NASA Space Yi-Song === ###### tags: 太空黑客松 [TOC] ::: info **討論區** >專門做打完疫苗的人的被感染率分析? [name=Eddy][time=Fri, Oct 1, 2021 9:17 AM][color=#4ac9a1] ::: ## Survey Reminder: Take the Space Apps Participant Survey + Info About Global Nominees! Dear Space Apps Community, Are you still hyped up from your Space Apps Challenge experience? We hope so! Exciting announcements are just around the corner - so stay pumped! (Hint: Keep an eye out for the announcement of all the Global Nominees next week.) As a reminder - you have just a few days remaining to submit your response to the Space Apps 2021 Participant Survey. The Space Apps Global Organizing (GO) Team wants you to share your experience. YOUR voice matters! All responses will be carefully reviewed and considered to ensure Space Apps gets even better in future years! Complete the Space Apps 2021 Participant Survey in 10 minutes or less here: https://spaceapps2021registrantsurvey.paperform.co/ Responses close on October 20! So don’t wait! Share your Space Apps experience today. Make it count! Space Apps Global Organizing Team (GO Team) ## 完成項目 - [ ] 網站前端 - [ ] Welcome - [ ] L1 - [x] L2 - [x] L3 - [ ] 副作用 - [ ] 美化 - [x] AWS架設與部屬 - [ ] 後端 - [ ] L1 - [x] L2 - [x] L3 - [ ] 開源資料蒐集(參考[中和抗體資料補完計畫](#中和抗體資料補完計畫)) - [ ] 爬蟲 - [ ] 台灣鄉鎮資料 - [ ] 各國資料 - [ ] 演算法 - [x] 光訊號 to GMT - [x] GMT to 保護力 - [ ] 保護力衰減計算 - [ ] Booster提升率計算 - [ ] 保護力與地區風險生成總感染風險 - [ ] 呈現 - [ ] Prezi - [ ] 專案概念圖 - [ ] 投影片細節 - [ ] 影片 - [ ] 配音 - [ ] Demo - [ ] 字幕 - [ ] HackMD - [ ] Github ## 賽前準備 1. 前端開發環境(ASP.net core) 2. [資料庫擷取]() 3. Server AWS 4. 錄影環境剪片環境 5. 影片範例Review 6. 時程[Review](https://g0v.hackmd.io/@jothon/rJJ7V3lbt) 7. [開幕式PPT](https://docs.google.com/presentation/d/1vucvCbJRrqc8tpPFLUCqcBSGqc66Nztti9l64rxkmos/edit#slide=id.p) ## Covid-19線上資源 1. [NASA資料與應用中心](https://sedac.ciesin.columbia.edu/data/sets/browse) + [Covid-19](https://sedac.ciesin.columbia.edu/mapping/popest/covid-19/) 1.全球人口各區塊人口數、人口密度、年齡比例、性別、城市化、土地面積、 2.選取任一想要的經緯度與半徑，可得到以上資料 3. https://tech.swcb.gov.tw/Results/GEE 4. https://sedac.ciesin.columbia.edu/mapping/popest/covid-19/ 5. [g0V上與Covid-19相關的專案](https://g0v.hackmd.io/?nav=search&q=covid) ## 想法 1. 地方沉澱計畫:自動迴避高風險的生活方式 根據數據讓人避開高風險的地方 規劃更安全的路徑 + 演算法: 染疫情風險最低的路徑，算出適合的旅遊規劃 2. 根據個人及群體的疫苗中和抗體 計算客製化的Risk數據 --- ## 主旨 我們打算基於團隊在生物感測器與資訊技術的研究背景，將個人身體資料加入染疫風險的評估，並提供多種的個體保護力計算方案。 使用者可透過以下方式得到個體保護力數據： 1. 在使用者介面中輸入年齡、生理性別、施打疫苗類別與劑數及接種日期等資訊。 2. 輸入已知中和抗體數值。 3. 透過行動裝置拍攝中和抗體試片，並藉由本團隊開發之影像演算法和中和抗體資料庫計算出中和抗體值。 接著，藉由世界衛生組織以及各地方政府提供之該地區疫情資料庫，透過演算法得知該個體保護力數據和各地區的對應風險指標，進而提供使用者在旅程風險評估規劃上的參考資訊。 為強化本專案之功能廣泛性及前瞻性，除了提供一般使用者做風險管理評估之外，亦可與國家相關單位合作進行地區風險管理評估、制定相關場域活動限制…等，或是在未來強化部分功能來因應市場需求如：醫療、生醫、金融保險…等產業進行合作，共同建構人類福祉。 資料沒有被整合過 強化 設計了甚麼 --- ## 資料庫來源 + 官方提供的數據來源 [約翰霍普金斯大學 GitHub 提供的數據](https://github.com/CSSEGISandData/COVID-19) + 政府開放資訊平台 [地區年齡性別統計表-嚴重特殊傳染性肺炎](https://data.gov.tw/dataset/118039) [COVID-19台灣最新病例、檢驗統計](https://data.gov.tw/dataset/120450) 資料集採用各國語言通用之統一碼UTF-8編碼格式，若使用Microsoft Excel軟體直接開啟CSV檔案，可能發生中文無法正確顯示之問題。建議您依以下方式讀取檔案，或可參考連結[https://data.gov.tw/faqs/18765](https://data.gov.tw/faqs/18765)之說明。 + Our World in Data [疫苗接種統計](https://github.com/owid/covid-19-data/tree/master/public/data) + Moderna 官網 https://modernacovid19global.com/zh-Hant-TW + BNT 官網 https://biontech.de BNT data https://cdn.who.int/media/docs/default-source/blue-print/developer_pfizer_phil-dormitzer.pdf?sfvrsn=74b107d3_9 Moderna data https://cdn.who.int/media/docs/default-source/blue-print/who-vax-research-forum-13-aug-2021-hyer-moderna.pdf?sfvrsn=6144ceb8_9 Novamax data https://cdn.who.int/media/docs/default-source/blue-print/novavax_who-booster-update-13-aug-2021.pdf?sfvrsn=ef7c1d34_9 J&J https://www.nejm.org/doi/full/10.1056/NEJMoa2101544 + 台灣各縣市疫情資料 https://covid-19.nchc.org.tw/city_confirmed.php + [鄉鎮](https://od.cdc.gov.tw/eic/Age_County_Gender_19Cov.json) + 全球covid-19疫情即時統計 https://www.worldometers.info/coronavirus/ + https://www.sciencedirect.com/science/article/pii/S2211124720308998 + 世界隔離: https://covid19.who.int/measures + GMT vs Efficacy Assay + https://www.nature.com/articles/s41591-021-01377-8 ## 中和抗體資料補完計畫 「中和抗體之幾何平均效價」是指疫苗打進人體後產生的各種抗體中，真正具有降低病毒感染率的抗體。 在台灣食藥署公布的數據稱，在高端疫苗組與AZ疫苗組原型株活病毒比較後，高端中和抗體幾何平均效價比值的95%信賴區間下限為3.4倍，大於標凖要求0.67倍，因此通過高端EUA。  抗體陽性：以溶斑數目減少 70%為中和抗體陽性之判斷標準。若 10 倍稀 釋之血清不呈陽性則當作陰性，效價記為 1。 抗體幾何平均效價（Geometric mean titer, GMT）：將血清呈陽性反應之 最高稀釋倍數視為該樣品之抗體效價（10× ~ 20480×），個別樣品的抗體效 價先取對數值，進行平均後再取指數即為幾何平均效價。 不同公司的kit對不同公司疫苗效果不一。 ### 個人風險評估 中和抗體幾何平均效價(GMT)-疫苗保護力(Efficacy)之轉換目前依據本篇[Nature論文](https://www.nature.com/articles/s41591-021-01377-8#Equ3) 若存在(GMT)資料即可透過轉換視為Efficacy，因此下表不特意列出GMT相關數據。 | 資料 | Moderna | AstraZ | BioNT | Novavac | CoronaVac | Sputnik | J&J | | -------------------- | ------- | ----- | ----- | ------- | --------- | --- | --- | | 疫苗保護力(Efficacy) -時間 | Text | Text | | | Text | | | | 第一劑-時間 (Dose) | Text | Text | | | Text | | | | 第二劑-時間 | Text | Text | | | Text | | | | 第三劑-時間 | Text | Text | | | Text | | | | 疫苗保護力-變異株(Varients) | Text | | | Text | | | | 疫苗保護力-年齡性別影響| Text | Text | | | Text | | | | 疫苗保護力-年齡層 | Text | Text | | | Text | | | ### 地區風險評估 [台灣各縣市人口地政]([台灣人口資料比例](https://www.ris.gov.tw/app/portal/346)) | 資料 | [世界各國](https://www.worldometers.info/coronavirus/) | [台灣鄉鎮](https://covid-19.nchc.org.tw/city_confirmed.php) (https://od.cdc.gov.tw/eic/Age_County_Gender_19Cov.json) | | ------------------- | ------------------------------------------------ | ------------------------------------------------------- | | 當周新增(本土)/人口比例 | Text | Text | | *當月新增(本土)* | Text | Text | | *當日新增(本土)* | Text | Text | | 政府警告 | Text | Text | | 封鎖/隔離強度 | WHO | X | ### 疫苗副作用導向 ::: info If time<5 and Dose<=1 則根據年齡和性別跳轉至副作用頁面 ::: 老(>55) 狀(18-55) 少(<18) | 資料 | Moderna | AstraZ | BioNT | Novavac | CoronaVac | Sputnik | J&J | | ---- | ------- | ------ | ----- | ------- | --------- | ------- | --- | | 老男 | | | | | | | | | 老女 | | | | | | | | | 壯男 | | | | | | | | | 壯女 | | | | | | | | | 少男 | | | | | | | | | 少女 | | | | | | | | ### *場所風險評估(籌備中)* 結合地圖  ## 軟體 ### 輸入資料: #### Level 1 1. 年齡 + [疫苗免疫血清樣本對 SARS-CoV-2 和 P.1 變體的年齡依賴性中和](https://jamanetwork.com/journals/jama/fullarticle/2782428) 2. 生理性別 3. 幾劑 4. 疫苗廠牌 5. 接種日期- ---- 6. 接種時間 7. 所在城市 #### Level 2 1. 已知中和抗體數值 #### Level 3 1. 手機拍攝中和抗體試紙定量(照片) 2. 輸入中和抗體kit公司 ### 前端 https://chloe-thhsu.medium.com/%E5%A6%82%E4%BD%95%E5%9C%A8-flutter-%E4%B8%AD%E4%BD%BF%E7%94%A8-webview-%E5%B0%8F%E5%A5%B3-android-%E5%B7%A5%E7%A8%8B%E5%B8%AB%E5%AF%A6%E9%A9%97%E7%AD%86%E8%A8%98-75969b36abba ## 功能需求 [原文]() 1. ## 保護力 ### 抑制百分比 ### SRBD蛋白 ### 中和抗體->保護力 1. 0~30 log x_max = 0.313829275053837 + a= 88.20654544 + b=-331.34874918 + c=1636.20965312 2. 31~50 log log x_max = 0.744216496834835 + a=84.82325081 + b=-149.59361144 + c=783.64198275 3. 51~70 sigmoid x_max =2.36322823758829 + L= 3.22451678e+05 + x0=-7.54057041e+00 + k= 1.19762785e+00 + b= -3.22356833e+05 4. 70~100 sigmoid + L=2.79587140e+05 + x0=-2.40531155e+01 + k=4.08057039e-01 + b=-2.79488387e+05 + [ 2.79587140e+05 -2.40531155e+01 4.08057039e-01 -2.79488387e+05] ## 演算法 1. 抗體 2. 生物傳感器(Biosensor) 3. 數位影像(Digital Image) 4. 中和抗體數值(抑制百分比、SRBD蛋白) 5. 保護力 1. 疫苗 -> 中和抗體 2. 中和抗體 -> 保護力 ## 合作夥伴獎 **MediaTek Better Future Award：** 聯發科技教育基金會將從大會總提案中選擇四件具**前瞻性**、**技術力**及**應用潛力**的作品，授予3萬元獎金（共2名）及2萬元獎金（共2名），合計頒出10萬元獎金，鼓勵NASA黑客松參賽者為建構地球更好的未來而努力。 > 其他的跟我們沒關係 [name=李宜運] *** 專案簡述 *** 在這個疫苗日漸普及的後疫情時代， 你/妳真的確定你/妳打的疫苗有效嗎? 你/妳真以為打完疫苗就可以到處暢行無阻? 「CN I GO?」「中文:窩可以去ㄇ?」是一款結合即時公開疫情資訊、國內外最新疫苗研究數據和尖端生醫光學研究成果的「個人染疫風險評估APP」開源專案。除了讓每個人都能得到專屬個人的風險評估外，還可以解決疫情期間的焦慮感喔! 在這個疫苗日漸普及的後疫情時代， 你/妳真的確定你/妳打的疫苗有效嗎? 你/妳真以為打完疫苗就可以到處暢行無阻? 「CN I GO?」「中文:窩可以去ㄇ?」是一款結合即時公開疫情資訊、國內外最新疫苗研究數據和尖端生醫光學研究成果的「個人染疫風險評估APP」，解決每個人的疫情焦慮。 我們打算基於團隊在生物感測器的研究背景，將個人身體資料加入染疫風險的評估計算，並提供多種的個體保護力計算方案。 使用者可透過以下方式得到個體保護力數據： 1. 在使用者介面中輸入年齡、生理性別、施打疫苗類別與劑數及接種日期等資訊。 2. 輸入已知中和抗體數值。 3. 透過行動裝置拍攝中和抗體試片，並藉由本團隊開發之影像演算法和中和抗體資料庫計算出中和抗體值… 接著，藉由世界衛生組織以及各地方政府提供之該地區疫情資料庫，透過演算法得知該個體保護力數據和各地區的對應風險指標，進而提供使用者在旅程風險評估規劃上的參考資訊。 為強化本專案之功能廣泛性及前瞻性，除了提供一般使用者做風險管理評估之外，亦可與國家相關單位合作進行地區風險管理評估、制定相關場域活動限制…等，或是在未來強化部分功能來因應市場需求如：醫療、生醫、金融保險…等產業進行合作，共同建構人類福祉。 //----------------------------// 本專案為因應2019年爆發之嚴重特殊傳染性肺炎疫情「新冠肺炎, Covid-19」在疫苗逐漸普及之後新冠肺炎時期個人染疫風險評估應用方案。 為達成本專案之風險管理規劃構想，本團隊結合了影像演算法開發、前端架構開發、資料庫擷取、生醫資訊統計並加以垂直整合出「個人染疫風險評估app」。 本專案的使用者可透過以下方式得到個體保護力數據：1. 在使用者介面中輸入年齡、生理性別、施打疫苗類別與劑數及接種日期等資訊。2. 輸入已知中和抗體數值。3. 透過行動裝置拍攝中和抗體試紙並藉由本團隊開發之影像演算法和中和抗體資料庫計算出中和抗體值…等上述方式推算出個體保護力數據。再藉由世界衛生組織以及各地方政府提供之該地區疫情資料庫，透過演算法得知該個體保護力數據和各地區的對應風險值，進而提供使用者在風險評估規劃上的參考資訊。 為強化本專案之功能廣泛性及前瞻性，除了提供一般使用者做風險管理評估之外，亦可與國家相關單位合作進行地區風險管理評估、制定相關場域活動限制…等，或是在未來強化部分功能來因應市場需求如：醫療、生醫、金融保險…等產業進行合作，共同建構人類福祉。 ## 其他組別成果呈現方式 + [2021 馬來西亞 5人小組 Topic: Covid-19: Caculate the Risk](https://2021.spaceappschallenge.org/challenges/statements/covid-19-calculate-the-risk/teams/5-teh-ais-tak-mau-teh/project) + ## 問題 + 影片 + 完整報告 NASA黑客陳宜松 Topic: Covid-19: Caculate the Risk Team members: Yi-Yun Li, Yu-Dai Su, Yi-Song Chen, Chia-Yu Ko, Eric Chu + QA ## 成果區 1. [NASA太空宜松網站](http://nasahackathon.ap-northeast-1.elasticbeanstalk.com/) ## 影片腳本 Hi, there! it's team nasa space yi-song. During the late Covid-19 pandemic, people are gradually looking to reinvigorate the economy and travel activities by vaccinating widely. However, can you guarantee your human safety and property even if you get the vaccine? And, are you sure you can go anywhere and do what you want? Use "Can I go" before you plan your new trip! //------------------------------------------- "Can I go" is a personal infection risk assessment APP run with AWS that combines real-time open-source epidemic information and the latest vaccine research reports, showing you how sneaky SARS-COV-2 is afraid of you. Well, sometimes the situation is just the opposite. Based on the team's research background in biosensors, we intend to merge personal body data to the evaluation and calculation of the risk of infection and calculate your rate of being infected in a specific region. //-------------------------------------------- In the web app we designed, users can enter information such as age, gender, type of vaccine administered and the number of doses, and date of vaccination. If you have a neutralizing antibody test strip, this App can even directly calculate the vaccine protection for the user. These parameters will be used to find the corresponding vaccine protection value in the vaccine efficacy database compiled by our team. However, the database is still not comprehensive yet. The main reason is the divergence of various vaccine companies' research and development progress, data transparency, and biological experiment design. The second reason is that the understanding of these data requires specific medical knowledge. Therefore, in addition to welcoming more co-editors from all over the world to collect scattered information in this project, we also quoted the credible papers for "RGB algorithm to GMT," "predict protection from neutralizing antibody value," "Protection decay rate for time and varients," "Protection promotion rate after using Booster" and other research results are used to develop algorithms to predict incomplete databases. //--------slide2------------- Then, the severity of the epidemic in the city you want to travel to is also added to the risk assessment of the journey. The access parameters include the 7-day new diagnosis rate, local epidemic variant, and warning from the UN or governments. This information has been properly collated by NASA and g0v Taiwan. //--------slide3------------- Finally, personal and location factors will be considered at the same time and converted into individualized risk conclusions as a good travel companion for users during the epidemic. Our GitHub is open for co-editors, and it's very welcome to solve an open vaccine information issue with us.