Data science

ยังต้องการ: (มาก) ข้อมูล COVID ที่ดีขึ้น

มันไม่ควรจะเกิดขึ้นแบบนี้ ด้วยวัคซีนป้องกันโควิดที่มีประสิทธิภาพ 3 ตัว เราน่าจะอยู่ท้ายสุดของการระบาดใหญ่ในตอนนี้ แต่นั่นไม่ได้เกิดขึ้น อัตราการติดเชื้อเพิ่มขึ้นอย่างรวดเร็วเมื่อตัวแปรเดลต้าแพร่กระจาย และเจ้าหน้าที่กำลังพิจารณาข้อกำหนดของหน้ากากใหม่และแม้กระทั่งการล็อกดาวน์ ยิ่งไปกว่านั้น ข้อมูลยังคงยุ่งเหยิง ยกเว้นกรณีที่ไม่ค่อยเกิดขึ้น ข้อมูลเป็นอุปสรรคสำคัญต่อการตอบสนองต่อ COVID ในสหรัฐอเมริกาตั้งแต่การระบาดใหญ่เริ่มขึ้นในเดือนกุมภาพันธ์ 2020 สเปกตรัมขึ้นและลง การตอบสนองถูกขัดขวางโดยปัญหาข้อมูลที่หลากหลาย การทดสอบ COVID ครั้งแรกของ CDC มีข้อผิดพลาด ทำให้การตอบสนองของสหรัฐฯ กลับลดลงภายในไม่กี่สัปดาห์ การทดสอบที่ตามมานั้นดีกว่า แต่อัตราการผลบวกลวงยังคงสูงอย่างดื้อรั้น วิธีการติดตามและติดตามมีข้อบกพร่องและไม่เพียงพอ ยิ่งไปกว่านั้น โรงพยาบาลและหน่วยงานของรัฐทุกระดับยังใช้เทคนิคการเก็บรวบรวมข้อมูล การวิเคราะห์ และการรายงาน ซึ่งทำลายความสามารถของผู้มีอำนาจตัดสินใจในการทำความเข้าใจอย่างชัดเจนถึงสิ่งที่เกิดขึ้นจริงบนพื้นดิน ห่วงโซ่อุปทานข้อมูล COVID ที่ไม่ดีทำให้เกิดปัญหาปลายน้ำเพิ่มเติม หากไม่มีข้อมูลพื้นฐานที่ดีในโลกแห่งความเป็นจริง แบบจำลองการคาดการณ์ก็ไม่สามารถคาดการณ์การแพร่กระจายของไวรัสโคโรนาได้อย่างแม่นยำ ซึ่งท้ายที่สุดแล้วจะเป็นอุปสรรคต่อความสามารถของเจ้าหน้าที่ของรัฐในการตัดสินใจที่ดีในการต่อสู้กับการแพร่กระจายของซาร์ส2 หลายกลุ่มได้พยายามแก้ไขปัญหานี้ Datanami รายงานว่าผู้จำหน่ายในพื้นที่ข้อมูลขนาดใหญ่ รวมถึง Snowflake, Talend และ AtScale มีทรัพยากรเฉพาะเพื่อพยายามทำให้องค์ประกอบข้อมูลบางอย่างตรง แดชบอร์ด COVID- 50 ของ Johns Hopkins University กลายเป็นมาตรฐาน defacto สำหรับการนับผู้ป่วยและจำนวนผู้เสียชีวิต นอกจากนี้ The New York Times ยังได้ก้าวขึ้นทำหน้าที่เป็นสำนักหักบัญชีสำหรับข้อมูลเกี่ยวกับการระบาดใหญ่ 'การเย็บปะติดปะต่อยุ่งเหยิง' ในเดือนมีนาคม 2020 บรรณาธิการนิตยสารรายเดือน The Atlantic รู้สึกประหลาดใจที่ไม่มีข้อมูลที่ดีเกี่ยวกับการระบาดใหญ่ และให้คำมั่นที่จะทำอะไรกับมันโดยสร้าง โครงการติดตามโควิด. “ตลอดช่วงการแพร่ระบาด ข้อมูลการทดสอบและผลลัพธ์ของ COVID- เป็นงานที่ยุ่งเหยิง” Jonathan Gilmour ผู้ซึ่งทำงานเกี่ยวกับโครงสร้างพื้นฐานด้านข้อมูลสำหรับโครงการเขียนไว้ใน พฤษภาคม 2021 โพสต์บล็อก “รัฐมักจะเปลี่ยนแปลงวิธีการ อะไร และที่ที่พวกเขารายงานข้อมูล หากไม่มีแนวทางของรัฐบาลกลางที่ชัดเจน รัฐส่วนใหญ่ต้องหาวิธีเผยแพร่ข้อมูลโดยไม่ได้รับความช่วยเหลือ” ความแตกต่างของจำนวนการทดสอบที่รายงานโดยรัฐเทียบกับที่รายงานโดยรัฐบาลกลางสำหรับรัฐที่กำหนดการทดสอบแบบเดียวกับรัฐบาลกลาง แต่มีความแตกต่างมากกว่า 5% ในการนับการทดสอบ (ที่มาของภาพ: COVID Tracking Project) ในที่สุด อาสาสมัครกับโครงการ COVID Tracking Project ให้มากกว่า 000,000 ชั่วโมงของเวลาในการรับข้อมูลที่สะอาดและสม่ำเสมอ โครงการนี้ดำเนินการด้วยตนเองอย่างน่าประหลาดใจ เนื่องจากระบบอัตโนมัติจะนำไปสู่ข้อผิดพลาดของข้อมูลที่เพิ่มขึ้น ท่ามกลางการเปลี่ยนแปลงแดชบอร์ดด้านสุขภาพของรัฐและเคาน์ตีอย่างต่อเนื่อง โปรเจ็กต์อาศัยระบบติดตามภาพหน้าจอที่ค่อนข้างเป็นพื้นฐานเพื่อให้ “ความจริงพื้นฐาน” ที่จำเป็นสำหรับการรักษาข้อมูลอนุกรมเวลาได้อย่างถูกต้อง “การค้นหาและป้อนข้อมูลแต่ละจุดด้วยตนเองทำให้เรามีความเข้าใจโดยละเอียดเกี่ยวกับข้อมูลที่เราจะไม่สามารถพัฒนาได้หากเรารวบรวมข้อมูลอัตโนมัติ” Gilmour เขียน “เราทราบเมื่อมีการเพิ่มจุดข้อมูลใหม่ และพบคำเตือนและหมายเหตุที่โพสต์บนหน้าข้อมูลของรัฐ…. นอกจากนี้ เราได้เรียนรู้ว่าอะไรเป็นเรื่องปกติและสิ่งใดผิดปกติในแต่ละรัฐ ทำให้เราสามารถตัดสินใจอย่างมีข้อมูลเมื่อจัดการกับความผิดปกติในการรายงาน” โครงการติดตาม COVID หยุดรวบรวมข้อมูลในเดือนมีนาคม ซึ่งดูเหมือนว่าวัคซีนจะพาเราออกจากป่า ย้อนกลับไปในตอนนั้น คุณจะจำได้ ความพยายามในการฉีดวัคซีนมากเกินไป และชาวอเมริกันหลายล้านคนได้รับการฉีดวัคซีนทุกสัปดาห์ ส่งผลให้การติดเชื้อลดลงอย่างมากไม่ว่าจะด้วยวิธีใดก็ตาม อย่างไรก็ตาม การติดเชื้อกลับเพิ่มขึ้นอีกครั้ง เนื่องจากความลังเลของวัคซีนและตัวแปรเดลต้าที่แพร่ระบาดอย่างมากได้รวมกันเป็นเหตุให้เกิดการระบาดของโควิดในฤดูร้อน ซึ่งดูเหมือนตัวเลขของฤดูร้อนที่แล้วอย่างน่าทึ่ง (หากเชื่อได้) นั่นทำให้เจ้าหน้าที่สาธารณสุขอยู่ในตำแหน่งที่น่าอึดอัดใจ น่าเสียดายที่ข้อมูลไม่ได้ดีขึ้นมากนักตั้งแต่เริ่มมีการระบาด เมื่อการฉีดวัคซีนลดลง พวกเขามีข้อมูลเพียงพอที่จะกำหนดอาณัติหน้ากากใหม่หรือการล็อกดาวน์หรือไม่? Tom Davenport ผู้เชี่ยวชาญด้านการวิเคราะห์ 'Unmanaged Data' ร่วมเขียนเรื่องราวรีวิว MIT Sloan Management Review ในเดือนสิงหาคม 2020 เกี่ยวกับสถานะต่ำของข้อมูล COVID ผู้เขียนเขียนว่า: “มีคนถูกบังคับให้สรุปว่าข้อมูลที่จำเป็นในการจัดการการระบาดของ COVID-50 นั้นไม่ได้รับการจัดการอย่างมีประสิทธิภาพ นี่เป็นปัญหาเฉียบพลัน ต้องการความเอาใจใส่อย่างมืออาชีพอย่างเร่งด่วน” (Matt Bannister/Shutterstock) ตอนนี้ก็เดือนสิงหาคม 2021 และไม่มีอะไรเปลี่ยนแปลงมากนักเมื่อพูดถึงข้อมูล ตามที่ Davenport กล่าว อันที่จริง โอกาสในการปรับปรุงสถานการณ์ดูเหมือนจะผ่านไปแล้ว “พลังงานจำนวนมากในการเปลี่ยนแปลงสภาพแวดล้อมของข้อมูลระเหยไปหมดเมื่อวัคซีนพร้อมใช้งาน และผู้คนคิดว่า 'เราออกจากป่าแล้วกับวัคซีนตัวนั้น อาจจะคนต่อไป แต่เรามีเวลาเหลือเฟือที่จะแก้ไขปัญหานั้น'” ดาเวนพอร์ตบอกกับดาตานามิเมื่อสัปดาห์ที่แล้ว แม้แต่ช่วงฤดูร้อนที่แล้ว ก่อนที่ฤดูใบไม้ร่วงที่คาดการณ์ไว้จะเพิ่มขึ้นอย่างรวดเร็ว (ซึ่งกลับกลายเป็นว่าเลวร้ายกว่าที่คาดการณ์ไว้) ก็ไม่มีความเร่งด่วนมากในการปรับปรุงสถานการณ์ข้อมูล ตำแหน่งหัวหน้าเจ้าหน้าที่ข้อมูล (CDO) ที่ศูนย์ควบคุมและป้องกันโรค (CDC) ไม่สำเร็จในช่วงเริ่มต้นของการระบาดใหญ่ จนกระทั่งอลัน ซิม ซึ่งเป็นผู้นำทีมวิทยาศาสตร์ข้อมูลของผู้รับเหมาป้องกันพื้นที่ DC เข้ารับตำแหน่งในเดือนธันวาคม 2020. “เราคิดว่าสายเกินไปที่จะทำมากเกินไปกับการระบาดใหญ่ในปัจจุบัน” ดาเวนพอร์ตกล่าว “แต่ตอนนี้ที่เราเห็นแล้วว่ายืดออกไปนานแค่ไหน ก็คงไม่สายเกินไป มีเวลาที่จะทำการเปลี่ยนแปลงบางอย่างถ้าเรามีความโน้มเอียงเช่นนี้” ปัญหาที่ใหญ่ที่สุดของการตอบสนองต่อการระบาดใหญ่คือการขาดอำนาจและมาตรฐานจากส่วนกลาง ดาเวนพอร์ตกล่าว การติดตามและติดตามผู้ติดต่อ COVID ซึ่งเป็นแนวทางที่พยายามและจริงเพื่อทำความเข้าใจว่าไวรัสแพร่กระจายอย่างไรไม่ประสบความสำเร็จ เขากล่าวเสริม ทั่วกระดาน มีความล้มเหลวในการรวบรวมข้อมูลที่จำเป็นในการรับมือกับโรค “โดยพื้นฐานแล้วเรารักษาราวกับว่าเป็นโรคในท้องถิ่นที่ทุกรัฐสามารถจัดการได้ด้วยตัวเอง” เขากล่าว “ฉันไม่คิดว่าเราเข้าใจพลวัตของโรคดีพอที่จะสร้างนโยบายที่ดีได้ ปิดบังและไม่ล็อกดาวน์อย่างแน่นอน” การเรียกร้องมาตรฐานข้อมูลของรัฐบาลกลาง ในขณะที่ CDC ในทางทฤษฎีมีแผนในการรวบรวมและประเมินข้อมูลกับหน่วยงานด้านสุขภาพของรัฐและท้องถิ่นในระดับที่บูรณาการมากขึ้น ซึ่งเห็นได้ชัดว่าไม่เคยเกิดขึ้น ตาม Davenport “ชัดเจน หากเราจะให้ CDC รับผิดชอบในการต่อสู้กับโรคระบาดใหญ่ในสหรัฐอเมริกา ฉันคิดว่าเราจำเป็นต้องมีมาตรฐานและกระบวนการข้อมูลที่ชัดเจน” เขากล่าว แต่มีอุปสรรคหลายอย่าง โดยเริ่มจาก CDC ซึ่งในอดีตไม่ได้เน้นไปที่ข้อมูลขนาดนั้น “พวกเขาทำหน้าที่ได้ดีในการต่อสู้กับโรคระบาดในประเทศอื่นๆ เช่น อีโบลา และอื่นๆ” เขากล่าว “แต่เราไม่มีการระบาดใหญ่ในสหรัฐอเมริกา ดังนั้น จึงไม่น่าแปลกใจที่เรามีแนวทางที่ไม่ดีในการจัดการข้อมูลสำหรับเรื่องนี้” Tom Davenport เป็นศาสตราจารย์พิเศษด้านเทคโนโลยีสารสนเทศและการจัดการที่ Babson College ผู้ร่วมก่อตั้ง International Institute for Analytics ผู้ร่วมก่อตั้ง MIT Initiative for the Digital Economy และที่ปรึกษาอาวุโสของ Deloitte Analytics Davenport ยอมรับว่าเขาไม่ใช่ ผู้เชี่ยวชาญในกฎหมาย แต่จากมุมมองของเขาในฐานะผู้เชี่ยวชาญในการวิเคราะห์ มี (และเป็น) ความจำเป็นในการสร้างมาตรฐานและการรวมศูนย์ที่มากขึ้น แม้จะไม่มีบรรยากาศทางการเมืองที่แตกแยกอย่างสิ้นเชิงในทุกวันนี้ ดาเวนพอร์ตก็ยังมีข้อสงสัยว่าเขาจะได้รับ 50 รัฐที่จะตกลงในทุกเรื่องหรือไม่ นั่นทำให้เราอยู่ในเรือลำเดียวกันกับที่เราเป็นอยู่ทุกวันนี้ ด้วยเสียงอึกทึกของหน่วยงานสาธารณสุขที่แตกต่างกันซึ่งเคลื่อนไหวโดยอิสระจากกัน ทำให้ข้อมูล – เช่น บันทึกสถิติของเหตุการณ์ – ถูกตีความในรูปแบบต่างๆ เขากล่าวว่าสิ่งที่จำเป็นคือชุดมาตรฐานข้อมูลของรัฐบาลกลางที่ชัดเจนสำหรับเหตุการณ์ที่เกี่ยวข้อง รวมถึงสิ่งที่ก่อให้เกิดกรณีของ COVID และสิ่งที่ก่อให้เกิดการเสียชีวิต เป็นต้น สิ่งนี้จะลดจำนวนการนับซ้ำและข้อผิดพลาดอื่นๆ ที่ไม่เพียงแต่ทำให้ผู้กำหนดนโยบายมีมุมมองที่ไม่ถูกต้องในบันทึกเท่านั้น แต่ยังบ่อนทำลายความเชื่อมั่นในหน่วยงานด้านสาธารณสุขอีกด้วย นโยบายนี้สามารถบังคับใช้กับกฎหมายที่ระบุว่าหน่วยงานด้านสุขภาพของรัฐและท้องถิ่นที่เป็นอิสระที่ต้องการให้เงินดอลลาร์สหพันธรัฐช่วยต่อสู้กับการระบาดใหญ่จะต้องปฏิบัติตามมาตรฐานของรัฐบาลกลาง เขากล่าว “ฉันไม่รู้ว่าจะต้องทำอย่างไร” ดาเวนพอร์ตกล่าว “ฉันหวังว่าจะมีบางคนในฝ่ายบริหารของไบเดนที่กำลังคิดเกี่ยวกับเรื่องนี้ แต่ฉันไม่เห็นประกาศใด ๆ เกี่ยวกับการเปลี่ยนแปลงนโยบายใด ๆ ที่เกี่ยวข้องกับข้อมูลจนถึงขณะนี้” รายการที่เกี่ยวข้อง: การขาดข้อมูลที่ดีกำลังขัดขวาง COVID- ข้อมูลการตอบสนอง + บทเรียน AI ที่เรียนรู้จาก Covid- ได้อย่างไร (การสัมมนาผ่านเว็บ Datanami และ H2O.ai) การ์ดรายงานข้อมูลโควิด: ผลลัพธ์ที่หลากหลายสำหรับสาธารณสุข

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button