alimentare, proprio in modi simili a quelli che abbiamo mostrato qui. |
| |
E poi la capacità di essere abbastanza dinamici nello sviluppare la nostra storia di fronte alle persone e parlare con loro |
| |
nel, sai, vendendo fede in quello che facciamo. JMP ci aiuta a farlo; Il codice SAS ci aiuta a farlo. Questa è una buona combinazione di strumenti ed è tutto ciò che ho per questo particolare |
| |
argomento. Apprezzo la tua attenzione e spero che tu la trovi utile, e spero che possiamo aiutarti con questo tipo di cose. Grazie. |
