W zestawieniu zachorowań pojawia się skok, ale część zgłoszeń dotarła z opóźnieniem. AI może pomóc przygotować kontrolę danych, wskazać punkty do wyjaśnienia i zredagować komunikat z zatwierdzonej analizy. Zacznij od szeregu zagregowanego według okresu i obszaru, z opisem dat oraz zasad rejestracji przypadków.
Wyznacz odchylenia w szeregu zachorowań
Powstanie lista obserwacji do sprawdzenia wraz z kontekstem historycznym. BigQuery ML udostępnia wykrywanie anomalii w modelach szeregów czasowych, między innymi ARIMA_PLUS. Model językowy przyda się do przygotowania zapytania i opisu wyników; klasyfikację odchylenia wylicza model statystyczny.
- Ustal definicję przypadku, jednostkę czasu i rodzaj daty: początek objawów, rozpoznanie albo zgłoszenie.
- Zbuduj serię o stałych odstępach. Zaznacz brak raportu, korektę i zmianę zasad nadzoru w osobnych polach.
- Przygotuj model na okresie historycznym i sprawdź go na wydzielonym okresie późniejszym.
- Wyznacz odchylenia oraz zestaw je ze zmianami raportowania. Zapisz, które obserwacje wymagają kontaktu z jednostką zgłaszającą.
Jesteś analitykiem nadzoru epidemiologicznego. Dane [tabela] dotyczą [definicja przypadku] według [rodzaj daty i okres]. Na podstawie [wynik wykrywania odchyleń i informacje o korektach] przygotuj tabelę: okres, obserwacja, zakres oczekiwany, możliwe wyjaśnienie, czynność weryfikacyjna. Oddziel wynik obliczenia od hipotezy.
Sprawdź kompletność raportowania i zgodność porównywanych okresów przed uznaniem odchylenia za sygnał epidemiologiczny.
Porównaj założenia estymacji współczynnika reprodukcji
Dla zmieniającej się sytuacji epidemicznej pracujesz z R_t, czyli współczynnikiem zależnym od czasu. EpiNow2 jest otwartym pakietem w R do estymacji R_t i prognozowania dynamiki zakażeń z uwzględnieniem opóźnień. To narzędzie statystyczne; AI pomoże przygotować szkic kodu i notatkę o założeniach.
- Przygotuj serię przypadków wraz z informacją o zmianach zgłaszalności i korektach ostatnich obserwacji.
- Zbierz uzasadnione dla badanego patogenu założenia o odstępie generacyjnym oraz opóźnieniach raportowania.
- Uruchom estymację dla uzgodnionych wariantów założeń, zachowując wyniki i przedziały niepewności.
- Zestaw warianty w tabeli: założenie, wynik, niepewność i wpływ zmiany parametru. Przygotowanie odtwarzalnego kodu połącz z warsztatem analizy danych badacza naukowego.
Jesteś asystentem analizy epidemiologicznej w R. Mamy serię [dane], założenia [źródła i parametry] oraz wyniki wariantów [tabela]. Przygotuj szkic skryptu zgodny z [dokumentacja pakietu] i tabelę porównującą R_t oraz niepewność. Zachowaj podane wartości parametrów.
Zweryfikuj specyfikację modelu, diagnostykę dopasowania i to, czy interpretacja dotyczy R_t, a nie R0.
Opracuj krótką notatkę dla decydenta
Zatwierdzone wyniki przełóż na problem, stan wiedzy i warianty działania. ChatGPT potrafi uporządkować dostarczony materiał, a Claude może przygotować alternatywną redakcję tego samego zestawu ustaleń. Bezpłatne plany wystarczą do próby na jawnym raporcie, w granicach limitów.
- Przygotuj paczkę: pytanie decyzyjne, definicję przypadku, okres obserwacji, zatwierdzone wyniki i ograniczenia.
- Oddziel ustalenia od hipotez oraz opisz działania już uzgodnione z zespołem.
- Zleć redakcję notatki w układzie: sytuacja, dowody, niepewności, warianty, informacja potrzebna do decyzji.
- Powiąż każde zdanie o danych z tabelą lub raportem. W Polsce jawny punkt odniesienia stanowią meldunki epidemiologiczne NIZP PZH – PIB.
Jesteś redaktorem notatki dla [odbiorca]. Decyzja dotyczy [pytanie], a materiały to [ustalenia, wyniki, ograniczenia, warianty]. Napisz notatkę z krótkimi sekcjami i tabelą źródeł twierdzeń. Rekomendacje ogranicz do wariantów uzgodnionych przez zespół.
Sprawdź datę aktualności, zakres populacji i zgodność każdego wniosku z zatwierdzoną analizą.
Przygotuj mapę wskaźnika z czytelną legendą
Mapa pozwala wskazać obszary wymagające wyjaśnienia, kiedy licznik i mianownik dotyczą tej samej populacji. QGIS służy do analizy i prezentacji danych przestrzennych. AI wykorzystaj do szkicu łączenia tabel, kontroli kodów obszarów i redakcji podpisu; mapę wykonaj w programie GIS.
- Wybierz wskaźnik oraz poziom agregacji. Zapisz jednostkę, okres, licznik i właściwy mianownik.
- Połącz dane z geometrią po stabilnym kodzie obszaru. Wypisz rekordy bez dopasowania.
- Ustal wspólne klasy i legendę dla porównywanych map. Oddziel brak danych od wartości zerowej.
- Poproś model o opis mapy z podanej tabeli wynikowej. Warstwy i identyfikatory uzgodnij z geodetą pracującym na danych przestrzennych.
Jesteś asystentem wizualizacji epidemiologicznej. Mapa dotyczy [wskaźnik, populacja, okres], dane to [tabela z kodami], a legenda [klasy]. Przygotuj listę kontroli połączenia danych oraz podpis: jednostka, zakres, źródło, sposób odczytu. Opisuj wyłącznie wartości z tabeli.
Porównaj dopasowanie kodów, definicję mianownika i podpisy legendy z tabelą źródłową.
Co AI przygotowuje dla epidemiologa
| Czynność | Co przejmuje AI | Co zostaje po stronie człowieka |
|---|---|---|
| Odchylenia szeregu | Porządkuje wynik modelu i pytania | Oceniasz jakość zgłaszania |
| Estymacja R_t | Pomaga napisać kod i porównać założenia | Zatwierdzasz model oraz interpretację |
| Notatka decyzyjna | Redaguje zatwierdzone ustalenia | Wybierasz działania zdrowia publicznego |
| Mapa wskaźnika | Przygotowuje kontrole i opis | Ustalasz agregację, mianownik i publikację |
Ryzyka i ograniczenia AI w epidemiologii
Odchylenie statystyczne może wynikać ze zmiany testowania, definicji przypadku albo spóźnionych zgłoszeń. Mapa liczby przypadków może głównie odzwierciedlać liczebność mieszkańców. Zestawiaj wynik z informacjami o nadzorze, a decyzję o dochodzeniu, komunikacie lub interwencji pozostaw odpowiedzialnemu zespołowi.
Dane o zdrowiu podlegają szczególnej ochronie w RODO. Do zewnętrznej usługi przekazuj potrzebne agregaty, po ocenie możliwości identyfikacji osób z małych grup i lokalizacji. Usunięcie nazwiska z opisu przypadku nie zapewnia anonimowości. Przy przetwarzaniu danych osobowych ustal podstawę prawną, warunki powierzenia, dostęp i retencję z administratorem danych.
Konto prywatne ma inne ustawienia i warunki niż usługa firmowa; dostawca OpenAI deklaruje domyślne nietrenowanie na danych biznesowych. Dla list przypadków oraz szczegółowych lokalizacji rozważ obliczenia lokalne i zatwierdzone środowisko instytucji. Zachowuj wersje danych, kodu i założeń, żeby wynik można było odtworzyć po korekcie zgłoszeń.
Jak epidemiolog może rozpocząć pracę z AI
- Wybierz jawny szereg zagregowany i opisz definicję przypadku, daty oraz korekty.
- Przygotuj kontrolę braków i jedną analizę opisową, porównując wynik z tabelą źródłową.
- Zredaguj notatkę z zatwierdzonych ustaleń i poproś drugiego epidemiologa o sprawdzenie interpretacji.
Źródła
Częste pytania
Czy wykryta anomalia oznacza ognisko choroby?
To sygnał wymagający weryfikacji. Sprawdź definicję przypadku, kompletność zgłoszeń i możliwe zmiany w nadzorze.
Czy R0 i R_t można stosować zamiennie?
W opisanym procesie EpiNow2 estymuje współczynnik zmieniający się w czasie. Interpretację odnoszącą się do R0 trzeba oprzeć na odrębnym założeniu modelowym.
Czy AI może wskazać źródło zakażeń na mapie?
Może pomóc opisać skupienie wartości i przygotować pytania do dochodzenia. Ustalenie źródła wymaga danych epidemiologicznych oraz odpowiedniej weryfikacji hipotez.
