281523_ko-KR

liliconcom

JMP로 개발된 생물학적 감시 기술(2020-US-30MP-577)

레벨: 초심자

 

Sam Edgemon, SAS 연구소 애널리스트
Tony Cooper, SAS 수석 분석 컨설턴트

 

국토안보부는 “생물학적 테러 행위를 어떻게 탐지할 수 있는가?”라는 질문을 던졌다. 논의와 고찰 끝에 우리의 대답은 "인플루엔자 같은 자연 발생적 사건의 발생을 효과적으로 감지할 수 있다면 유사한 증상을 나타내므로 탄저균이 사용된 공격을 찾을 수 있습니다."였습니다. 개발된 도구는 자연적으로 발생하는 발병을 감지하는 데 훨씬 더 적합해졌으며 JMP는 거의 5년 동안 모든 수준의 미국 정부와 상호 작용하는 주요 통신 도구로 사용되었습니다. 이 프레젠테이션에서는 당시 개발된 도구가 코로나바이러스 COVID-19의 영향을 지연시키는 데 어떻게 사용될 수 있었는지 보여줄 것입니다. 시연에 사용될 데이터는 비상 관리 시스템, 응급실 및 미국 독극물 센터에서 가져온 것입니다.

 

 

자동 생성된 성적표...

 

스피커	성적 증명서
샘 에지몬	안녕하세요. 샘 에지몬입니다. 저는 SAS Institute에서 일했습니다. 아시다시피 SAS Institute에서 일합니다. 왜냐하면 저는 매우 다양한 프로젝트에서 일하게 되기 때문입니다.
	오늘 작업한 프로젝트 중 하나에 대해 말씀드리겠습니다. 제가 작업하는 거의 모든 프로젝트에서 스크린에 나오는 Tony Cooper와 함께 작업합니다. 우리는 몇 년 전 테네시 대학에서 만난 이후로 정말 함께 일했습니다.
	그리고 우리가 테네시 대학에서 배운 것들을 이 프로젝트 전체에 적용했습니다. 이제 이 프로젝트는 국토안보부를 위해 수행되었습니다.
	국토안보부는 생물학적 테러에 대해 매우 우려했으며 생물학적 테러 행위를 탐지하는 방법에 대한 질문으로 SAS에 왔습니다.
	글쎄요, 그건 상당한 논의가 필요하다는 걸 아시죠? 생각해보면
	우리가 돌아올 수 있는 것들. 알다시피, 그 중 하나는 무엇을 합니까, 무엇을 합니까, 무엇을 합니까, 사물이 어떻게 생겼는지에 대한 것입니다.
	당신이 걱정하는? 그리고 그들은 탄저병, 리신, 그리고 테러리스트들이 미국인들을 해치는 데 사용할 수 있는 매우 위험한 요소들에 대해 이야기했습니다.
	음, 우리는 질문과 그들의 즉각적인 우려를 받아들여 특히 탄저병과 리신에 관해 최선을 다해 조사했습니다.
	아시다시피 저희 연구는 웹사이트에 접속하여 CDC가 말한 탄저병 증상과
	리신과 그런 것들이 응급실로 걸어가거나 구급차를 타거나 독극물 센터에 전화하는 등의 일이 일어나는 환자에게 나타날 수 있습니다. 그래서 이 과정을 거치면서 깨달은 사실은
	탄저병에 노출되면 증상이 인플루엔자처럼 보인다는 것입니다. 그리고 리신에 노출된 적이 있다면 그것은 여러분이 경험할 수 있는 모든 유형의 위장 문제와 매우 유사해 보입니다. 그래서 우리는 결론을 내렸고 국토안보부에 대한 우리의 반응은
	우리가 인플루엔자의 발병이나 노로바이러스의 발병 또는 일부 위장관 문제를 감지할 수 있다면
	그런 다음 이러한 나쁜 요소 중 일부가 대중에게 사용되는 시기를 감지할 수 있다고 생각합니다. 이것이 우리가 택한 길입니다. 그래서 우리는 EMS에서 데이터를 가져왔고
	응급실, 응급실 및 독극물 센터와 실제로 Google 검색 엔진 데이터 또는 소셜 미디어 데이터도 사용했습니다.
	이전에는 어떤 의미에서 감지할 수 없다고 생각했던 것을 감지합니다. 그러나 우리는 그 과정에서 몇 가지, 몇 가지 도구를 개발했습니다. 슬라이드에서 볼 수 있듯이 질문에 대한 몇 가지 결과가 있습니다.
	우리가 여기에서 이야기한 다양한 방법을 하나로 합친 것입니다. 오늘 이야기해야 할 짧은 시간에 이러한 방법 중 일부를 다루겠지만 본격적으로 살펴보겠습니다. 내가 하고 싶은 것은 우리가 나눈 대화의 유형을 보여주는 것입니다.
	JMP를 사용하여 우리는 이 프로젝트 전반에 걸쳐 JMP를 사용하여 아이디어를 전달하고 우려 사항을 전달하고 본 것을 전달합니다. 그 통신의 예는 다음과 같이 시작할 수 있습니다. 우리는 EMS에서 데이터를 가져왔습니다.
	시스템, 주로 노스캐롤라이나에 기반을 둔 의료 시스템입니다. SAS는 노스캐롤라이나에 있고 JMP는 노스캐롤라이나의 Cary에 있습니다.
	그 중 일부는 미국 최고의 데이터 의료 데이터 중 일부가 노스캐롤라이나에 있습니다. 노스캐롤라이나 대학교는 그렇게 할 일이 많습니다.
	실제로 우리는 거의 5년 동안 진행된 국토안보를 위한 이 프로젝트를 수행하기 위해 SAS와 노스캐롤라이나 대학교 및 노스캐롤라이나 주립대학교 간에 협력 관계를 형성했습니다.
	하지만 처음에 그들에게 보여준 것은 우리에게 흥미로운 사실을 알려줄 수 있는 데이터베이스에서 어떤 데이터를 추출할 수 있는지 알고 있다는 것이었습니다.
	그러니 그냥 걸어봅시다. 그러한 상황의 일부를 통과해 봅시다. 제가 처음에 이야기하고 싶었던 것 중 하나는 케이스를 살펴보겠습니다. 알잖아,
	매일, 매일 발생하는 사건에 대한 정보를 볼 수 있습니까? 이것이 제가 시연한 첫 번째 그래프 중 하나라는 것을 알고 계실 것입니다. 알다시피, 이것에서 아무것도보기가 어렵습니다.
	그리고 나는 당신이 이것에서 아무것도 볼 수 없다고 생각합니다. 이건, 알다시피, 얼마나 많은 경우
	노스 캐롤라이나 주에서는 하루 평균 하루 평균 2,782건이며 분류해야 할 정보가 많습니다.
	그래서 우리는 진단 코드를 볼 수 있지만, 몇몇 사람들은 이것이 우리가 원하는 만큼 명확하지 않다는 생각을 좋아하지 않았기 때문에 우리는 그 데이터에 들어가서 연구할 방법을 찾아야 했습니다.
	정보를 표면화할 수 있는 방법을 연구합니다. 우리가 느꼈던 방법 중 하나는 증상, 우리가 관심 있는 것과 관련된 특정 증상,
	이것은 누군가가 응급실에 들어왔을 때나 구급차에 태워졌을 때 탄저균이 어떻게 생겼는지 확인했습니다.
	그래서 우리는 그것들을 가지고 있습니다... 우리가 그러한 특정 증상을 식별한다면, 우리는 데이터에서 그것을 검색할 수 있습니다.
	이제 우리가 할 수 있는 방법으로 전문가에게 물어볼 수 있습니다. 이 프로젝트에 대한 의료 전문가와 많은 의사들로 가득 찬 방이 있었습니다. 그리고 이상한 점은
	제가 매우 빠르게 관찰한 것은 당신이 방안에 가득 찬 정말 똑똑한 사람들에게 "무엇이...인플루엔자나 노로바이러스를 찾을 때 어떤 증상을 찾아야 하는지"와 같은 질문을 했을 때 매우 다양한 답변을 얻는 것이었습니다. .
	그래서 저는 이 정보를 단순히 의견을 사용하는 것보다 수학적으로 얻을 수 있는 방법을 갖고 싶다고 생각했습니다. 그리고 제가 한 일은 작업 중인 데이터를 정리한 것입니다.
	특정 날짜의 증상과 진단을 고려합니다. 나는 그 진단 진단 코드를 사용하려고했습니다.
	그리고 결국 제가 얻은 것은 수학적으로 타당한 일련의 증상이었습니다.
	우리는 데이터로 들어가서 인플루엔자, 노로바이러스, 탄저병, 리신 또는 COVID 19의 증상과 같은 특정한 것을 찾고 찾을 수 있습니다.
	이 프로젝트는 우리가 할 수 있는 일...문제를 찾는 방법에 대한 많은 질문과 함께 다시 나타났습니다.
	이것에서 COVID 19의. 이것이 바로 내가 다시 보여주기 시작한 것, 이런 종류의 것들입니다. 증상을 어떻게 식별할 수 있습니까? 글쎄, 이것은 그렇게하는 방법입니다.
	이제 이러한 증상을 찾으면 우리가 하는 일 중 하나는 데이터베이스 중 하나에서 특정 필드를 조사하고 해당 데이터베이스에서 찾은 항목을 찾는 이 코드와 유사한 코드를 작성하는 것입니다. 우리가 한 분석
	우리가 방금 보여드린 것입니다. 따라서 여기에서 특정 단어를 찾기 위해 이러한 데이터베이스 중 하나에서 주요 불만 필드를 살펴보겠습니다.
	할 수 있습니다. 이제 완전한 프로그램은 누군가가 "음, 열이 없는 사람이나 메스꺼움이 없는 사람입니다"라고 말한 용어도 찾습니다. 그래서 우리는 식별해야 할 것입니다
	본질적으로 네거티브뿐만 아니라 단어의 순수한 인용 부호를 인용하지 않은 증상. 일단 우리가 그렇게 했다면, 우리는 다시
	JMP에 대해 생각하고, 자, 봅시다, 이 정보를 다시 봅시다. 여기에 이 정도의 사례가 있습니다. 하지만 살펴보자면 어떨까요?
	지금 특정 증상을 식별한 위치
	어떻게 생겼는지 확인하세요.
	그래서 제가 실제로 찾고 있는 것은
	위장 문제. 나는 독감이나 그와 유사한 것을 찾고 있었을 수 있지만 이것이 데이터의 모습입니다. 같은 데이터입니다. 본질적으로 내가 관심이 있는 것을 알고 있는 것처럼 보이도록 조각되었습니다. 그래서 이 경우에 발발이 있었습니다.
	우리가 사람들에게 그들이 그것에 대해 몰랐다고 말했던 노로바이러스에 대해, 우리는 1월 15일에 이것에 대해 이야기하기 시작했습니다.
	그리고 우리가 여기서 이야기를 시작하기 전까지는 세상이 본질적으로 노로바이러스의 발발이 있었다는 사실을 몰랐다는 것을 알고 계실 것입니다.
	그리고 그것은 일종의 큰 문제로 여겨졌습니다. 알다시피, 우리는 데이터를 가져오고 그 데이터를 정리하고 우리가 정말로 관심을 갖는 것을 남겼습니다.
	그러나 우리는 계속했습니다. 우리가 하던 일의 강점은 단순히 사례를 세거나 진단 코드를 세는 것이 아니라 사람의 방문을 설명하는 증상을 살펴보는 것입니다.
	응급실 또는 독극물 센터에 대해 전화를 걸거나 구급차를 탔습니다.
	주증상 영역, 증상 영역,
	및 자유 텍스트 필드. EMS 기술자가 현장에서 사용할 수 있는 단어를 설명하는 필드를 조사했습니다. 다음을 설명하는 필드를 조사했습니다.
	간호사가 응급실에 처음 왔을 때 사용하는 단어와 의사가 사용할 수 있는 단어를 살펴보았습니다. 그들이 상자 안의 내용을 클릭한 것이 아니라 그들이 사용한 실제 단어일 수도 있습니다. 그리고 우리는 그에 대한 지표도 개발했습니다.
	이 지표
	그것은 우리에게 알려주었습니다.
	아시다시피, 특정 날짜에 노스 캐롤라이나의 특정 지역에서 무언가 이상하다는 것을 한 달 전에 미리 알았습니다. 그래서 나는 이것이 1월 15일이고 이것은 12월 6일이라고 말했습니다.
	그리고 같은 지역에 있었다. 그리고 실제로 등록되는 것은 사람들이 특정한 것에 대해 얼마나 많이 이야기하고 있는지, 한 사람이 그것에 대해 이야기하고 있는지,
	그것은 매우 무겁지 않기 때문에 큰 문제가 되지 않을 것입니다. 두 사람이 이야기한다면 간호사라면
	EMS 기술자가 특정 증상 세트에 대해 이야기하거나 증상을 여러 번 언급한 다음 이를 측정하고 해당 정보에서 메트릭을 개발하고 있습니다.
	그래서 의사, 간호사, EMS 기술자 세 사람이 우리가 가진 정보에 대해 이야기하고 있다면
	그렇다면 아마도 꽤 큰 일이 될 것입니다. 이것이 12월 6일 이곳에서 일어난 일입니다. 많은 사람들이 노로바이러스와 같은 것을 설명하는 증상에 대해 이야기하고 있습니다.
	이것은, 이것은 2월 중순에 언론이 이야기하기 시작한 발발과 관련이 있습니다. 그래서 이것은... 한 달 후에 미디어가 이야기하기 시작한 것에 대해 우리가 세상에 알리는 것으로 보입니다.
	그리고
	구체적으로 알다시피 우리는 이 Cape Fear 지역에 끌렸습니다. 많은 사례가 Wilson 주변의 North Carolina 지역에 있었기 때문입니다.
	윌슨 카운티와 그런 종류의 것. 그래서 우리가 어떤 일이 벌어지고 있는지 이야기하기 훨씬 전에 드릴 수 있는 흥미로운 것으로 여겨졌습니다. 지금
	우리는 생물 감시를 위한 도구를 사용하는 것과 관련된 유형의 작업을 계속했습니다.
	하지만 나중에 우리가 한 일은 기본적으로 실행되는 시스템을 설정한 후였습니다.
	매일, 당신은 매시간, 매일, 그런 종류의 일을 알고 있습니다. 그리고 우리가 말할 수 있을 때마다, 음,
	시스템이 확산을 예측했으며, 이것이 발견되었는지 알 수 있습니다. 정보가 제공되고 있었습니다...어떤 의미에서 정말 소음이 없었습니다. 우리는 시간이 지남에 따라 돌아보고 우리는
	1년에 20~30개의 알림이
	연간 총 경보. 그래서 우리가 방금 사람들에게 그들이 무언가를 조사해야 한다는 통지를 준 20~30가지 상황이 있었습니다. 발생하는 상황을 알 수 있습니다. 그러나 이러한 경우 중 하나에서
	국토안보부에서 함께 일했던 동료가 우리에게 와서 말했습니다. 우리에게 무엇을 말해
	무엇으로 구성되어 있는지. 그것이 그가 질문을 던진 방법입니다. 그래서 우리가 한 일
	그의 바로 앞에서 모델을 개발하고 있었습니다.
	그리고 우리가 그렇게 할 수 있었던 이유(그리고 여기 그 모델의 결과가 있습니다), 우리가 그렇게 할 수 있었던 이유는 지금까지
	시간과 장소와 관련하여 증상에 관한 데이터를 유지하고 연령, 민족과 같은 데이터와 관련하여 유지할 수 있는 모든 다른 데이터를 유지하는 것입니다.
	그래서 우리가 무엇으로 구성되어 있는지 물었을 때 우리는... 이것을 화면 중앙에 놓고 여기에 집중할 수 있도록 여기에서 우리 주변의 다른 정보 중 일부를 닫습니다.
	그래서 우리가 질문을 받았을 때, 좋아요, 이 발병이 무엇으로 구성되어 있는지, 알다시피, 우리는 그들 앞에서 모델을 만들었습니다(Tony는 실제로 그렇게 했습니다).
	그리고 그것은 그가 이것을 했을 때 상당한 영향을 미친 것 같았습니다. 좋아요, 당신 말이 맞아요. 이제 우리는 오늘 여러분에게 경고가 있다고 말했습니다.
	그리고 비정상적으로 나타나기 때문에 이 특정 지역의 인플루엔자 사례에 주의를 기울여야 합니다. 하지만 이제 그들에게 말할 수도 있습니다.
	이러한 사례는 주로 16세 미만의 청소년으로 구성됩니다.
	응급실에 가거나 구급차를 탈 때 말하는 증상은 열, 기침, 호흡기 문제입니다. 고통이 있습니다.
	그리고 위장 문제가 있습니다. 우리가 느끼는 핵심 정보는 연령대와 증상 자체 간의 상호 작용입니다.
	이것은 중요하지 않을 수 있지만 목록에 없기 때문에 중요하지 않다고 생각합니다.
	심지어 여기 아래에 있습니다. 우리는 젊은이들과 호흡곤란, 젊은이들과 위장 문제, 그리고 노인들에 대해 이야기했습니다.
	그래서 여기에서도 노인들이 데이터에 들어오는 것을 보기 시작했습니다. 그래서 우리는 젊은 사람들, 노인들, 그리고 그들의
	20대, 30대, 40대, 50대는 현재 이 발병에 나타나지 않습니다. 여기 몇 가지가 있습니다. 우리가 당신이 아는 사람들에게 당일에 정보를 줄 수 있을 때
	발생하는 경고에 대해 우리는 그들에게 찾을 증상 세트를 제공할 수 있습니다. COVID 19가 우리나라에 퍼졌을 때, 여전히 매일 뉴스를 켜고 다른 증상에 대해 듣는 것 같습니다.
	이것이 우리가 그러한 유형의 일을 처리하는 방법입니다. 알다시피, 우리는 이해할 수 있습니다
	사람들이 실제로 가질 수 있는 증상이 무엇인지, 문제가 실제로 발생하고 존재할 때 인식할 수 있는 정보를 가질 수 있습니다.
	자, 이것이 우리가 여기서 이야기하고 있는 것 중 일부이며, 지금 그것을 적용할 수 있는 방법에 대해 생각할 것입니다.
	이전에 보여드린 알림 시스템을 사용하면 텍스트 분석과 비례 차트 작성을 사용하는 것으로 일반적으로 TAP 방법이라고 합니다.
	글쎄, 알다시피, 우리는 아마도 지금 그 이상일 것입니다. 그것은 우리에게 달려 있습니다. 그래서 그때는 찾아볼 도구가 없었습니다.
	그러나 이러한 유형의 도구는 여전히 우리가 이것이 우리가 찾고 있는 증상이라고 말할 수 있도록 도와줄 수 있습니다. 이들은
	이들은 학습에 관심이 있는 연령대입니다. 따라서 해당 프로젝트에서 배운 내용을 사용하여 COVID 19 상황을 도울 수 있는 몇 가지 방법을 계속 살펴보겠습니다.
	물론 우리가 한 일 중 하나는 이 증상 데이터베이스를 구축하는 것에 대해 이야기한 것입니다. 증상 데이터베이스는 발생하는 증상에 대한 정보를 매일 제공합니다.
	그리고 당신은 누가, 누가 아프고 어디에서 아픈지 압니다. 여기 우리가 이야기한 데이터베이스에서 발췌한 것이 있습니다. 여기에는 날짜에 대한 정보가 있습니다.
	노스 캐롤라이나 지역의 성별, 민족에 대한 정보가 있습니다. 우리는 이것을 마을과 우편 번호 또는 유용한 모든 것으로 가져갈 수 있습니다.
	이 텍스트 분석 정보에서 TAP를 언급했는데 이제 증상에 대한 TAP 정보를 얻었습니다. 알다시피, 그래서 사람들이 그것에 대해 이야기한다면
	예를 들어 메스꺼움이라고 하면 하루에 얼마나 많은 사람들이 메스꺼움에 대해 이야기하는지 알 수 있습니다. 그래서 이것은 단지 다음에서 추출한 증상입니다.
	이것으로부터
	이 데이터베이스. 자, 이것을 어떻게 사용할 수 있는지 살펴봅시다. 응급실 의사나 COVID 19를 조사하는 누군가가 저에게 와서 이렇게 말할 수 있다고 가정해 보겠습니다.
	글쎄, 사람들은 어디에서 아프다. 알다시피, 사람들이 병에 걸리는 곳
	지금, 또는 특정 지역에서 발병이 발생할 수 있는 곳. 글쎄, 이것은 우리가 그것을 증명하기 위해 할 수 있는 일의 유형입니다.
	저는 Principal Components Analysis를 많이 사용합니다. 이 경우 이 데이터를 설정했기 때문에 이 도구를 사용하여 식별할 수 있습니다.
	내가 분석하고 싶은 것. 이 경우 지역입니다. 그들이 물었습니다. 질문은 어디에서, 어디서, 무엇을 하느냐였습니다. 좋아, 무엇에 대해 알고 싶니? 그래서 사람들이 호흡기 문제에 대해 이야기하는 것을 듣습니다.
	COVID에 대해 사람들이 열이 나는 것에 대해 이야기하는 것을 들었고 이것은 일종의 상승된 증상입니다. 이것은 사람들이 이야기하는 문제입니다.
	그들이 무언가를 적는 것보다 훨씬 더. 그것이 TAP의 아이디어입니다. 우리는 텍스트 필드에 들어가 흥미로운 것을 이해하고 이해합니다. 그래서 일단 우리는
	이 분석을 실행하고
	JMP는 우리를 위해 멋진 그래프를 만들어 줍니다. 무슨 일이 일어나고 있는지 소통하는 데 좋습니다. 그리고 이 사건에서 일어나는 일은 노스캐롤라이나의 샬롯입니다.
	의사와 간호사, EMS 기술자가 열이 있는 환자에 대해 이야기하는 것으로 넘쳐날 수 있습니다.
	그리고 호흡기 문제. 가능한 한 멀리 가고 싶다면 Greensboro 또는 Asheville에서 시간을 보낼 수 있으며 Raleigh Durham에 있다면 진행 상황을 알고있을 것입니다.
	이것이 우리가 이러한 유형의 정보를 사용할 수 있는 방법입니다.
	본질적으로 지능은 특정 영역에서 다음에 무슨 일이 일어날 수 있는지에 대한 지능입니다. 같은 경우에 심각성에 대해서도 이야기할 수 있습니다. 사례의 심각성에 대해 이야기하고 동일한 방식으로 측정할 수 있습니다.
	여기서 핵심은 증상 데이터베이스를 구성하고 활용하는 것입니다.
	우리는 JMP를 사용하여 이러한 아이디어를 전달했습니다. 이런 그래프가 국토안보부에 보여졌을 수도 있고, 타당성에 대한 질문도 아니고,
	아시다시피 데이터의 출처 등입니다. 우리는 그것에 대해 이야기할 수 있고 또한 그것에 대해 이야기할 수 있습니다.
	좋아요, 이것은 여러분이 알아야 할 정보입니다. 이것은 사람들이 어디에서 병에 걸리는지 이해하는 데 도움이 되는 정보입니다. 경고가 주어질 수 있고 본질적으로 생명을 구할 수 있습니다.
	그래서 그것은 어떤 의미에서 우리가 함께 만든 시스템입니다. 기본 키는 데이터입니다.
	다시 말하지만, 우리가 사용한 데이터는 EMS, ED, 독극물 센터 데이터입니다. 여기에 독극물 센터 데이터의 예가 없지만 여기서 보여드린 것과 비슷한 방식으로 독극물 센터 데이터를 사용하여 식중독을 표면화하는 방법에 대해 긴 이야기를 나누었습니다.
	그리고 나서 사람들 앞에서 우리의 이야기를 전개하고 그들과 대화하면서 상당히 역동적일 수 있는 능력
	우리가 하는 일에 대한 믿음을 팔고 있습니다. JMP는 그렇게 하는 데 도움이 됩니다. SAS 코드는 우리가 그렇게 하는 데 도움이 됩니다. 그것은 좋은 조합 도구이며 이것이 내가 이 특정 도구에 대해 가지고 있는 전부입니다.
	주제. 관심을 가져 주셔서 감사합니다. 도움이 되셨기를 바라며 이러한 유형의 문제에 대해 도움을 드릴 수 있기를 바랍니다. 감사합니다.

탈주데이터 탐색데이터 시각화