|
Oratore
|
Trascrizione
|
| Sam Edgemon |
Salve. Sono Sam Edgemon. Ho lavorato per il SAS Institute, sai, lavoro per il SAS Institute, perché mi capita di lavorare su così tanti progetti diversi. |
| |
E vi racconteremo di uno di quei progetti a cui abbiamo lavorato oggi. Quasi in tutti questi progetti a cui lavoro, lavoro con Tony Cooper, che è sullo schermo. Abbiamo lavorato insieme davvero da quando ci siamo incontrati alla University of Tennessee qualche anno fa. |
| |
E le cose che abbiamo imparato all'Università del Tennessee le abbiamo applicate in tutto questo progetto. Ora, questo progetto è stato fatto per il Department of Homeland Security. |
| |
Il Dipartimento della Sicurezza Interna era molto preoccupato per il terrorismo biologico e si è rivolto al SAS chiedendogli come avremmo potuto rilevare gli 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, cosa ti preoccupa di più cosa fa, come sono le cose |
| |
di cui sei preoccupato? E hanno parlato di cose come l'antrace, la ricina e un certo numero di altri elementi molto pericolosi che i terroristi potrebbero usare per danneggiare la popolazione americana. |
| |
Bene, abbiamo preso in considerazione la domanda e le loro preoccupazioni immediate e abbiamo svolto le ricerche che abbiamo potuto per quanto riguarda l'antrace e la ricina, in particolare. |
| |
Sai, la nostra ricerca ha comportato, sai, ha comportato l'andare su siti web e studiare quello che il CDC ha detto essere sintomi di antrace, e i sintomi di |
| |
ricina e e come quelle, quelle cose potrebbero presentarsi in un paziente che entra nel pronto soccorso o o o o fa un giro in ambulanza o chiama un centro antiveleni o qualcosa del genere accade. Quindi quello che abbiamo capito 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 avere. Quindi abbiamo concluso e la nostra risposta alla Homeland Security è stata che |
| |
era che se riusciamo a rilevare un'epidemia di influenza o un'epidemia di, diciamo, norovirus o qualche problema gastrointestinale, |
| |
allora pensiamo di poter, possiamo rilevare quando alcuni di questi elementi cattivi sono stati usati in pubblico. E quindi questo è il percorso che abbiamo intrapreso. Quindi abbiamo preso i dati da EMS e e |
| |
pronto soccorso, dipartimenti di emergenza e centri antiveleni e abbiamo effettivamente utilizzato anche i dati del motore di ricerca Google o i dati dei social media |
| |
per rilevare cose che prima si pensava fossero in un certo senso non rilevabili. Ma abbiamo sviluppato diversi, diversi strumenti lungo il cammino. E puoi vedere dalla diapositiva che ho qui alcuni dei risultati delle domande |
| |
che noi che noi mettiamo insieme, sapete, questi diversi metodi di cui abbiamo parlato qui. Toccherò alcuni di quei metodi nel breve tempo che abbiamo a disposizione oggi, ma approfondiamo. Quello che voglio fare è solo mostrarvi i tipi di conversazioni che abbiamo avuto |
| |
usando JMP. Usiamo JMP in tutto questo progetto per comunicare le nostre idee e comunicare le nostre preoccupazioni, comunicare ciò che stavamo vedendo. Un esempio di tale comunicazione potrebbe iniziare proprio così, noi, noi avevamo preso dati dall'EMS |
| |
sistema, sistema medico basato principalmente in North Carolina. Sai, SAS ha sede in North Carolina, JMP ha sede in North Carolina 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 questo senso. |
| |
Infatti, abbiamo avviato una collaborazione tra SAS, l'Università della Carolina del Nord e la North Carolina State University per lavorare a questo progetto per la Sicurezza Nazionale, che è durato quasi cinque anni. |
| |
Ma quello che ho mostrato loro inizialmente era quali dati avremmo potuto estrarre da quei database e che avrebbero potuto rivelarci cose interessanti. |
| |
Quindi, andiamo a fare una passeggiata, una passeggiata attraverso alcuni di quei tipi di situazioni. Una delle cose di cui volevo parlare inizialmente era, ok, diamo un'occhiata ai casi. Sai, |
| |
possiamo vedere informazioni in casi che si verificano ogni, 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 vedere davvero nulla in questo. Questo è il, sai, quanti casi |
| |
nello stato della Carolina del Nord, in un dato giorno la media è di 2.782 casi al giorno e, sapete, sono tante informazioni da analizzare. |
| |
Quindi possiamo esaminare i codici di diagnosi, ma ad alcuni ragazzi non piaceva l'idea che questo non fosse così chiaro come vorremmo, quindi abbiamo dovuto trovare il modo di accedere a quei dati e studiarli. |
| |
e studiare quali modi in cui potremmo far emergere informazioni. Uno di quei modi che ci sembrava fosse identificare i sintomi, sintomi specifici correlati a qualcosa che ci interessa, |
| |
il che ci riporta all'idea che, ok, abbiamo identificato l'aspetto dell'antrace quando qualcuno entra al pronto soccorso o sale su un'ambulanza o cose del genere. |
| |
Quindi abbiamo quelli...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 un sacco di dottori. E una cosa un po' strana che |
| |
Ho notato subito che quando poni a una stanza piena di persone davvero, davvero intelligenti domande del tipo: quali sono... quali sintomi dovrei cercare quando cerco l'influenza o il norovirus, ottieni un sacco di risposte diverse. |
| |
Quindi ho pensato, beh, mi piacerebbe davvero avere un modo per arrivare a queste informazioni, matematicamente, piuttosto che usare semplicemente l'opinione. E quello che ho fatto è stato organizzare i dati con cui stavo lavorando |
| |
per considerare i sintomi in giorni specifici e la diagnosi. Stavo per usare quei codici di diagnosi diagnosi. |
| |
E quello che sono riuscito a ottenere, e l'ho impostato in modo da poterlo ripetere più e più volte, è stato un insieme di sintomi matematicamente validi. |
| |
che potremmo analizzare i dati e cercare cose specifiche come l'influenza, il norovirus, l'antrace, la ricina o i sintomi del COVID-19. |
| |
Questo progetto è riemerso con molte domande su cosa potremmo...come potremmo procedere per trovare i problemi |
| |
del COVID 19 in questo. Questo è esattamente ciò che ho ricominciato a mostrare, questo tipo di cose. Come possiamo identificare i sintomi? Bene, questo è un modo per farlo. |
| |
Ora, una volta individuati questi sintomi, una delle cose che facciamo è scrivere un codice che potrebbe assomigliare a questo codice che esaminerà un campo particolare in uno di quei database e cercherà le cose che abbiamo trovato in quelle analisi che abbiamo |
| |
che vi abbiamo appena dimostrato. Quindi qui esamineremo il campo principale dei reclami in uno di quei database per cercare parole specifiche |
| |
che potremmo essere interessati a fare. Ora che i programmi completi cercherebbero anche i termini che qualcuno ha detto, Bene, qualcuno non ha la febbre o qualcuno non ha la nausea. Quindi dovremmo identificare |
| |
essenzialmente i negativi, così come i sintomi puri tra virgolette nelle parole. Quindi, una volta fatto questo, potremmo tornare a |
| |
JMP e e pensaci, beh, diamo un'occhiata, diamo un'occhiata a queste informazioni di nuovo. Abbiamo, abbiamo questo numero di casi qui, ma cosa succederebbe se gli dessimo un'occhiata? |
| |
dove abbiamo identificato sintomi specifici ora |
| |
e vedere che aspetto avrebbe. |
| |
Quindi quello che sto cercando in realtà 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. Sono stati semplicemente scolpiti in modo che sembrassero, sai, qualcosa che mi interessa. Quindi in questo caso, c'è stata un'epidemia |
| |
del norovirus di cui abbiamo parlato alle persone che non ne erano a conoscenza, sapete, abbiamo iniziato a parlarne il 15 gennaio. |
| |
E sapete, il mondo non sapeva che ci fosse in pratica un'epidemia di norovirus finché non abbiamo iniziato a parlarne qui. |
| |
E questo era, questo era visto come una specie di grande affare. Sai, avevamo preso i dati, li avevamo ripuliti e lasciato le cose che ci interessavano davvero |
| |
Ma abbiamo continuato. Sai che la forza di ciò che stavamo facendo non era semplicemente contare i casi o contare i codici di diagnosi, stavamo esaminando i sintomi che descrivono la visita della persona a |
| |
il pronto soccorso o quello che hanno chiamato il centro antiveleni per o loro o loro hanno preso un giro in ambulanza per. |
| |
campo principale di reclamo, campi di sintomi, |
| |
e campi di testo libero. Abbiamo esaminato i campi che descrivevano le parole che un tecnico EMS potrebbe usare sulla scena. Abbiamo esaminato i 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 un medico potrebbe usare. Forse non ciò che hanno cliccato nelle caselle, ma le parole effettive che hanno usato. E abbiamo sviluppato una metrica anche su questo. |
| |
Questa metrica |
| |
era, sai, ci ha fatto 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 si registra realmente è quanto le persone parlano di una cosa specifica e se una persona ne parla, |
| |
non è molto ponderato, quindi non sarebbe un gran problema. Se ne parlano due persone, se un'infermiera |
| |
e un tecnico del servizio di emergenza medica parlano di una serie specifica di sintomi, o menzionano un sintomo più volte, quindi lo misuriamo e sviluppiamo una metrica da quelle informazioni. |
| |
Quindi se tre persone, sai, il medico, l'infermiere e il tecnico del servizio di emergenza medica, se queste sono le informazioni che abbiamo, se ne parlano tutti, |
| |
allora probabilmente è una cosa abbastanza grossa. Ecco cosa è successo qui il 6 dicembre, un sacco di gente sta parlando di sintomi che descriverebbero qualcosa come il norovirus. |
| |
Questo, questo era correlato a un'epidemia di cui i media hanno iniziato a parlare a metà febbraio. Quindi, quindi questo è visto come... come noi che raccontiamo al mondo qualcosa di cui i media hanno iniziato a parlare, sapete, un mese dopo. |
| |
E |
| |
In particolare, in particolare, 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, così che fosse visto come qualcosa di interessante che potevamo, potevamo in un certo senso approfondire molto prima di, sai, parlare di qualcosa che stava succedendo. Ora |
| |
abbiamo continuato con quel tipo di lavoro riguardante, ehm, l'uso di quegli strumenti per la biosorveglianza. |
| |
Ma quello che abbiamo fatto in seguito è stato, sai, dopo aver impostato dei sistemi che, sai, erano essenzialmente in esecuzione |
| |
ogni giorno, sai, ogni ora, ogni giorno, quel genere di cose. E quindi ogni volta che saremmo in grado di dire, beh, |
| |
il sistema ha previsto un'epidemia, sai se è stato notato. Le informazioni fornite...erano davvero prive di rumore in un certo senso. Noi guardiamo indietro nel tempo e noi eravamo |
| |
prevedendo diciamo tra 20 e 30 avvisi all'anno, |
| |
avvisi totali all'anno. Quindi c'erano 20 o 30 situazioni in cui avevamo appena dato alle persone, l'avviso che avrebbero dovuto dare un'occhiata a qualcosa, sapete, guardare, controllare qualcosa. Potrebbe esserci una situazione che si verifica. Ma in uno di questi casi, |
| |
il tizio con cui abbiamo lavorato tanto alla Homeland Security è venuto da noi e ci ha detto, okay, crediamo al tuo avviso, quindi raccontaci qualcosa in più a riguardo. Raccontaci cosa |
| |
di cosa è fatto. Ecco, ecco, ecco come ha posto la domanda. Quindi, quindi cosa abbiamo fatto |
| |
stava sviluppando un modello, proprio davanti a lui. |
| |
E il motivo per cui siamo stati in grado di farlo (e qui, 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 in relazione al tempo e al luogo e tutti i diversi dati che potremmo conservare in relazione a ciò, come l'età, 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 così potete concentrarvi solo su quelle. |
| |
Quindi quando ci viene chiesto, ok, di cosa è composta questa epidemia, sapete, noi, noi abbiamo costruito un modello davanti a loro (Tony l'ha fatto davvero) |
| |
e che questo sembrava avere un impatto notevole quando lo ha fatto, per dire, Okay, hai ragione. Ora, oggi vi abbiamo detto che c'è un avviso. |
| |
E dovresti prestare attenzione ai casi di influenza in questa particolare area perché sembra anormale. Ma potremmo anche dire loro ora che, okay |
| |
Questi casi riguardano principalmente i giovani, ovvero 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. La parte fondamentale dell'informazione che sentiamo è l'interazione tra gruppi di età e i sintomi stessi. |
| |
Anche se questo potrebbe, sai, non essere visto come importante perché è in fondo alla lista, noi pensiamo che lo sia, |
| |
e anche questi quaggiù. Abbiamo parlato di giovani e dispnea, e di giovani e problemi gastrointestinali, e poi di persone anziane. |
| |
Quindi c'era, sai, che iniziavano a vedersi persone anziane entrare nei dati anche qui. Quindi potremmo parlare di persone più giovani, persone anziane e persone nella loro |
| |
I 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 alle persone, sai, informazioni il giorno di |
| |
di un'allerta in corso e potremmo dare loro un set di sintomi da cercare. Sai, quando il COVID 19 era già in piena espansione nel nostro Paese, sai che sembra che tu accenda ancora le notizie ogni giorno e senta parlare di un sintomo diverso. |
| |
Ecco come possiamo gestire questo tipo di cose. Sai, possiamo capire |
| |
Sai, quali sintomi emergono in modo tale che le persone possano effettivamente avere, sai, avere informazioni per riconoscere quando un problema sta per verificarsi ed esistere. |
| |
Quindi, queste sono alcune delle cose di cui stiamo parlando qui, ora penseremo a come possiamo applicarle. |
| |
Utilizzando i sistemi di avviso che vi ho mostrato prima e che, sapete, generalmente chiamo metodo TAP, ovvero l'utilizzo di analisi di testo e grafici proporzionali. |
| |
Beh, sai, probabilmente siamo oltre, ora è colpa nostra. Quindi non avevamo gli strumenti per andare a vedere allora. |
| |
Ma questi tipi di strumenti possono ancora aiutarci a dire, sapete, questi sono i sintomi che stiamo cercando. Questi sono i |
| |
queste sono le fasce d'età che erano interessate a conoscere. Quindi, quindi continuiamo a esaminare alcuni modi in cui potremmo usare ciò che abbiamo imparato in quel progetto per aiutare la situazione con COVID 19. |
| |
Una delle cose che abbiamo fatto, ovviamente, è stata quella di costruire questo database dei sintomi. Il database dei sintomi ci fornisce informazioni su base giornaliera sui sintomi che si presentano. |
| |
E e sapete chi è, chi è malato e dove sta male. Quindi ecco un estratto da quel database di cui abbiamo parlato, dove ci sono informazioni su una data, |
| |
contiene informazioni su genere, etnia, nelle regioni della Carolina del Nord. Potremmo portarlo alle città e ai codici postali o qualsiasi cosa fosse utile. |
| |
Ho menzionato TAP in quell'informazione di analisi del testo, beh ora abbiamo informazioni TAP sui sintomi. Sai, quindi se le persone parlano di |
| |
questo, diciamo per esempio, la nausea, allora sappiamo quante persone parlano di nausea in un giorno, e alla fine in un posto. E quindi questo è solo un estratto di sintomi da |
| |
da questo |
| |
questo database. Quindi, diamo un'occhiata a come potremmo usare questo. Diciamo che volessi venire da me, un medico del pronto soccorso, o qualcuno che sta indagando sul COVID 19 potrebbe venire da me e dire, |
| |
beh, dove si ammalano le persone. Sai, è lì che si ammalano le persone |
| |
ora, o dove potrebbe verificarsi un'epidemia in una determinata area. Bene, questo è il tipo di cosa che potremmo fare per dimostrarlo. |
| |
Utilizzo molto l'analisi delle componenti principali. In questo caso, poiché abbiamo impostato questi dati, posso usare questo strumento per identificare |
| |
la roba che mi interessa analizzare. In questo caso sono le regioni, hanno chiesto, sai, la domanda era dove, dove e cosa. Okay, cosa ti interessa sapere? Quindi sento le persone parlare di problemi respiratori |
| |
riguardo al COVID e sento persone parlare di avere la febbre e questi sono sintomi piuttosto accentuati. Questi sono problemi di cui le persone parlano |
| |
ancora di più di quanto non stiano scrivendo le cose. Questa è l'idea di TAP, stiamo entrando in quei campi di testo e stiamo capendo cose interessanti. Quindi una volta che noi |
| |
eseguiamo queste analisi, |
| |
JMP crea questo meraviglioso grafico per noi. È fantastico per comunicare cosa sta succedendo. E quello che sta succedendo in questo caso è che Charlotte, North Carolina, |
| |
è davvero forse inondato di medici, infermieri e forse tecnici del pronto soccorso che parlano dei loro pazienti che hanno la febbre |
| |
e problemi respiratori. Se vuoi allontanarti il più possibile da tutto questo, potresti passare del tempo a Greensboro o Asheville, e se sei a Raleigh Durham, potresti essere a conoscenza di cosa ti aspetta lungo il cammino. |
| |
Quindi questo è un modo in cui possiamo utilizzare questo tipo di informazioni per |
| |
per fondamentalmente intelligence, sai, intelligence su cosa potrebbe succedere dopo in aree specifiche. Potremmo anche parlare di gravità nello stesso, nello stesso caso. Potremmo parlare di gravità dei casi e misurare dove sono allo stesso modo. |
| |
Quindi, 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 per due ore senza problemi, non solo con domande sulla validità, |
| |
sai, è da dove provengono i dati e così via. Potremmo parlarne e potremmo anche parlare di |
| |
ok, questa, questa è l'informazione che devi sapere, sai. Questa è l'informazione che ti aiuterà a capire dove le persone si stanno ammalando, in modo che possano essere dati degli avvertimenti e, in sostanza, delle vite... delle vite salvate. |
| |
Quindi, quindi questo è in un certo senso il sistema che abbiamo messo insieme. La chiave di fondo è, sono i dati. |
| |
Di nuovo, i dati che abbiamo utilizzato sono dati EMS, ED, centro antiveleni. Non ho un esempio dei dati del centro antiveleni qui, ma ho un lungo discorso su come utilizziamo i dati del centro antiveleni per far emergere le malattie trasmesse dagli alimenti, proprio in modi simili a quelli che abbiamo mostrato qui. |
| |
E poi la capacità di, di, di essere abbastanza dinamici nello sviluppare la nostra storia di fronte alle persone e nel parlare con loro |
| |
in, sai, vendendo la convinzione 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 quello che ho per questo particolare |
| |
argomento. Apprezzo la vostra attenzione e spero che lo troviate utile, e spero che possiamo aiutarvi con questo tipo di cose. Grazie. |
