ကပ်ရောဂါမဖြစ်ပွားမီ ကြိုတင်ခန့်မှန်းပါ။

Canadian BlueDot algorithm သည် နောက်ဆုံးပေါ် ကိုရိုနာဗိုင်းရပ်၏ခြိမ်းခြောက်မှုကို အသိအမှတ်ပြုရာတွင် ကျွမ်းကျင်သူများထက် ပိုမိုမြန်ဆန်ပါသည်။ အမေရိကန် ရောဂါထိန်းချုပ်ရေးနှင့် ကာကွယ်ရေးစင်တာ (CDC) နှင့် ကမ္ဘာ့ကျန်းမာရေးအဖွဲ့ (WHO) တို့က ကမ္ဘာသို့တရားဝင်သတိပေးချက်များ မပေးပို့မီ ခြိမ်းခြောက်မှုနေ့ရက်များတွင် ၎င်း၏ဖောက်သည်များအား အကျဉ်းချုံးပြောပြခဲ့သည်။

Kamran Khan (၁) သမားတော်၊ ကူးစက်ရောဂါအထူးကု၊ ပရိုဂရမ်တည်ထောင်သူနှင့် CEO BlueDotစာနယ်ဇင်းအင်တာဗျူးတစ်ခုတွင် ဤကြိုတင်သတိပေးစနစ်သည် သဘာဝဘာသာစကားလုပ်ဆောင်ခြင်းနှင့် စက်သင်ယူခြင်းအပါအဝင် ဉာဏ်ရည်တုအသုံးပြုပုံကို ခြေရာခံရန်၊ တစ်ချိန်တည်းတွင် ကူးစက်တတ်သော ရောဂါပေါင်း တစ်ရာ. ဘာသာစကား ၆၅ မျိုးဖြင့် ဆောင်းပါး 100 ခန့်ကို နေ့စဉ် ခွဲခြမ်းစိတ်ဖြာသည်။

1. Kamran Khan နှင့် Wuhan ကိုရိုနာဗိုင်းရပ်ပျံ့နှံ့မှုကိုပြသသောမြေပုံ။

ဤဒေတာသည် ကုမ္ပဏီများထံ အလားအလာရှိသည့်ရှိနေမှုနှင့် ကူးစက်ရောဂါပျံ့နှံ့မှုအကြောင်း ၎င်းတို့၏ဖောက်သည်များအား အသိပေးရမည့်အချိန်ကို အချက်ပြသည်။ ခရီးသွား ခရီးစဉ်များနှင့် လေယာဉ်ခရီးစဉ်များဆိုင်ရာ အချက်အလက်များကဲ့သို့သော အခြားဒေတာများသည် ရောဂါဖြစ်ပွားမှုဖြစ်ပွားနိုင်ခြေနှင့်ပတ်သက်သည့် ထပ်လောင်းအချက်အလက်များကို ပံ့ပိုးပေးနိုင်ပါသည်။

BlueDot မော်ဒယ်၏ နောက်ကွယ်မှ အယူအဆမှာ အောက်ပါအတိုင်း ဖြစ်သည်။ သတင်းအချက်အလက်ကို တတ်နိုင်သမျှ အမြန်ဆုံးရယူပါ။ ခြိမ်းခြောက်မှု၏အစောပိုင်းအဆင့်တွင် ရောဂါပိုးရှိသူနှင့် ကူးစက်နိုင်ခြေရှိသောသူများကို ၎င်းတို့က ရောဂါရှာဖွေဖော်ထုတ်နိုင်မည်ဟု မျှော်လင့်လျက်၊ လိုအပ်ပါက သီးခြားခွဲထားရန် ကျန်းမာရေးစောင့်ရှောက်မှုလုပ်သားများ။ အယ်လဂိုရီသမ်သည် "လွန်စွာ ဖရိုဖရဲ" ဖြစ်သောကြောင့် ဆိုရှယ်မီဒီယာဒေတာကို အသုံးမပြုကြောင်း Khan ရှင်းပြသည်။ သို့သော် "တရားဝင်သတင်းအချက်အလက်သည်အမြဲတမ်းနောက်ဆုံးပေါ်မဟုတ်" ဟုသူ Recode သို့ပြောကြားခဲ့သည်။ တုံ့ပြန်မှုအချိန်သည် ရောဂါဖြစ်ပွားမှုကို အောင်မြင်စွာ ကာကွယ်ရန် အရေးကြီးသည်။

Khan သည် 2003 ခုနှစ်တွင် Toronto တွင်ကူးစက်ရောဂါအထူးကုအဖြစ်အလုပ်လုပ်ခဲ့သည်။ ကူးစက်ရောဂါ SARS. ဤရောဂါအမျိုးအစားများကို ခြေရာခံရန် နည်းလမ်းသစ်ကို တီထွင်လိုသည်။ ပရိုဂရမ်များစွာကို စမ်းသပ်ပြီးနောက် BlueDot ကို 2014 ခုနှစ်တွင် စတင်ခဲ့ပြီး ၎င်း၏ပရောဂျက်အတွက် ရန်ပုံငွေ ဒေါ်လာ 9,4 သန်း ရရှိခဲ့သည်။ ကုမ္ပဏီတွင် လက်ရှိဝန်ထမ်း လေးဆယ်၊ ဆရာဝန်များနှင့် ပရိုဂရမ်မာများရောဂါများကို ခြေရာခံရန် ခွဲခြမ်းစိတ်ဖြာသည့်ကိရိယာကို တီထွင်နေသူများ။

ဒေတာစုဆောင်းပြီး ၎င်းတို့၏ ကနဦးရွေးချယ်မှုပြီးနောက် ဂိမ်းထဲသို့ ဝင်လာကြသည်။ လေ့လာသုံးသပ်သူများ. ပြီးနောက် ကူးစက်ရောဂါဗေဒပညာရှင်များ ၎င်းတို့သည် တွေ့ရှိချက်များကို သိပ္ပံနည်းကျတရားဝင်မှုအတွက် စစ်ဆေးပြီးနောက် အစိုးရ၊ စီးပွားရေးနှင့် ကျန်းမာရေးစောင့်ရှောက်မှု ကျွမ်းကျင်သူများထံ ပြန်လည်တင်ပြသည်။ client များ.

Khan က သူ့စနစ်သည် ဒေသတစ်ခု၏ ရာသီဥတု၊ အပူချိန်နှင့် ဒေသဆိုင်ရာ တိရစ္ဆာန်များအကြောင်း သတင်းအချက်အလက်များကဲ့သို့သော အခြားဒေတာအမြောက်အမြားကိုလည်း အသုံးပြုနိုင်ပြီး ရောဂါကူးစက်ခံရသူတစ်ဦးသည် ရောဂါဖြစ်ပွားနိုင်ချေရှိမရှိကို ခန့်မှန်းရန်လည်း ထည့်သွင်းပြောကြားခဲ့သည်။ 2016 ခုနှစ်အစောပိုင်းတွင် Blue-Dot သည် ဖလော်ရီဒါတွင် ဇီကာဗိုင်းရပ်စ်ဖြစ်ပွားမှုကို အဆိုပါဧရိယာတွင် အမှန်တကယ်စာရင်းမသွင်းမီ ခြောက်လအလိုတွင် ကြိုတင်ခန့်မှန်းနိုင်ခဲ့ကြောင်း ၎င်းက ထောက်ပြသည်။

ကုမ္ပဏီသည် အလားတူနည်းလမ်းဖြင့် လုပ်ဆောင်နေပြီး အလားတူနည်းပညာများကို အသုံးပြုထားသည်။ MetabiotSARS ကပ်ရောဂါကိုစောင့်ကြည့်။ ထိုင်း၊ တောင်ကိုရီးယား၊ ဂျပန်နှင့် ထိုင်ဝမ်တို့တွင် ဤဗိုင်းရပ်စ်ဖြစ်ပွားမှုအန္တရာယ် အကြီးမားဆုံးအန္တရာယ်ကို တစ်ချိန်က တွေ့ရှိခဲ့ပြီး ယင်းနိုင်ငံများတွင် ရောဂါဖြစ်ပွားမှု မကြေညာမီ တစ်ပတ်ကျော်အလိုတွင် ၎င်းတို့က ယင်းကို ပြုလုပ်ခဲ့သည်။ ၎င်းတို့၏ ကောက်ချက်အချို့ကို ခရီးသည် ပျံသန်းမှုဆိုင်ရာ အချက်အလက် ခွဲခြမ်းစိတ်ဖြာမှုမှ ကောက်ချက်ချခဲ့သည်။

BlueDot ကဲ့သို့ Metabiota သည် ဖြစ်နိုင်ချေရှိသော ရောဂါအစီရင်ခံစာများကို အကဲဖြတ်ရန် သဘာဝဘာသာစကားဖြင့် လုပ်ဆောင်ခြင်းကို အသုံးပြုသော်လည်း ဆိုရှယ်မီဒီယာသတင်းအချက်အလက်အတွက် တူညီသောနည်းပညာကို တီထွင်ရန် လုပ်ဆောင်နေပါသည်။

Mark GallivanMetabiota ၏ သိပ္ပံဆိုင်ရာ ဒါရိုက်တာက အွန်လိုင်းပလက်ဖောင်းများနှင့် ဖိုရမ်များသည် ရောဂါဖြစ်ပွားမှုအန္တရာယ်ကို အချက်ပြနိုင်သည်ဟု မီဒီယာအား ရှင်းပြခဲ့သည်။ ရောဂါလက္ခဏာများ၊ သေဆုံးမှုနှင့် ကုသမှုရရှိနိုင်မှုစသည့် အချက်အလက်များအပေါ် အခြေခံ၍ လူမှုရေးနှင့် နိုင်ငံရေး ကသောင်းကနင်းဖြစ်စေသည့် ရောဂါဖြစ်နိုင်ခြေကို ခန့်မှန်းနိုင်သည်ဟု ဝန်ထမ်းများမှ ကျွမ်းကျင်သူများက ဆိုသည်။

အင်တာနက်ခေတ်တွင်၊ လူတိုင်းသည် ကိုရိုနာဗိုင်းရပ်ကူးစက်ပျံ့နှံ့မှုနှင့်ပတ်သက်ပြီး ဥပမာ၊ မွမ်းမံထားသောမြေပုံပုံစံဖြင့် အမြန်၊ ယုံကြည်စိတ်ချရပြီး ထင်သာမြင်သာရှိသော မြင်သာထင်သာမြင်သာသော သတင်းအချက်အလက်တင်ပြမှုကို မျှော်လင့်ကြသည်။

2. Johns Hopkins တက္ကသိုလ် Coronavirus 2019-nCoV ဒက်ရှ်ဘုတ်။

Johns Hopkins တက္ကသိုလ်ရှိ စနစ်များသိပ္ပံနှင့် အင်ဂျင်နီယာဌာနသည် ကမ္ဘာပေါ်တွင် အကျော်ကြားဆုံး coronavirus ဒက်ရှ်ဘုတ် (၂) ခုကို တီထွင်ခဲ့သည်။ Google စာရွက်အဖြစ် ဒေါင်းလုဒ်လုပ်ရန်အတွက် ဒေတာအစုံကိုလည်း ပေးထားသည်။ မြေပုံတွင် ရောဂါကူးစက်မှုအသစ်များ၊ အတည်ပြုသေဆုံးမှုနှင့် ပြန်လည်ကောင်းမွန်လာမှုများကို ပြသထားသည်။ အမြင်အာရုံပုံဖော်ခြင်းအတွက်အသုံးပြုသည့်ဒေတာသည် WHO၊ CDC၊ China CDC၊ NHC၊ နှင့် DXY၊ NHC အစီရင်ခံစာများနှင့် အချိန်နှင့်တပြေးညီ ဒေသတွင်း CCDC အခြေအနေအစီရင်ခံစာများကို စုစည်းထားသည့် တရုတ်ဝဘ်ဆိုက်အပါအဝင် အရင်းအမြစ်အမျိုးမျိုးမှ လာပါသည်။

ရောဂါရှာဖွေခြင်းများသည် နာရီ၊ နေ့ရက်များမဟုတ်ပါ။

တရုတ်နိုင်ငံ ဝူဟန်မြို့မှာ ဖြစ်ပွားတဲ့ ရောဂါသစ်အကြောင်း ကမ္ဘာက ပထမဆုံးကြားသိလိုက်ရပါတယ်။ ဒီဇင်ဘာလ 31 2019 သည် တစ်ပတ်အကြာတွင် တရုတ်သိပ္ပံပညာရှင်များက တရားခံကို ဖော်ထုတ်နိုင်ခဲ့ကြောင်း ကြေညာခဲ့သည်။ နောက်အပတ်တွင် ဂျာမန်အထူးကုဆရာဝန်များသည် ပထမဆုံး ရောဂါရှာဖွေစမ်းသပ်မှု (၃) ခုကို တီထွင်ခဲ့သည်။ ၎င်းသည် SARS လက်ထက် သို့မဟုတ် အလားတူ ကပ်ရောဂါများမတိုင်မီနှင့် အပြီးတွင်ထက် ပိုမိုမြန်ဆန်သည်။

ပြီးခဲ့သည့်ဆယ်စုနှစ်အစပိုင်း၌ အန္တရာယ်ရှိသော ဗိုင်းရပ်စ်တစ်မျိုးကို ရှာဖွေနေသည့် သိပ္ပံပညာရှင်များသည် Petri ပန်းကန်များအတွင်းရှိ တိရစ္ဆာန်ဆဲလ်များတွင် ၎င်းကို ကြီးထွားစေခဲ့သည်။ ဗိုင်းရပ်စ်တွေ လုံလုံလောက်လောက် ဖန်တီးထားရမယ်။ DNA ကိုခွဲထုတ်ပါ။ နှင့် မျိုးရိုးဗီဇကုဒ်ကို လူသိများသော လုပ်ငန်းစဉ်တစ်ခုမှတဆင့် ဖတ်ပါ။ အစီအစဉ်. သို့သော်၊ မကြာသေးမီနှစ်များအတွင်း၊ ဤနည်းပညာသည် အလွန်တိုးတက်ခဲ့သည်။

သိပ္ပံပညာရှင်များသည် ဆဲလ်များတွင် ဗိုင်းရပ်စ်ကို ကြီးထွားရန်ပင် မလိုအပ်တော့ပါ။ ၎င်းတို့သည် လူနာတစ်ဦး၏ အဆုတ် သို့မဟုတ် သွေးတွင်းရှိ ဗိုင်းရပ်စ် DNA ပမာဏ အနည်းငယ်ကို တိုက်ရိုက်ထောက်လှမ်းနိုင်သည်။ ရက်တွေမဟုတ်ဘဲ နာရီနဲ့ချီကြာတယ်။

ပိုမိုမြန်ဆန်ပြီး ပိုမိုအဆင်ပြေသော ဗိုင်းရပ်စ်ရှာဖွေရေးကိရိယာများကို တီထွင်နိုင်ရန် လုပ်ဆောင်နေပါသည်။ စင်္ကာပူအခြေစိုက် Veredus Laboratories သည် ခရီးဆောင်ကိရိယာအစုံအလင်ဖြင့် လုပ်ဆောင်နေကြောင်း၊ VereChip (၄) ကို ယခုနှစ် ဖေဖော်ဝါရီလ (၁) ရက်နေ့မှ စတင်ရောင်းချသွားမည်ဖြစ်ပါသည်။ ထိရောက်ပြီး သယ်ဆောင်ရလွယ်ကူသော ဖြေရှင်းနည်းများသည် ကွင်းပြင်တွင် ဆေးဘက်ဆိုင်ရာအဖွဲ့များကို ဖြန့်ကျက်ထားသည့်အခါ၊ အထူးသဖြင့် ဆေးရုံများပြည့်ကျပ်နေချိန်တွင် သင့်လျော်သောဆေးဘက်ဆိုင်ရာစောင့်ရှောက်မှုအတွက် ရောဂါပိုးရှိသူအား ဖော်ထုတ်ရန် မြန်ဆန်စေသည်။

မကြာသေးမီက နည်းပညာဆိုင်ရာ တိုးတက်မှုများက အချိန်နှင့်တပြေးညီ ရောဂါရှာဖွေမှုရလဒ်များကို စုဆောင်းပြီး မျှဝေနိုင်စေခဲ့သည်။ Quidel မှ ပလပ်ဖောင်းဥပမာ ဆိုဖီယာ ငါစနစ် PCR10 FilmArray BioFire သည် အသက်ရှုလမ်းကြောင်းဆိုင်ရာ ရောဂါပိုးများကို လျင်မြန်သောရောဂါရှာဖွေစမ်းသပ်မှုများကို ဆောင်ရွက်ပေးနေသော cloud ရှိ databases များသို့ ကြိုးမဲ့ချိတ်ဆက်မှုမှတစ်ဆင့် ချက်ချင်းရရှိနိုင်သည်။

2019-nCoV ကိုရိုနာဗိုင်းရပ် (COVID-19) ၏ ဂျီနိုမိုကို ပထမအကြိမ်တွေ့ရှိပြီးနောက် တစ်လမပြည့်မီတွင် တရုတ်သိပ္ပံပညာရှင်များက လုံး၀ စီစဥ်ထားသည်။ ပထမအကြိမ် စီစစ်ပြီးကတည်းက နောက်ထပ် နှစ်ဆယ်နီးပါး ပြီးသွားပါပြီ။ နှိုင်းယှဉ်ကြည့်လျှင် SARS ဗိုင်းရပ်စ်သည် 2002 ခုနှစ်နှောင်းပိုင်းတွင် စတင်ဖြစ်ပွားခဲ့ပြီး ၎င်း၏ ပြီးပြည့်စုံသော ဂျီနိုမ်ကို ဧပြီလ 2003 ခုနှစ်အထိ မရနိုင်ပါ။

Genome sequencing သည် ရောဂါရှာဖွေရေးနှင့် ကာကွယ်ဆေးများ ဖွံ့ဖြိုးတိုးတက်မှုအတွက် အရေးကြီးပါသည်။

ဆေးရုံဆန်းသစ်တီထွင်မှု

5. Everett ရှိ Providence ဒေသဆိုင်ရာဆေးဘက်ဆိုင်ရာစင်တာမှ ဆေးဘက်ဆိုင်ရာစက်ရုပ်။

ကံမကောင်းစွာဖြင့်၊ ကိုရိုနာဗိုင်းရပ်အသစ်သည် ဆရာဝန်များကို ခြိမ်းခြောက်နေပါသည်။ CNN အဆိုအရ၊ ဆေးရုံအတွင်းရော အပြင်မှာပါ ကိုရိုနာဗိုင်းရပ် ပြန့်ပွားမှုကို ကာကွယ်ပါ။ဝါရှင်တန်၊ Everett ရှိ Providence ဒေသဆိုင်ရာ ဆေးဘက်ဆိုင်ရာဌာနမှ ဝန်ထမ်းများကို အသုံးပြုပါ။ စက်ရုပ် (၅) သီးခြားလူနာရှိ အရေးကြီးလက္ခဏာများကို တိုင်းတာပြီး ဗီဒီယိုကွန်ဖရင့်ပလပ်ဖောင်းတစ်ခုအဖြစ် လုပ်ဆောင်သည်။ စက်သည် တပ်ဆင်ထားသော စခရင်ပါရှိသော ဘီးများပေါ်တွင် ဆက်သွယ်ပေးသည့် စက်တစ်ခုထက်မကသော်လည်း လူသားများ၏ လုပ်အားကို လုံးလုံးလျားလျား ဖယ်ရှားပစ်မည်မဟုတ်ပါ။

သူနာပြုများသည် လူနာနှင့်အတူ အခန်းထဲသို့ ဝင်ရသေးသည်။ ၎င်းတို့သည် အနည်းဆုံး ဇီဝဗေဒအရ ရောဂါပိုးမကူးစက်နိုင်သော စက်ရုပ်တစ်ခုကိုလည်း ထိန်းချုပ်ထားသောကြောင့် ဤအမျိုးအစားကိရိယာများကို ကူးစက်ရောဂါများကုသရာတွင် ပိုမိုအသုံးပြုလာမည်ဖြစ်သည်။

အခန်းများကို ကာရံထားနိုင်သော်လည်း အသက်ရှုနိုင်စေရန် လေ၀င်လေထွက်လည်း လိုအပ်ပါသည်။ အသစ်လိုအပ်သည်။ လေဝင်လေထွက်စနစ်များရောဂါပိုးမွှားများ ပြန့်ပွားမှုကို ကာကွယ်ပေးခြင်း။

အဆိုပါနည်းပညာအမျိုးအစားများကိုတီထွင်ခဲ့သည့် Finnish ကုမ္ပဏီ Genano (6) သည် တရုတ်နိုင်ငံရှိ ဆေးဘက်ဆိုင်ရာအဖွဲ့အစည်းများအတွက် အမြန်အမှာစာရရှိခဲ့သည်။ ကုမ္ပဏီ၏ တရားဝင်ထုတ်ပြန်ချက်တွင် ကုမ္ပဏီသည် ပိုးမွှားကင်းစင်ပြီး သီးခြားဆေးရုံခန်းများတွင် ကူးစက်ရောဂါများ ပျံ့နှံ့မှုကို ကာကွယ်ရန် စက်ကိရိယာများ ပံ့ပိုးပေးရာတွင် အတွေ့အကြုံများစွာ ရှိကြောင်း ကုမ္ပဏီ၏ တရားဝင်ထုတ်ပြန်ချက်တွင် ဖော်ပြထားသည်။ ယခင်နှစ်များက သူမသည် MERS ဗိုင်းရပ်စ် ကူးစက်ပျံ့နှံ့နေစဉ်အတွင်း ဆော်ဒီအာရေဗျရှိ ဆေးဘက်ဆိုင်ရာ အဖွဲ့အစည်းများထံ ပို့ဆောင်ပေးခဲ့သည်။ လုံခြုံသောလေဝင်လေထွက်ရှိရန်အတွက် Finnish စက်ပစ္စည်းများကို ဆယ်ရက်အတွင်း တည်ဆောက်ပြီးဖြစ်သည့် 2019-nCoV ကိုရိုနာဗိုင်းရပ်ကူးစက်ခံထားရသူများအတွက် ဝူဟန်မြို့ရှိ နာမည်ကြီး ယာယီဆေးရုံသို့ ပို့ဆောင်ပေးခဲ့ပါသည်။

6. insulator ရှိ Genano စနစ်၏ ပုံကြမ်း

သန့်စင်ဆေးများတွင် အသုံးပြုသည့် မူပိုင်ခွင့်နည်းပညာသည် "ဗိုင်းရပ်စ်နှင့် ဘက်တီးရီးယားများကဲ့သို့သော လေထုအတွင်းရှိ အဏုဇီဝပိုးများကို ဖယ်ရှားရှင်းလင်းပေးသည်" ဟု Genano က ဆိုသည်။ 3 nanometers သေးငယ်သော အမှုန်အမွှားများကို ဖမ်းယူနိုင်စွမ်းရှိသော လေသန့်စင်စက်တွင် ထိန်းသိမ်းရန် စက်ပိုင်းဆိုင်ရာ စစ်ထုတ်မှု မပါရှိဘဲ လေကို အားကောင်းသော လျှပ်စစ်စက်ကွင်းဖြင့် စစ်ထုတ်ပါသည်။

ကိုရိုနာဗိုင်းရပ်ကို ကြောက်ရွံ့မှု ဖြစ်ပွားစဉ်အတွင်း ပေါ်ပေါက်ခဲ့သည့် နောက်ထပ် နည်းပညာဆိုင်ရာ စူးစမ်းလိုစိတ်မှာ ဖြစ်သည်။ အပူစကင်နာများအဖျားရှိသူများကို အိန္ဒိယလေဆိပ်များတွင် ကောက်ယူလေ့ရှိသည်။

အင်တာနက် - ထိခိုက်သလား၊ အကူအညီလား။

ပုံတူပွားခြင်းနှင့် ဖြန့်ဝေခြင်းအတွက် ကြီးမားသောဝေဖန်မှုများ လှိုင်းလုံးကြီးနေသော်လည်း သတင်းမှားများ ပျံ့နှံ့ခြင်းနှင့် အထိတ်တလန့်ဖြစ်မှုများကြားမှ တရုတ်နိုင်ငံတွင် ဖြစ်ပွားနေသည့် လူမှုမီဒီယာကိရိယာများသည် အပြုသဘောဆောင်သည့် အခန်းကဏ္ဍမှ ပါဝင်ခဲ့သည်။

ဥပမာအားဖြင့်၊ တရုတ်နည်းပညာဆိုက် TMT Post မှ အစီရင်ခံတင်ပြထားသည့်အတိုင်း၊ မီနီဗီဒီယိုများအတွက် လူမှုရေးပလက်ဖောင်းတစ်ခုဖြစ်သည်။ ဒွိုင်းကမ္ဘာကျော် TikTok (7) နှင့် ညီမျှသည့် တရုတ်ကုမ္ပဏီသည် ကိုရိုနာဗိုင်းရပ်ပျံ့နှံ့မှုနှင့်ပတ်သက်သော အချက်အလက်များကို စီမံဆောင်ရွက်ရန်အတွက် အထူးအပိုင်းကို စတင်လိုက်ပြီဖြစ်သည်။ hashtag အောက်တွင် #နမိုးနီးယားကို တိုက်ဖျက်ပါ။အသုံးပြုသူများထံမှ အချက်အလက်သာမက ကျွမ်းကျင်သူ အစီရင်ခံစာများနှင့် အကြံဉာဏ်များကိုလည်း ထုတ်ဝေသည်။

အသိပညာပေးခြင်းနှင့် အရေးကြီးသောအချက်အလက်များကို ဖြန့်ဝေခြင်းအပြင် Douyin သည် ဗိုင်းရပ်စ်ကို တိုက်ဖျက်နေသည့် ဆရာဝန်များနှင့် ဆေးဘက်ဆိုင်ရာဝန်ထမ်းများအပြင် ရောဂါပိုးရှိသော လူနာများအတွက် အထောက်အကူပေးသည့်ကိရိယာတစ်ခုအဖြစ်လည်း ဆောင်ရွက်သွားရန် ရည်မှန်းထားသည်။ လေ့လာသူ ဒံယေလ အဟ်မဒ် အပလီကေးရှင်းသည် ဆရာဝန်များ၊ ကျန်းမာရေးစောင့်ရှောက်မှုကျွမ်းကျင်သူများနှင့် လူနာများအား ပံ့ပိုးကူညီရန်အတွက် အပြုသဘောဆောင်သောမက်ဆေ့ချ်များပေးပို့ရန် အသုံးပြုသူများအသုံးပြုသင့်သည့် "Jiayou ဗီဒီယိုအကျိုးသက်ရောက်မှု" (အားပေးမှုဟု အဓိပ္ပာယ်ရသော) ကို လွှင့်တင်ထားကြောင်း တွစ်တာတွင် ဖော်ပြထားသည်။ ဤအကြောင်းအရာအမျိုးအစားကို ကျော်ကြားသူများ၊ ကျော်ကြားသူများနှင့် သြဇာလွှမ်းမိုးသူများဟုခေါ်သော ထုတ်ဝေသူများလည်းရှိသည်။

ယနေ့တွင်၊ ကျန်းမာရေးနှင့်ပတ်သက်သည့် ဆိုရှယ်မီဒီယာလမ်းကြောင်းများကို ဂရုတစိုက်လေ့လာခြင်းသည် သိပ္ပံပညာရှင်များနှင့် ပြည်သူ့ကျန်းမာရေးအာဏာပိုင်များက လူများကြားတွင် ရောဂါကူးစက်ခြင်း၏ ယန္တရားများကို ကောင်းစွာသိရှိနားလည်သဘောပေါက်ရန် သိပ္ပံပညာရှင်များနှင့် ပြည်သူ့ကျန်းမာရေးအာဏာပိုင်များကို ကောင်းစွာသိရှိနားလည်နိုင်စေမည်ဟု ယုံကြည်ပါသည်။

တစ်စိတ်တစ်ပိုင်းအားဖြင့် ဆိုရှယ်မီဒီယာသည် အလွန်ဆက်စပ်မှုရှိကာ ပိုမိုကောင်းမွန်သောဒေသခံဖြစ်လေ့ရှိသောကြောင့်ဖြစ်သည်ဟု ၎င်းက The Atlantic တွင် 2016 ခုနှစ်တွင် ပြောကြားခဲ့သည်။ မာဆေးလ်သုပ်ဆွစ်ဇာလန်နိုင်ငံ Lausanne ရှိ Federal Polytechnic School မှ သုတေသီတစ်ဦးဖြစ်ပြီး သိပ္ပံပညာရှင်များဟုခေါ်သော ကြီးထွားလာသောနယ်ပယ်တွင် ကျွမ်းကျင်သူ၊ "ဒစ်ဂျစ်တယ်ကူးစက်ရောဂါ". သို့သော်လည်း ယခုအချိန်တွင်၊ သုတေသီများသည် ကူးစက်ရောဂါဆိုင်ရာ ဖြစ်စဉ်များကို အမှန်တကယ်ထင်ဟပ်စေသည့် ကျန်းမာရေးပြဿနာများကို ဆိုရှယ်မီဒီယာတွင် ပြောဆိုနေခြင်းရှိ၊မရှိ နားလည်ရန် သုတေသီများက ဆက်လက်ကြိုးစားနေသေးကြောင်း ၎င်းက ဆက်လက်ပြောသည်။

၈။ တရုတ်လူမျိုးများသည် မျက်နှာဖုံးများတပ်ဆင်၍ ဆယ်လ်ဖီရိုက်ကြသည်။

ဤကိစ္စနှင့်စပ်လျဉ်း၍ ပထမစမ်းသပ်မှု၏ ရလဒ်များကို မရှင်းလင်းပါ။ 2008 တွင် Google မှ အင်ဂျင်နီယာများသည် ရောဂါကြိုတင်ခန့်မှန်းခြင်းကိရိယာကို စတင်ထုတ်လုပ်ခဲ့သည် - Google Flu Trends (GFT)။ ကုမ္ပဏီသည် လက္ခဏာများနှင့် အချက်ပြစကားလုံးများအတွက် Google ရှာဖွေရေးအင်ဂျင်ဒေတာကို ခွဲခြမ်းစိတ်ဖြာရန် ၎င်းကို အသုံးပြုရန် စီစဉ်ခဲ့သည်။ ထိုအချိန်တွင်၊ တုပ်ကွေးနှင့် သွေးလွန်တုပ်ကွေးရောဂါဖြစ်ပွားမှု၏ “ကောက်ကြောင်းများ” ကို တိကျစွာနှင့် ချက်ခြင်းအသိအမှတ်ပြုရန် ရလဒ်များကို အသုံးပြုလိမ့်မည်ဟု သူမမျှော်လင့်ခဲ့သည်—အမေရိကန်ရောဂါထိန်းချုပ်ရေးနှင့်ကာကွယ်ရေးစင်တာများထက် နှစ်ပတ်စောသည်။ (CDC) သည် သုတေသနနယ်ပယ်တွင် အကောင်းဆုံးစံအဖြစ် သတ်မှတ်ခံထားရသော၊ သို့သော်လည်း၊ US ရှိ တုပ်ကွေးရောဂါနှင့် နောက်ပိုင်းတွင် ထိုင်းနိုင်ငံရှိ ငှက်ဖျားရောဂါရှာဖွေခြင်းဆိုင်ရာ Google ၏ ရလဒ်များသည် တိကျလွန်းသည်ဟု ယူဆပါသည်။

အမျိုးမျိုးသောဖြစ်ရပ်များကို "ကြိုတင်ခန့်မှန်းသော" နည်းပညာများနှင့်စနစ်များ, အပါအဝင်။ အဓိကရုဏ်းများ သို့မဟုတ် ကပ်ရောဂါများ ပေါက်ကွဲခြင်းကဲ့သို့သော Microsoft သည် 2013 ခုနှစ်တွင် Israeli Technion Institute နှင့်အတူ မီဒီယာအကြောင်းအရာများကို ခွဲခြမ်းစိတ်ဖြာမှုအပေါ် အခြေခံ၍ သဘာဝဘေးအန္တရာယ် ကြိုတင်ခန့်မှန်းခြင်းအစီအစဉ်ကို စတင်လုပ်ဆောင်ခဲ့သည်။ ဘာသာပေါင်းစုံ ခေါင်းကြီးပိုင်းများကို ကြည့်ရှုခြင်း၏အကူအညီဖြင့် "ကွန်ပြူတာထောက်လှမ်းရေး" သည် လူမှုရေးဆိုင်ရာခြိမ်းခြောက်မှုများကို အသိအမှတ်ပြုခဲ့ရသည်။

သိပ္ပံပညာရှင်များသည် မိုးခေါင်မှုနှင့် ရောဂါဖြစ်ပွားမှု တိုးလာမှုကြား ဆက်နွှယ်မှုကို တွေ့ရှိသောကြောင့် သိပ္ပံပညာရှင်များသည် ကာလဝမ်းရောဂါဖြစ်နိုင်ခြေကို ကြိုတင်ခန့်မှန်းသည့် စနစ်များတွင် ခန့်မှန်းမှုများ ဖြစ်ပေါ်စေသည့် Angola တွင် မိုးခေါင်ရေရှားမှုဆိုင်ရာ အချက်အလက်ကဲ့သို့သော ဖြစ်ရပ်အချို့ကို ဆန်းစစ်ခဲ့သည်။ New York Times ၏ မော်ကွန်းတိုက်စာစောင်များကို 1986 မှစတင်၍ ခွဲခြမ်းစိတ်ဖြာမှုအပေါ် အခြေခံ၍ စနစ်၏မူဘောင်ကို ဖန်တီးခဲ့ခြင်းဖြစ်သည်။ နောက်ထပ် ဖွံ့ဖြိုးတိုးတက်မှုနှင့် စက်သင်ယူမှု လုပ်ငန်းစဉ်များတွင် အင်တာနက် အရင်းအမြစ်အသစ်များကို အသုံးပြုခြင်း ပါဝင်သည်။

ကူးစက်ရောဂါခန့်မှန်းချက်တွင် BlueDot နှင့် Metabiota အောင်မြင်မှုအပေါ်အခြေခံ၍ ယခုအချိန်အထိ၊ "အရည်အချင်းပြည့်မီသော" ဒေတာကို အခြေခံ၍ တိကျသောခန့်မှန်းချက်သည် အဓိကဖြစ်နိုင်သည်ဟု ကောက်ချက်ချရန် သွေးဆောင်ခံရနိုင်သည်။ ပရော်ဖက်ရှင်နယ်၊ ယုံကြည်ရသော၊ အထူးပြုသောရင်းမြစ်များ၊ အင်တာနက်နှင့် portal အသိုင်းအဝိုင်းများ၏ ပရမ်းပတာမဖြစ်ပါ။.

သို့သော် ၎င်းသည် ပိုမိုထက်မြက်သော အယ်လဂိုရီသမ်များနှင့် ပိုမိုကောင်းမွန်သော စက်သင်ယူမှုတို့အကြောင်း ဖြစ်နိုင်ပါသလား။