医疗保健专业人员如何利用地理空间数据?

每年的流感季节影响着全球数百万人，而COVID-19使情况更加恶化。科学家和数据工程师正在寻找解决这些问题的新方法。地理空间数据为研究克服病毒爆发挑战的更好解决方案提供了重要的基础。与机器学习相结合，地理信息在全球的权威机构和医疗保健机构中的应用前景十分广阔。

医疗保健是我们每年投入大量资源的领域，但我们仍无法解决病毒感染(即COVID-19)传播等常见问题，或使用数据驱动的决策有效抗击流感。随着数据分析和开放数据源的最新发展，世界各地的组织正在采取有希望的步骤，以实现更好的选择。

确定正确的数据以帮助应对COVID-19

在抗击COVID-19(俗称冠状病毒)方面，可用的数据集有数百种。然而，挑选出最合适的是一项至关重要的任务。因此，您首先需要问自己，“这些数据将用于什么?”，这样你就可以挑选出最重要的数据。

您可能需要关于医疗保健业务、住房、医院和机场的位置、关于人们居住地点的人口统计数据或有关流动性的信息，或关于过去病毒感染如何传播的数据等更一般的数据。尽量将这些数据集缩小到与您的需求最相关的几个。

不管你打算用这些数据做什么，重点是国家数据集。国家组织提供的数据在质量方面受到监管，这使得这些数据来源可靠。您可以浏览各种开放地理空间网络服务，例如Spatineo Directory，它是我们发现的所有开放地理空间网络服务的免费目录。

在写关于COVID-19的文章时必须提到的一个数据源是地图层由约翰霍普金斯大学设计．数据层由JHU的系统科学与工程中心维护。它在国家(在一些国家还包括省级)一级跟踪已知的COVID-19病例。该数据包含确诊病例、死亡病例和从病毒中康复的人数。例如，芬兰报纸目前正在使用这一数据集《赫尔辛基新闻报》和BBC新闻．你可以查一下JHU的github有关仪表板及其数据的更多信息。

一旦你找到了一些可靠的资源，你就可以开始创新了。

到医院需要多长时间?在你的地区有多少个机场?

在人口密度高的地区和机场附近的地方，疾病往往更容易传播。事实证明，住在机场附近会影响你感染病毒的几率。正如我们所看到的COVID-19的传播，全球疫情在几周内就爆发了，可能是通过空中旅行。

因此(在本例中)，现在您已经有了关于您国家医院和机场位置的数据，您可以开始估计在不久的将来哪家医院可能需要额外的资源。

结合不同类型的资料对于评估应在何处分配资源可能是必不可少的。添加一点位置智能到混合中，您可以得到一些惊人的结果。

结合地理数据和机器学习

一项研究波士顿儿童医院(Boston Children 's Hospital)的一个团队发表的一篇论文使用了几个数据源和机器学习来确定美国的流感趋势。他们用数据训练算法每周医院总访问数和感冒和类似流感的疾病都可以算作探望，并作了最后的修饰参观流感疫苗接种计数从2009年到2012年。

利用地理空间数据和机器学习已证明其在创建更准确的预测和不同信息之间的关系方面的有效性

随着这些模型变得更加复杂和准确，我们应该能够在决策中更好地利用数据。在最佳地点建设医院，向病毒感染风险较高的地区投入更多的资源，可能值得考虑。