[논문 리뷰] Open Data Resources for Fighting COVID-19

Teodoro Álamo, Reina Dg외 2명|arXiv (Cornell University)|2020. 04. 13.

COVID-19 epidemiological studies참고 문헌 48인용 수 23

한 줄 요약

이 논문은 코로나19 팬데믹을 연구하고 대응하기 위한 개방형 데이터 자원에 대한 종합적인 조사 보고서를 제공하며, 감염자 수, 사망자 수, 정부 조치, 인구 통계, 이동성, 기상 정보와 관련된 글로벌 및 지역 데이터셋에 중점을 둡니다. 데이터 품질을 평가하고 주요 기관과 자료 보관소를 특정하며, 데이터 기반 모델링 및 공중보건 의사결정을 위한 신뢰할 수 있고 접근 가능하며 상호운용성이 높은 데이터 자료를 선별하는 데 도움이 되는 재사용성 평가 프레임워크를 제안합니다.

ABSTRACT

We provide an insight into the open data resources pertinent to the study of the spread of Covid-19 pandemic and its control. We identify the variables required to analyze fundamental aspects like seasonal behaviour, regional mortality rates, and effectiveness of government measures. Open data resources, along with data-driven methodologies, provide many opportunities to improve the response of the different administrations to the virus. We describe the present limitations and difficulties encountered in most of the open-data resources. To facilitate the access to the main open-data portals and resources, we identify the most relevant institutions, at a world scale, providing Covid-19 information and/or auxiliary variables (demographics, mobility, etc.). We also describe several open resources to access Covid-19 data-sets at a country-wide level (i.e. China, Italy, Spain, France, Germany, U.S., etc.). In an attempt to facilitate the rapid response to the study of the seasonal behaviour of Covid-19, we enumerate the main open resources in terms of weather and climate variables. CONCO-Team: The authors of this paper belong to the CONtrol COvid-19 Team, which is composed of different researches from universities of Spain, Italy, France, Germany, United Kingdom and Argentina. The main goal of CONCO-Team is to develop data-driven methods for the better understanding and control of the pandemic.

연구 동기 및 목표

• 글로벌 및 국가 수준에서 코로나19의 전파와 통제를 연구하는 데 가장 관련성이 높은 개방형 데이터 자료를 식별하고 카탈로그화하기.
• 정확한 전염병학적 모델링에 필수적인 보조 변수들—예: 인구 통계, 이동성, 기상 조건, 정부 간섭 조치—를 부각하기.
• 기존의 개방형 데이터 자료의 재사용성과 신뢰성 평가를 통해 일관성 없는 형식, 기준 변화, 표준화 부족과 같은 일반적인 데이터 품질 문제를 해결하기.
• 데이터 과학자, 전염병학자, 공중보건 연구자들이 안정적이고 접근 가능하며 잘 문서화된 데이터 보관소를 중심으로 통합된 가이드를 제공함으로써 지원하기.
• 라이선스, 접근성, 지리정보, 형식, 표준화 등을 포함한 차원을 기반으로 0–55점의 표준화된 재사용성 평가 프레임워크를 제안하기.

제안 방법

• WHO, 존스홉킨스대학교, 유럽질병예방통제센터(ECDC), 옴월드인데이터, 국가 보건 당국 등 글로벌 및 국가 수준의 개방형 데이터 제공자들을 체계적으로 식별하고 분류하기.
• 중요한 국가들(예: 중국, 이탈리아, 스페인, 미국)과 지역 자료(예: 아프리카 CDC, 유로모모)의 국가별 데이터셋을 수집하여 감염자 수, 검사 수, 입원 환자 수, 중환자실 입원자 수 데이터를 확보하기.
• 기후 및 기상 변수를 포함한 보조 데이터셋(예: 구글 이동성 보고서)을 수집하여 계절적 행동 분석을 지원하기.
• 라이선스, 접근성, 지리정보, 형식, 표준화, 문서화, 시기성의 7개 차원을 포함한 재사용성 평가 프레임워크를 개발하고 20개 이상의 데이터 자료에 적용하기.
• 데이터 형식 일관성, API 가용성, 메타데이터 완전성 분석을 통한 데이터 자료 신뢰성 평가하기.
• 커뮤니티가 수집한 데이터셋을 추적하고 접근하기 위해 깃허브, 카글, 하버드 데이터베이스를 주요 보관소로 활용하기.

실험 결과

연구 질문

• RQ1 코로나19 감염자 수, 사망자 수 및 공중보건 조치에 대해 신뢰할 수 있고 시의적절하며 표준화된 데이터를 제공하는 글로벌 및 국가 수준의 개방형 데이터 자료는 무엇인가요?
• RQ2 다양한 자료 간 데이터 형식, 정의, 보고 기준의 일관성 부족이 전염병학적 모델링 및 예측의 신뢰성에 어떤 영향을 미치나요?
• RQ3 기상 조건, 이동성, 인구 통계 요소와 같은 보조 변수들은 사스코로나2바이러스의 계절적 행동 및 전파 역학을 모델링하는 데 얼마나 필수적인가요?
• RQ4 기존의 개방형 데이터 자료는 기계학습 및 데이터 기반 공중보건 연구에 얼마나 재사용 가능한가요? 주요 재사용 장벽은 무엇인가요?
• RQ5 팬데믹 연구의 맥락에서 표준화된 평가 프레임워크를 어떻게 적용하여 개방형 데이터 자료의 재사용성과 품질을 객관적으로 평가할 수 있나요?

주요 결과

• 재사용성 평가 프레임워크에서 55점 중 35점 이상을 기록한 개방형 데이터 자료는 전무했으며, 이는 높은 가용성에도 불구하고 데이터 품질과 접근성에 광범위한 제한이 존재함을 시사합니다.
• 대부분의 데이터 자료가 API를 제공하지 않아 매일 전체 데이터 재다운로드가 필요하며, 접근성 차원에서 5점 중 1점만 받았고, 기계로 읽을 수 있는 접근 방식을 제공하는 비율은 11%에 불과합니다.
• 지리정보 기능이 자주 부족하여, 70%의 자료가 지역 수준 또는 지리적 메타데이터 없이 제공되어 공간 분석을 제한합니다.
• 데이터 형식이 매우 일관되지 않으며, .csv가 주로 사용되지만 필드 이름과 정의가 자료 간에 크게 다릅니다. 표준화된 형식이 관찰되지 않았습니다.
• 50% 이상의 자료가 상업적 이용을 금지하는 제한적인 라이선스를 사용하여, 적용 연구 및 산업 응용 분야에서의 활용도가 제한됩니다.
• 이러한 과제에도 불구하고 존스홉킨스대학교, 옴월드인데이터, 유럽질병예방통제센터(ECDC)와 같은 주요 기관이 가장 안정적이고 자주 업데이트되는 데이터셋을 제공하고 있습니다.