Marsh&McLennan Advantage In188bet如何安装sights标志
来自全球商业边缘的对话和见解188bet如何安装
菜单 搜索
技术

投资于更好的数字技术以抗击流行病的7种方法

COVID-19大流行对公共决策者如何应对健康危机提出了挑战。为了采取知情的行动,决策者需要准确及时的信息。相关信息可能是:每天和地区确诊多少例COVID-19病例?危重病床的利用率如何?人们如何应对旨在疏远社会的政策措施?

当前流行病的众多例子表明,各国政府在管理卫生危机的数字工具上投入的资源太少。许多发达国家,如德国、瑞士和美国,仍然依赖“纸笔”用于数据报告. 这包括混血儿传真、邮寄和电子邮件. 因此,大约报告病例的10%在疫情最严重的时候失踪了. 在一些情况下,手写无法破译,或计数是通过称量一堆打印的传真来完成的。此外,人工处理导致报告延迟,特别是在节假日和周末之后,案件编号只能延迟几天才能提供。

其他国家从过去的流行病和疾病中吸取了教训建立疾病监测中心使用最先进的数字技术。以新加坡为例一个例子:该国已经推出了移动应用程序,以在感染者出现在其附近时提醒个人。除此之外,来自这些应用程序的数据直接集成到监控工具中,从而立即提供给公共决策者。

公共决策者需要投资于更好的数字技术

通过投资于更好的数字技术,公共决策者可以确保准确、实时的信息变得可用. 最终,这将有助于更有效地管理当前以及未来的流行病和流行病。

七个步骤应放在他们议程的首位:

  1. 把数字技术作为重中之重。当前的流行病已经证明了数字技术的价值。为了更好地管理未来的流行病和流行病,各国政府应建立足够的专门知识和资源来开发、扩大和部署数字技术。
  2. 捕捉完整的数据旅程。在综合数字解决方案的支持下,需要一种全面的数据收集和评估方法。例如用于数据收集的基于web的接口和api(应用程序编程接口),它们实时从医院和测试站点获取数据。这可以克服手动报告造成的严重时间延迟。最终,这将捕获所有相关数据,包括已进行和确认的检测、基因组测序、新的住院治疗和重症监护资源的信息。为了评估数据,公开可用的仪表板已成为最佳实践. 应通过影响评估和预测的标准化数据格式,进一步提供这些数据用于研究。
  3. 采取精益方法。在流行病期间,公共领导人面临着两个相互竞争的双重挑战:管理危机,同时扩展数字技术。重要的是,解决其中一个问题不应以牺牲另一个为代价,因为它们是互补的。同时解决这两个问题至关重要。例如,数字技术减少了与“纸笔”数据收集相关的工作量。为了在时间和资源匮乏的情况下制定端到端的解决方案,各国政府应采取精益方法。因此,公共决策者从一个最小的工作产品开始,然后逐渐增加新的功能,以快速改进当前的实践。在这里,开源软件特别有价值,因为它可以加快开发时间.
  4. 拥抱隐私。使用数字工具进行疾病监测可能会侵犯隐私,而且往往被视为一种风险。然而,我们的观点恰恰相反:目前的做法是,通过电话或传真手动交换敏感的个人数据,默认情况下是未加密的。任何针对数字解决方案的努力都为整合安全机制(如加密或差异隐私)提供了机会,并加强了个人隐私。
  5. 集成新的数据源。利用数字技术收集数据为整合新的数据源提供了可能性。最近的研究已经证明了电信数据的好处在评估社会疏远政策和COVID-19的未来传播预测. 在遵守法律框架的同时,各国政府应努力充分利用数字技术的潜力,考虑所有可供知情决策使用的数据来源。

  1. 评估有效性。数字技术大大提高了评估针对社会距离的政策有效性的能力。这允许进行影响评估并促进基于证据的行动。例如,据估计,数字合同追踪应用程序已经避免了这种情况英国50万例COVID-19病例. 通过评估政策和宣传其有效性,政府获得了公众的信任。
  2. 马上行动。尽管许多国家的案例数量正在趋于平稳,但这不应被视为推迟数字技术投资的迹象。相反,许多国家面临COVID-19的新突变,需要扩大监测范围。同样,仪表盘也有助于公共决策者评估疫苗如何分发并告知哪些地方需要更多的疫苗接种资源。最后,需要更好的数字技术为未来的流行病和流行病做准备。

COVID-19大流行揭示了数字技术对以前所未有的方式管理健康危机的重要性。各国政府现在应该重温过去的教训,采取战略行动。特别是,政府需要投资于更好的数字技术,为未来的健康危机做好准备。

这篇文章最初发表在世界经济论坛.

斯特凡·费耶雷格尔

苏黎世ETH管理信息系统主席 @斯特弗耶雷格尔

Stefan Feuerriegel加入了苏黎世ETH作为管理信息系统的终身助理教授。他的团队的一个关键研究领域是管理的人工智能(AI)。

    乔尔佩尔森

    苏黎世ETH管理信息系统主席

    Joel是管理信息系统的科学助理和博士生,苏黎世ETH. 博士期间,他将从事市场营销和医疗保健领域的政策评估和数据驱动决策研究。为此,他利用大规模的观察数据,发展了因果推理、统计和机器学习方法,以指导和改进这些领域的管理实践。

      在瞬息万变的世界中取得成功。注册我们的每日通讯。 订阅