澳大利亚一组研究人员发现，Facebook的流动性数据可用于估计已确定热点地区的COVID-19传播风险。

来自墨尔本大学、阿德莱德大学、蒙纳士大学、新南威尔士大学和维多利亚州政府的研究人员使用了来自Facebook data for Good计划的数据，该计划详细记录了三次COVID-19病毒爆发期间，在随后的8小时间隔内，在不同地点之间移动的个体数量——雪松维多利亚的Meats，西悉尼的Crossroads酒店，以及维多利亚的第二波——来确定从移动电话数据中获得的实时移动模式在多大程度上可以用来预测COVID-19的传播风险。

研究人员表示，他们之所以被要求进行这项研究，是因为“COVID-19感染可能是由有症状或无症状的人传播的，在诊断出临床病例之前，很可能会发生大量未被发现的传播。因此，当疫情发生时，需要预测哪些人群和地点的暴露风险更高”。

作为这项研究的一部分，研究人员概述了每个病例都使用Facebook的流动数据来估计未来的传播风险模式，这项研究已发表在英国皇家学会的期刊上。随后对估计数与随后病例数据的关联程度进行了检查。研究人员说：“我们的结果表明，我们估计的准确性随疫情背景的不同而不同，疫情与工作场所的相关性较高，而与社会聚会的相关性较低。”。

“在没有明确传播轨迹的社区传播情景中，我们将基于流动性数据的风险预测与仅基于活动病例数的零预测进行比较。我们的研究结果表明，在疫情爆发的初始阶段，流动性的信息量更大，因为检测到的病例在空间上是局部的，而且许多地区没有可用的病例数据。”

研究人员承认，然而，他们的研究有一些局限性，列举了将流动性数据用于疾病监测时遵守隐私和道德考虑的必要性，以及Facebook提供的流动性数据是偏见，因为它“代表了一个非统一的、基本上没有特征的人群样本”。

另读：Northcott通过虚拟化和移动到混合云来支持残疾护理

阿里巴巴在中国遭遇反垄断调查

Fletcher通过注册声明NBN为“已构建并完全运行”

，您同意https://redventures.com/CMG-terms-of-use.html“target=”\u blank“rel=”noopener noreferrer nof