[论文解读] An Interactive Dashboard for Real-Time Analytics and Monitoring of COVID-19 Outbreak in India: A proof of Concept

Arun Mitra, Biju Soman+1 more|arXiv (Cornell University)|Aug 23, 2021

COVID-19 epidemiological studies参考文献 23被引用 6

一句话总结

本文提出了一款实时交互式仪表板，用于监测印度的COVID-19疫情，数据来源包括COVID-19 India Tracker的区级数据、2011年人口普查数据以及Google出行报告。该仪表板应用数据科学与流行病学技术，估算关键指标如增长率、传播周期时间以及有效再生数，展示了在疫情期间支持公共卫生决策的实用工具。

ABSTRACT

Data analysis and visualization are essential for exploring and communicating findings in medical research, especially in epidemiological surveillance. Data on COVID-19 diagnosed cases and mortality, from crowdsourced website COVID-19 India Tracker, Census 2011, and Google Mobility reports have been used to develop a real-time analytics and monitoring system for the COVID-19 outbreak in India. We have developed a dashboard application for data visualization and analysis of several indicators to follow the SARS-CoV-2 epidemic using data science techniques. A district-level tool for basic epidemiological surveillance, in an interactive and user-friendly manner which includes time trends, epidemic curves, key epidemiological parameters such as growth rate, doubling time, and effective reproduction number have been estimated. This demonstrates the application of data science methods and epidemiological techniques in public health decision-making while addressing the gap of timely and reliable decision aiding tools.

研究动机与目标

• 为印度在COVID-19疫情期间应对缺乏及时可靠决策支持工具的问题提供解决方案。
• 开发一款交互式、用户友好的仪表板，实现实时监测印度各行政区SARS-CoV-2传播动态。
• 将多种数据源——病例数、死亡率、人口统计数据及出行趋势——整合到统一的分析平台中。
• 估算并可视化关键流行病学参数，如增长率、传播周期时间及有效再生数，以支持实时监测。
• 展示数据科学与流行病学建模在应对持续疫情过程中支持公共卫生决策的实践应用。

提出的方法

• 该仪表板整合了来自COVID-19 India Tracker、2011年人口普查及Google出行报告的实时数据。
• 采用时间序列分析生成流行病曲线，并追踪印度各行政区的病例趋势。
• 利用既定的数学模型计算关键流行病学指标，如增长率、传播周期时间及有效再生数（Rt）。
• 通过数据可视化技术，呈现传播模式与风险指标的动态交互视图。
• 采用数据科学流水线构建仪表板，确保实时更新并具备公共卫生应用的可扩展性。
• 设计强调非技术型公共卫生利益相关者的可用性与可及性。

实验结果

研究问题

• RQ1 如何聚合与可视化实时区级数据，以支持疫情期间的公共卫生监测？
• RQ2 从印度的开源数据中，哪些关键流行病学指标——如增长率、传播周期时间及有效再生数——可被可靠估算？
• RQ3 交互式仪表板在多大程度上可提升公共卫生官员在疫情持续期间的情境意识与决策能力？
• RQ4 Google出行报告中的出行趋势与区级病例发病率变化之间存在何种关联？
• RQ5 低成本、开源的仪表板能否作为集中式国家级监测系统的可行替代或补充？

主要发现

• 该仪表板成功利用公开可用数据，可视化了印度各行政区确诊病例与死亡率的实时趋势。
• 系统估算并展示了各行政区的关键流行病学参数，如增长率、传播周期时间及有效再生数（Rt）。
• 流行病曲线与时间序列趋势动态生成，支持传播高峰的早期识别。
• 整合Google出行数据使人类移动模式与病例发病率之间的分析成为可能，支持针对性干预措施。
• 该工具展示了利用开放数据与数据科学技术构建可扩展、交互式公共卫生监测系统的可行性。
• 概念验证表明，此类仪表板可增强情境意识，并在疫情爆发期间支持基于证据的公共卫生决策。