添加链接
link管理
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接

今年3月31日和4月1日,世界银行 发展影响评价局 和工具与分析处同(美国加州大学)有效全球行动中心(CEGA)合作,共同主办了 “评估发展影响:全球健康研究领域的新数据和新方法” (下文简称“评估发展影响2021年研究”)研讨会。此次会议展示了研究人员目前如何把新型数据和数据密集型新方法用于应对重大公共卫生挑战,特别是低收入和中等收入国家面临的挑战;同时重点介绍了新分析发放(如人工智能应用程序)和日益增加的新数据类型(此类数据经由社交媒体平台、互联网搜索引擎、传感器和手机制作)如何有助研究人员以比传统的面对面调查方法所需成本更低的成本实时跟踪、评估以及响应卫生干预措施和现象。在诸如新冠疫情等危机情形下,由于传统数据收集方法不可行并且公共政策响应措施的效果需要实时反映,此类新方法和新型数据尤其可起到帮助作用。

现将本次研讨会上介绍的上述创新性研究的部分亮点及该研究对全世界政策制定者的意义。由于篇幅有限,若干精彩演讲未在本文中介绍。请访问我们的 网站 ,了解演讲嘉宾完整名单,其中含有其演讲视频的链接。

评估发展影响2021年研究综述

人工智能与健康

在其主旨演讲中,CEGA附属系教授兼加州大学伯克利分校教授 Ziad Obermeyer 介绍了预测性算法在健康领域的应用情况和偏差渗入途径。Obermeyer教授重点介绍了他开展的研究。研究结果表明,如通过一种算法给黑人和白人患者设定相同的健康风险,则黑人患者的病情实际上比白人患者更重。他进一步介绍了《新冠疫情援助、救济和经济安全(CARES)法案》如何引发了新冠疫情救济资金的偏差。根据使用大量资源(收入)的患者而非需要大量资源的患者(疫情严重性)提供专项救济的做法 尤其使得黑人聚居县处于不利地位 。尽管问题严重,但他解释说,多层级/计算方式仍是为制定公共政策提供依据的既经济又有效的重要工具,同时也为消除算法瞄准方面的偏差开辟了一条路径 (视频)

追踪并应对新冠疫情

本场分会上的演讲重点介绍了已被研究人员用作新冠疫情响应措施制定依据的丰富的非传统型数据来源,包括互联网数据(全世界半数以上人口被计入活跃的互联网用户)、收集数据( 手机数量现已超过人口数量 )、社交媒体数据、地理空间和遥感数据等等。我们也聆听了关于新冠病毒检测的最新研究的介绍,包括对高频次分组检测的介绍。

  • Robert Marty (发展影响评价局)介绍说,谷歌上新冠肺炎相关搜索数量增加预示着国家和地方层面感染病例飙升,同时也表明政策制定者可从谷歌搜索数据中寻找新冠病毒传播的早期指标( 视频 )。
  • Frauke Kreuter (马里兰大学)介绍了与脸书公司开展的一项合作。该合作旨在设计并推广一种调查工具,用于评估新冠肺炎症状、社交行为、心理健康状况、经济安全状况以及新冠疫苗接种现状。调查可为症状监测提供支撑,也可为发出感染病例增加预警提供依据 (视频)
  • Ernest Mwebaze Sunbird人工智能公司 ) 分享了与乌干达卫生部开展的合作。该合作对民众对新冠疫情信息发布和疾病预防方式的认知度进行了追溯分析和实时分析,为公共卫生宣传提供了依据 (视频)
  • Shankar Iyer(脸书公司)介绍了脸书的 数据公益 服务器托管地图如何为密接者追踪和社交距离建模提供支撑。此类地图显示,人们相互间频繁密切接触有可能会传播新冠病毒 (视频)
  • Sveta Milusheva (发展影响评价局)介绍了其团队开展的一项工作。该项工作把手机通话详细记录同人口与健康调查数据组合起来,用于制作 关于疾病传播的多主体模型 。该方法可帮助政府部门预测疾病传播路径、评估不同风险情形以及调整应对措施。
  • Jon Kolstad (加州大学伯克利分校)介绍了高频次 新冠病毒分组检测 的效率、经济性和有效性。 这种检测方法对控制疾病在机构或单位(如学校)内部的传播特别有效。
  • 在一系列研讨会上, Esri 公司的 Jared Shoultz 、Mike Schoelen和 Este Geraghty (视频) 以及 Atlas人工智能公司 的Karen Byrnes、Deven Desai和Shurti Jain (视频) 介绍了其所在公司的地理空间数据和分析工具如何被用于制定各类公共卫生措施,包括新冠疫情应对措施。
  • Trevor Monroe(发展效果委员会分析和工具处)回顾了世界银行在用于发展研究的
  • 公开数据和分析工具 (包括“公开数据产品入门工具箱”)方面开展的工作(可从上一张幻灯片中获取若干资料的链接)。他着重指出,世界银行与CEGA的合作(通过 《社会科学透明度伯克利倡议》 )和GitHub认证是推动开展更具协作性和公开性研究的两大动力( 视频 )。
  • 气候与健康

    CEGA附属系教授 Gordon McCord (加州大学圣地亚哥分校)与 Tamma Carleton (加州大学圣芭芭拉校区)和 Jesse Anttila-Hughes (旧金山大学)共同主持了一场专家组讨论会。会上,相关演讲提供了关于气候变化会对脆弱地区产生影响的有说服力证据,同时也就政策响应措施以及对气候变化适应和缓解政策的经济有效性进行评估两方面的新方向提出了建议 (视频)

  • McCord和Antilla-Hughes二人都探讨了气候变化对儿童营养状况的影响,同时指出了及时采取政策措施应对天气事件和热浪的重要性。McCord 就厄尔尼诺现象对儿童营养状况的影响开展的研究 发现,厄尔尼诺现象经久不去会产生很强的负面影响,其对农业产生的影响就是如此。Anttila-Hughes就 高温对撒哈拉以南非洲地区营养不足儿童的影响开展的研究 发现,高温通过农业和环境卫生等渠道对该地区产生了严重影响。
  • Tamma Carleton介绍了用于评估 气候变化所致死亡代价 的一种模型。该模型考虑了不同地区适应气候变化的能力方面的新数据。据估计,每吨碳排放造成的死亡代价为17-37美元,这揭示出现行评估指标低估了碳排放造成的社会代价。
  • 评估医疗服务质量

    世界银行工作人员所作的若干演讲(包括一个专家组在研讨会第二天所作演讲)着重讨论了对医疗服务特别是低收入和中等收入国家服务的可及性和质量进行评估的重要性。

  • Damien de Walque 强调指出,较高的服务覆盖率未必会转化为优质服务。同时,他介绍了一个衡量“有效服务”的新指标。该指标有助于更深入了解医疗服务提供方面的缺口。
  • Anja Sautmann 强调了把日常膳食数据用于评估医疗服务需求和了解有限医疗资源分配不当情况的重要性。她以两项研究为例对此作了阐述,这两项研究就把此类数据用于了解家长为其孩子寻求临床治疗的偏好。
  • Eeshani Kandpal 介绍了针对医护人员的绩效薪酬合同如何对其服务质量产生影响。一项随机评价的结果表明,经济奖励和惩罚对于提升医护人员承担重要任务的意愿起到了类似效果,而只提供信息的做法所起到的效果微乎其微。
  • Guadalupe Bedoya(世界银行)介绍了用于评估各行业及在各种情况下执行感染防控规范的情况的一种新工具。评估结果表明,供应制约因素和行为都会限制此类规范的执行。对于对评估和改善执行情况感兴趣的政策制定者,该工具将有所助益。 (视频)
  • Berk Ozler 分享了新技术平台(如其团队开发的一款计划生育应用程序)在改善医护人员服务方面的潜力。该款应用程序有助于服务提供者就共同决策过程安排结构式访谈。在几乎所有质量和接受度指标上,共同决策方式比现行决策方式都更为有效。
  • 数据与心理健康

    在本次研讨会的最后一场会议上,我们讨论了就旨在改善脆弱人群、母亲及其孩子心理健康状况的干预措施开展的一项最新研究( 视频 )。

  • Helen Pitchik(加州大学伯克利分校)介绍说,表示经历粮食不安全和遭受经济损失的孟加拉国护理人员比受新冠疫情影响较轻的护理人员呈现出更多的抑郁症状,这凸显了向成百上千万受到封锁措施影响的母亲和儿童提供金融服务和心理健康服务的重要性。
  • Victoria Baranov (墨尔本大学)带领的团队通过收集头发样本用以识别慢性应激反应的生物标志,对一项心理疗法干预措施对产妇产后抑郁和应激的影响及对幼儿的影响进行了评估。评估结果表明,该项措施缓解了产妇的抑郁情绪,对幼儿的语言发育起到了积极作用。
  • Abu Siddique (慕尼黑大学施特劳宾校区)介绍了一项研究的结果。该研究分析了针对罗兴亚人难民母亲采取的心理教育干预措施对儿童社交情感技能产生的影响。研究人员发现,干预措施使得母亲在大部分指标上都有显著改善,对儿童也产生了一定正面影响,特别是在沟通、大肌肉群动作以及问题解决三项技能方面。
  • Please enter a valid email address. Please agree with the terms of the privacy notice.

    Thank you for choosing to be part of the 数据博客 community!

    Your subscription is now active. The latest blog posts and blog-related announcements will be delivered directly to your email inbox. You may unsubscribe at any time.

    9a18bfc2f56d6ee259ce8acce131f423 https://webapi.worldbank.org/comments/api/comment/post https://webapi.worldbank.org/comments/api/comment https://webapi.worldbank.org/comments/api/comment/count 5e099dfc192f44329e4643cfcb86579f opendata 1367c2d70933e12bc133066f7e2ef5ed