نقش علوم داده در مواجهه با همه گيري كرونا

The role of data science in encountering COVID-19 pandemic

همه‌گيري بيماري كرونا از كشور چين آغاز شده و به سرعت به تمام كشورهاي دنيا سرايت كرده است. در حال حاضر اين بيماري سلامت ميليون‌ها نفر و اقتصاد جهاني را نشانه رفته و اغلب دانشمندان و سياستمداران را براي يافتن راه حل‌هاي مناسب درماني و سياست‌گذاري هوشمند جهت كاهش اثرات مخرب اين همه گيري در كمترين زمان ممكن به تكاپو انداخته است. پيشرفت تكنولوژي باعث توليد ميزان گسترده­اي داده در حوزه‌هاي مختلف مرتبط با اين بيماري از جمله در سطوح سلولي (ژنوميكس، پروتئوميكس، ترنسكريپتوميكس) و اپيدميولوژي (تعداد افراد مبتلا، نحوه رفتار افراد در شرايط بحراني) شده است. تحليل اين داده‌ها مي‌تواند ما را در فهم بيماري، درمان و كنترل همه‌گيري آن هدايت كند. اين مقاله قصد دارد علاوه بر مرور كلي حوزه هاي متنوع نقش آفريني علوم داده در مورد اين همه گيري، به بررسي محتواي فركانسي داده هاي موجود از تعداد بيماران جديد در هر كشور بپردازد. مطالعه محتواي فركانسي نقش تاخيرهاي مهم را در همه گيري بيماري روشن مي‌كند. بر اساس مطالعات انجام شده در اين مقاله، به كمك محتواي فركانسي مي‌توان كشورهاي مختلف درگير با اين بيماري را به چهار دسته تقسيم كرد.

The COVID-19 pandemic started in China and quickly spread throughout the world. This pandemic has affected the health of millions of people, the global economy and has challenged the majority of scientists and politicians to find effective medical treatments and intelligent policies to reduce the side effects of this pandemic as soon as possible. Technological advancements have enabled us to collect tremendous amount of data in various related areas that includes; cellular level data (genomics, proteomics and transcriptomics) and epidemiological data (number of patients, the behaviors of people in critical situations). The analysis of these data sets could help us better understand and cure this disease and control its transmission. In this paper, we provide a comprehensive overview of various areas of data science and their role in encountering COVID-19. In addition, we process the new daily cases of this disease in frequency domain. Frequency domain helps us understand the effect of various important delays in this pandemic. Based on the frequency content of daily new cases of the COVID-19, in the countries that are affected the most, we could classify various countries into four major classes.