本文探讨了如何运用大数据和机器学习提高疫情初期的决策质量。通过数据可视化、全基因组测序和机器学习，分别在疫情调查、扩大和控制阶段助力决策。R语言的数据可视化工具OutbreakTools在疫情调查阶段发挥重要作用，全基因组测序用于疫情扩大阶段的病原分析，而机器学习则在控制干预阶段辅助优化干预措施。
导语：怎么能在有限的时间内，根据不完整的信息，做出最优的决定，成为了决策者的一大挑战。
此次新型冠状病毒疫情的发展迅速。 相比于SARS三个月达到5000个确诊病例，此次疫情只用了不到一个月。
怎么能在有限的时间内，根据不完整的信息，做出最优的决定，成为了决策者的一大挑战。
面对此类挑战，世界卫生组织（WHO）的健康突发事件和风险评估部主任奥利弗·摩根（Oliver Morgan）博士，做过一个很有借鉴价值的研究。
他提出，量化数据工具和机器学习可以提高疫情爆发时期的决策质量。
疫情爆发的三个阶段和数据工具
通过观察过去十年间结核病控制、艾滋病毒预防，以及埃博拉疫情中的经验，奥利弗·摩根把疫情爆发分成了三个阶段，调查阶段、疫情扩大阶段，和干预控制阶段。
同时他总结了多种数据量化工具，包括数据可视化、数据管理、统计分析、全基因组测序、机器学习、地理空间分析等手段。
奥利弗·摩根提出，在疫情爆发的不同阶段可以混合使用以上数据量化工具，提高决策质量，评估决策效果。
【1】调查阶段：用R语言实现数据可视化
最低0.47元/天 解锁文章
8280
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
