758502_ja-JP

liliconcom

JMP で開発された生物学的監視技術 (2020-US-30MP-577)

サム・エッジモン、SAS Institute アナリスト
SAS 主席分析コンサルタント、トニー・クーパー

国土安全保障省は、「生物テロ行為をどのように検出できるか」という質問をしました。議論と検討の後、私たちの答えは、「インフルエンザなどの自然発生的なイベントの発生を効果的に検出できれば、炭疽菌が使用された攻撃も検出できます。なぜなら、どちらも同様の症状を示すからです」でした。開発されたツールは、自然発生的な発生の検出に非常に関連性が高くなり、JMP は米国政府のあらゆるレベルとのほぼ 5 年間のやり取りで主要なコミュニケーション ツールとして使用されました。このプレゼンテーションでは、当時開発されたツールがコロナウイルス COVID-19 の影響を遅らせるためにどのように使用できたかを説明します。デモンストレーションに使用されるデータは、緊急管理システム、救急科、米国中毒センターからのものです。

自動生成されたトランスクリプト...

スピーカー	トランスクリプト
サム・エッジモン	こんにちは。サム・エッジモンです。私は SAS Institute で働いていました。SAS Institute で働いているのは、さまざまなプロジェクトに携わっているからです。
	今日は、私たちが取り組んだプロジェクトのうちの 1 つについてお話しします。私が取り組んでいるほぼすべてのプロジェクトで、画面に映っている Tony Cooper と一緒に仕事をしています。私たちは数年前にテネシー大学で出会って以来、ずっと一緒に仕事をしてきました。
	テネシー大学で学んだことを、このプロジェクト全体に応用しました。このプロジェクトは国土安全保障省のために行われました。
	国土安全保障省は生物テロリズムを非常に懸念しており、生物テロリズムの行為をどうやって検知するかという質問を SAS に持ちかけました。
	まあ、それはかなり議論すべきことだと分かっています。
	我々が持ち帰るかもしれないもの。その中の1つは、あなたが最も気にしていることは何か、その物がどのように見えるか、ということです
	あなたが懸念していることは何ですか？そして彼らは、炭疽菌やリシンなど、テロリストがアメリカ国民に危害を加えるために使用する可能性のある他の多くの非常に危険な物質について話しました。
	そうですね、私たちはその質問と彼らの当面の懸念を取り上げ、特に炭疽菌とリシンに関してできる限りの調査を行いました。
	私たちの研究には、ウェブサイトにアクセスして、CDCが炭疽菌の症状としているものや、
	リシンと、それがどのように患者に現れるか、救急室に歩いて行ったり、救急車に乗ったり、毒物センターに電話したり、そういったことが起こったりするのです。このプロセスを通して私たちが気づいたのは、
	炭疽菌にさらされた場合の症状はインフルエンザによく似ているということです。また、リシンにさらされた場合、それはあなたが経験する可能性のあるあらゆる種類の胃腸の問題によく似ています。そこで私たちは国土安全保障省に次のように答えました。
	インフルエンザやノロウイルス、あるいは胃腸の問題の発生を検知できれば、
	そうすれば、これらの悪い要素が公に使用されているかどうかを検出できると考えました。それが私たちが取った道です。EMSからデータを取得し、
	救急室、救急科、毒物センター、そしてGoogleの検索エンジンデータやソーシャルメディアデータも使用しています
	これまでは検出不可能と思われていたものを検出するために、私たちはいくつかのツールを開発しました。スライドから、いくつかの質問の結果がわかります。
	これまでお話ししてきたさまざまな方法をまとめました。今日は短い時間でその方法のいくつかに触れますが、詳しく見ていきましょう。私がしたいのは、私たちが行った会話の種類をお見せすることです。
	JMPを使用しています。このプロジェクトでは、アイデアや懸念事項、私たちが目にしているものを伝えるためにJMPを使用しています。コミュニケーションの一例として、EMSからデータを取得して、
	医療システム、主にノースカロライナ州に拠点を置いています。SASはノースカロライナ州に拠点を置いており、JMPはノースカロライナ州のケーリーに拠点を置いています。
	そのうちのいくつか、国内で最も優れた医療データはノースカロライナ州に保管されています。ノースカロライナ大学には、その実現に向けての大きな役割があります。
	実際、私たちは SAS とノースカロライナ大学、ノースカロライナ州立大学の協力を得て、国土安全保障省向けのこのプロジェクトに取り組み、ほぼ 5 年間にわたって活動してきました。
	しかし、私が最初に彼らに示したのは、それらのデータベースからどのようなデータを引き出すことができ、興味深いことがわかるかということでした。
	それでは、こうした状況のいくつかを見てみましょう。私が最初に話したいことの1つは、事例を見てみましょう。
	毎日起きる事件の情報を見ることはできるでしょうか？これは私が最初に示したグラフの1つです。このグラフでは何も見えません
	これには何も見えないと思います。これは、ご存知のとおり、何件のケースが
	ノースカロライナ州では、どの日も平均して 1 日あたり 2,782 件の症例が発生しており、整理すべき情報が膨大です。
	診断コードを見ることはできますが、一部の人はこれが私たちが望むほど明確ではないという考えを好まなかったので、そのデータにアクセスして研究する方法を見つけなければなりませんでした。
	どのような方法で情報を明らかにできるかを研究しました。その方法の1つは、興味のあるものに関連する症状を特定することでした。
	これは、誰かが緊急治療室に入ってきたり、救急車に乗ったりしたときに炭疽菌がどのような外観になるかを特定した、という考えに戻ります。
	つまり、特定の症状を特定できれば、データ内でその症状を検索することができます。
	それをするには、専門家に聞くしかありません。このプロジェクトには、医療専門家や医師がたくさん集まっていました。そして奇妙なことに、
	私がすぐに気づいたのは、部屋いっぱいの本当に賢い人たちに、インフルエンザやノロウイルスを探すときにはどんな症状に注意すればよいか、といった質問をすると、実にさまざまな答えが返ってくるということでした。
	そこで私は、意見だけではなく数学的にこの情報を得る方法が欲しいと考えました。そこで私がやったのは、作業していたデータを整理することでした
	特定の日の症状と診断を考慮するためです。私はそれらの診断コードを使用するつもりでした。
	そして最終的に私が導き出したのは、何度も繰り返し実行できる数学的に有効な一連の症状でした
	データを調べて、インフルエンザ、ノロウイルス、炭疽菌、リシン、COVID-19の症状など、特定のものを探すことができるのです。
	このプロジェクトは、私たちがどのように問題を見つけられるかという多くの質問とともに再び浮上しました。
	これはまさに私が再び示し始めた、この種のものです。症状をどうやって特定できるでしょうか？これがそのための方法です。
	さて、これらの症状が見つかったら、私たちが行うことの1つは、このコードに似たようなコードを書いて、データベースの1つの特定のフィールドを調べ、分析で見つかったものを探すことです。
	先ほどお見せしたように、ここではデータベースの1つで主訴のフィールドを調べて、特定の単語を検索します
	我々が興味を持つかもしれないことです。完全なプログラムでは、誰かが「熱がない」とか「吐き気がない」と言った言葉も検索します。そのため、我々は
	本質的にはネガティブな部分と、言葉の中にある純粋な「症状」の部分です。それをやれば、
	JMPで、この情報をもう一度見てみましょう。ここにはケースの数が載っていますが、これを見てみるとどうでしょうか
	特定の症状を特定した場所
	そしてそれがどのように見えるかを見てみましょう。
	私が実際に探しているのは、
	胃腸の問題です。インフルエンザなどを探していたかもしれませんが、これがデータです。同じデータです。基本的に、私が興味を持っているように見えるように整形されています。この場合、アウトブレイクがありました
	ノロウイルスについては、人々が知らなかったと伝えましたが、私たちは1月15日からこのことについて話し始めました。
	そして、私たちがここで話し始めるまで、世界はノロウイルスの本質的な流行があったことを知りませんでした。
	それは、かなり大きな出来事でした。私たちはデータを取得し、そのデータを整理し、本当に興味のあるものだけを残しました。
	しかし、私たちは続けました。私たちが行っていたことの強みは、単に症例や診断コードを数えることではなく、患者の訪問を説明する症状を調べることでした。
	緊急治療室に行ったのか、毒物センターに電話したのか、救急車に乗ったのか。
	主訴分野、症状分野、
	フリーテキストフィールドも用意しました。救急隊員が現場で使うかもしれない言葉を記述するフィールドも確認しました。
	救急室に初めて人が来たときに看護師が使うかもしれない言葉、そして医師が使うかもしれない言葉に注目しました。ボックス内でクリックした言葉ではなく、実際に彼らが使った言葉です。そして、それに関する指標も開発しました。
	この指標
	それは私たちに知らせてくれました
	ノースカロライナ州の特定の地域で特定の日に何かがおかしいと1か月前に言いました。1月15日と12月6日です
	同じエリアで起きました。そして、本当に重要なのは、特定の事柄について人々がどれだけ話しているかということです。1人の人がそれについて話しているなら、
	あまり重視されていないので、大した問題にはならないでしょう。2人が話しているのに看護師が
	EMS 技術者が特定の症状について話したり、症状を何度も言及したりする場合、私たちはそれを測定し、その情報から指標を開発します。
	つまり、もし3人、つまり医師、看護師、救急隊員が、もし私たちが持っている情報がそれなら、彼ら全員がそれについて話し合っているなら、
	それはおそらくかなり大きな問題です。12月6日にここで起こったことはまさにそれです。多くの人がノロウイルスのような症状について話しています。
	これは、2月中旬にメディアが話題にし始めた感染拡大に関連したものです。つまり、これは、メディアが1か月後に話題にし始めたことを私たちが世界に伝えたものとみなされています。
	そして
	具体的に言うと、私たちがこのケープフィア地域に惹かれたのは、ノースカロライナ州のウィルソン周辺で多くの事件が起きたからです。
	ウィルソン郡とか、そういうことです。だから、何かが起こっていると話す前に、私たちが興味を持てるように、かなり前から掘り下げて調べることができました。
	私たちは、生物学的監視のためのツールの使用に関するその種の作業を続けました。
	しかしその後私たちがやったことは、システムをセットアップした後、基本的には
	毎日、毎時間、毎日、そういうことです。そして、いつでもこう言えるのです。
	システムがアウトブレイクを予測していたら、それが認識されていたでしょう。提供されていた情報は、ある意味では本当にノイズのないものでした。私たちは時を振り返ってみると、
	年間20～30件の警報を予測し、
	1年間に合計で20～30件のアラートがありました。つまり、人々に何かを調べて、確認する必要があるかもしれないという通知を出したケースが20～30件ありました。状況が発生する可能性があるのです。しかし、これらのケースの1つでは、
	国土安全保障省で一緒に働いていた仲間が私たちのところに来て、あなたの警告を信じているので、それについてもう少し教えてくださいと言いました。
	それが何からできているか。それが彼の質問の仕方です。それで、私たちがやったことは
	彼の目の前でモデルを開発していました。
	そして、私たちがそれを実行できた理由は（そしてこれがそのモデルの結果です）、私たちがそれを実行できた理由は、今では、
	時間と場所に関連した症状に関するデータ、そして年齢や民族性などそれに関連して保存できるさまざまなデータをすべて保存することです。
	それで、「それは何からできているのですか」と尋ねられたら、これを画面の真ん中に配置して、周りの他の情報を閉じて、これだけに集中できるようにします。
	それで、このアウトブレイクは何で構成されているのかと聞かれたら、私たちは彼らの前でモデルを構築しました（トニーは実際にそれをやりました）
	そして、彼がこう言ったとき、それはかなりインパクトがあったようで、「はい、あなたは正しいです。今日私たちは警報が出ていることをお伝えしました」と言ったのです。
	そして、この地域のインフルエンザの症例には注意を払うべきです。異常なようです。しかし、私たちは彼らにこう言うこともできます。
	これらの事件は主に若者、16歳未満の人々によって起こっています。
	緊急治療室に行くときや救急車に乗るときに彼らが話す症状は、発熱、咳、呼吸器系の問題です。痛みもあります。
	胃腸の問題もあります。私たちが考える重要な情報は、年齢層と症状自体の相互作用です。
	これはリストの下位にあるため重要ではないと思われるかもしれませんが、私たちは重要だと考えています。
	そしてここにも。若者の呼吸困難、若者の胃腸の問題、そして高齢者についてお話しました。
	高齢者もデータに含まれ始めています。若者、高齢者、そしてその世代の人々について話すことができます。
	20代、30代、40代、50代は、現時点では今回の流行には現れていません。ここではいくつかのことがあります。私たちが知っている人々に、感染当日に情報を提供できたとき
	警報が鳴ったら、注意すべき症状のセットを彼らに提供できます。COVID-19が国内にかなり浸透していたとき、毎日ニュースをつければ、さまざまな症状が聞こえてくるような気がします。
	こういった問題に対処するにはこうすればよいのです。
	つまり、どのような症状が表面化しているのか、つまり、人々が実際に問題がいつ発生し、存在するのかを認識するための情報を持っている可能性があるということです。
	それで、これは私たちがここで話している内容の一部です。それを今どのように適用できるかを考えてみましょう。
	先ほどお見せしたアラート システムを使用します。これは、テキスト分析と比例チャートを使用する TAP メソッドと一般的に呼ばれています。
	まあ、ご存知のとおり、私たちはおそらくもうその段階を超えており、それは私たち次第です。当時は、調査を行うためのツールがありませんでした。
	しかし、こうしたツールは、私たちが探している症状はこれだ、と判断するのに役立つかもしれません。
	これらは、私たちが学ぶことに興味を持っている年齢層でもあります。それでは、このプロジェクトで学んだことをCOVID-19の状況改善に役立てる方法について引き続き見ていきましょう。
	私たちが行ったことの 1 つは、もちろん、症状データベースの構築についてお話ししました。症状データベースは、発生する症状に関する情報を毎日提供してくれます。
	そして誰が病気で、どこで病気になっているかが分かります。これは先ほどお話ししたデータベースからの抜粋です。日付の情報があります。
	ノースカロライナ州の地域における性別、民族に関する情報があります。これを町や郵便番号など、役立つ情報に細分化していただけますか。
	先ほどテキスト分析情報でTAPについて触れましたが、症状に関するTAP情報も得られます。
	たとえば吐き気について、一日に何人の人が吐き気について話しているのか、そして最終的に何カ所で話しているのかがわかります。これは、
	これから
	このデータベースをどう活用できるか考えてみましょう。救急医やCOVID-19の調査をしている人が私のところに来てこう言うとします。
	人々はどこで病気になっているのでしょうか。人々がどこで病気になっているのか
	今、あるいは特定の地域で感染が広がっている可能性があるかどうか。これは、それを実証するために私たちが行う可能性のあることです。
	私は主成分分析をよく使います。この場合は、このデータが準備されているので、このツールを使って
	私が分析したいもの。この場合、地域についてです。彼らは、どこで、どこで、何について知りたいのか尋ねました。さて、何について知りたいのですか？呼吸器系の問題について人々が話しているのを聞きます
	COVIDに関して、発熱や高熱などの症状について話している人がいます。これは人々が話している問題です
	書き留める以上のことがTAPの目的です。テキストの分野に入り込んで、興味深いことを理解するのです。
	私たちはこの分析を実行し、
	JMPはこのような素晴らしいグラフを作成します。何が起こっているかを伝えるのに最適です。この場合、ノースカロライナ州シャーロットでは、
	おそらく医師や看護師、救急隊員が患者の発熱について話しているのが本当に多いのでしょう
	呼吸器系の問題もあります。できるだけその問題から逃れたいなら、グリーンズボロやアッシュビルで時間を過ごすのもいいでしょう。ローリー・ダーラムにいるなら、これから何が起こるか知っておくといいでしょう。
	つまり、このような情報を活用できるのです
	本質的には、特定の地域で次に何が起こるかに関する情報です。また、同じ状況で重大性についても話すことができます。症例の重大性について話し、同じ方法でそれらがどこにあるかを測定することができます。
	つまり、ここで重要なのは症状データベースを整理して活用することです。
	私たちはこれらのアイデアを伝えるためにJMPを使用しています。このようなグラフは国土安全保障省に提示され、私たちは2時間もそれについて話し合いました。妥当性だけでなく、
	データがどこから来るのかなどです。それについて話すこともできますし、
	はい、これは皆さんが知っておくべき情報です。これは、人々がどこで病気になりつつあるかを理解するのに役立つ情報であり、警告を発して、基本的に命を救うことができます。
	つまり、ある意味、それが私たちが構築したシステムです。その根底にある鍵はデータです。
	繰り返しになりますが、私たちが使用したデータは、EMS、ED、中毒センターのデータです。中毒センターのデータの例はここにはありませんが、ここで示した方法と同じような方法で、中毒センターのデータを使用して食中毒を明らかにする方法については、後で詳しく説明します。
	そして、人々の前でストーリーを展開し、彼らと話す能力もかなりダイナミックです
	我々の事業に対する信念を売り込むことです。JMPはそれを実現してくれますし、SASコードもそれを実現してくれます。これは良い組み合わせのツールです。この件に関して私が言えることはこれだけです。
	トピック。ご注目いただきありがとうございます。このトピックがお役に立てば幸いです。また、この種の問題に関して私たちがお役に立てれば幸いです。ありがとうございます。

基本的なデータ分析とモデリングデータのブレンドとクリーンアップマスカスタマイゼーション品質およびプロセスエンジニアリング信頼性分析