| 廣告聯系 | 簡體版 | 手機版 | 微信 | 微博 | 搜索:
歡迎您 游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

首頁

新聞資訊

論壇

溫哥華地產

大溫餐館點評

溫哥華汽車

溫哥華教育

黃頁/二手

旅游

留美生操盤 全球疫情圖點擊超10億

QR Code
請用微信 掃一掃 掃描上面的二維碼,然後點擊頁面右上角的 ... 圖標,然後點擊 發送給朋友分享到朋友圈,謝謝!
  一張黑底、紅點,左右兩側列著各國確診、死亡和恢復病例的地圖,成為近來一些國際新聞的背景圖片。美國副總統彭斯去衛生部視察時,美國衛生部就用這張地圖監測全國病例,意大利總理、德國內閣開會時,身後電子屏幕也正在依靠這張地圖展示疫情實時情況。


  這個數據地圖由美國約翰·霍普金斯大學系統科學與工程中心(CSSE)一年級博士生董恩盛等人發起並維護。最初,他只是想要通過追蹤數據來觀察一場疫情從生到死的整個過程,用這些數據作為他研究疾病的工具,如今,這個每日點擊量超過10億的網站,已經成為多國政府高層、公共衛生學者和主流媒體引用最多的疫情數據來源,更新和運營這個網站成了董恩盛的“主業”。

  “無心插柳”的網紅數據項目


  1月21日寒假過後,在一次博士生組會上,董恩盛的導師、系統科學與工程中心副教授勞倫·加德納和大家聊起新學期的計劃,聽說中國的新冠肺炎很嚴重,便問董要不要做個數據儀表板?

  董恩盛的研究方向是疾病模型,也就是用數學模型和計算機代碼來解釋一些流行病學、公共健康方面的問題,對全球流行病的發展趨勢做基本的判斷和推測。當時他已經在搜集數據准備做這個事情了,兩人一拍即合,七八個小時後,第一版疫情可視化地圖就做好了,1月22日,這個網站便正式面世了。

  去年5、6月份的時候,董恩盛與勞倫·加德納便在另一個流行病風險性分析項目中做了一個類似的數據可視化地圖,當時引來一些美國主流媒體的報道。所以,他說技術思路上是比較成熟的,很快就能調試上線;另一方面,由於他的中文優勢,去中國國家衛健委上面抓取數據即可,所以早期團隊在中國疫情上比全球其他一些數據來源更及時。

  


  董恩盛(右)、杜鴻儒今年1月在美國參加學術會議。(圖片來源twitter)

  起初幾天,數據都靠他手動整理,每天最多能保持4~5次更新。2月1日之後,這種方式變得不可持續,於是項目轉為半自動化更新:中國的疫情數據來自丁香園的自動更新,而其他國家的數據依然需要人工審核。為了發現各國新增病例,他們的監測渠道包括世界衛生組織(WHO)、推特、新聞報道、地方衛生部門提供的數據等等。這一階段,另一個博士生杜鴻儒也加入到數據收集和圖表的制作中來。


  到了3月初,這個數據小組將美國疫情信息具體到縣一級層面。“因為美國郡縣大概有3000多個,再加上世界上有200多個國家和地區,人工完成非常吃力。”董恩盛告訴《中國新聞周刊》,於是小組招募了一些志願者,把人員分了很多組,有的組負責國外,有的組負責美國國內不同地區,然後24小時不間斷地發布最新數據。

  2月19日,董恩盛、杜鴻儒與勞倫·加德納發表在《柳葉刀》雜志上的文章介紹了這項工作。文章對比了約翰·霍普金斯大學系統科學與工程中心、WHO和中國疾控中心的數據報告。結果發現,他們的病例數據與後二者報告一致,而且他們在捕獲新國家或地區中首次報告的COVID-19(新冠病毒)病例上更加及時。

  董恩盛說,WHO分為不同區域,各區域會及時更新數據,但是等到匯總到總部正式發布時,通常是第二天了——當然,也有極個別意外,尤其是最初全依賴人工操作時。有一個周六的早晨澳大利亞報告了首例確診病例,但因為董恩盛當時在睡覺,就沒有及時更新。

  這個過程中還有很多具體的困難。比如,2月中旬部分“鑽石公主號”郵輪旅客撤回到美國。由於患者具體位置不明,他們就選擇了將點標記在美國相對的地理中心——堪薩斯州。但有些美國人放大地圖,最後發現這個點落在他們小區上,以為自己小區竟然有病例,便層層上報,後來學校讓他們趕緊調整一下,於是標記點暫時放回了日本橫濱港。
點個贊吧!您的鼓勵讓我們進步     好新聞沒人評論怎麼行,我來說幾句
上一頁12下一頁
注:
  • 新聞來源於其它媒體,內容不代表本站立場!
  • 在此頁閱讀全文
    猜您喜歡:
    您可能也喜歡:
    我來說兩句:
    評論:
    安全校驗碼:
    請在此處輸入圖片中的數字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西網為北美中文網傳媒集團旗下網站

    頁面生成: 0.0439 秒 and 5 DB Queries in 0.0077 秒