For poeple doing vaccination works, their world wareness day is not a single day - it’s a week, spanning from 24th to 30th April each year. This year, WHO celebrate 50 years of the “Expanded Programme on Immunization (EPI)”. In LSHTM’s Vaccine Centre (VaC), our world immunisation week (WIW) topic this year is “responding to outbreaks”. We want to highlight the collective action needed to protect people from outbreaks and vaccine-preventable diseases.

This group project is a collective effort, with contributions from my teammates Minn Thit Aung, Polly Nightingale, Simon Kent, and Xavier Dunn, listed alphabetically. This post aims to: Determine the the basic reproduction number (R0) of an hypothetical outbreak Assess the impact of various strategies for vaccination and school closures on accumulative cases and peak cases/timing Provide instructions for constructing a SEIR model using Berkeley Madonna Offer simple R code for converting a ggplot into a GIF Setting the Scene Many countries have recently experienced the first wave of an influenza pandemic caused by the strain HuNz.

How do you apply time-to-event analysis to compare the impact of different prescriptions on death? This article examines the survival function of two prescriptions using Kaplan-Meier and Cox models in an electronic health records (EHR) setting. EHR data are powerful real-world data. They are conducive to time-to-event analysis owing to the characteristic of sequential visits to primary and secondary care services. Take UK’s OpenSAFELY for instance, this secure, transparent, and open-source platform provides an Trusted Research Environment (TRE) for National Health Service (NHS) EHR data analysis, which supported urgent research into the COVID-19 emergency.

In this article, we will explore the following topics: Using regularized method (Lasso) for predictive variable selection Tuning hyperparameters for tree-based methods Employing the weighted sum of weak learners for boosted classifier Comparing prediction performances and predictors importance Basic Methods Inmagine you possess a dataset comprising 30 biomarker varaibles with 5000+. How would you use it to predict patient’s remission status, i.e. remission or active disease? One common approach that may cross your mind is the logistic regression, as illustrated below:

What can you learn from this article? Understand the concepts of data linkage, especially deterministic linakge. Address linkage error in the conjunction of MIMIC III (served in a postgreSQL database) and ODK database. Employ R to design the Extract, Transform, and Load (ETL) pipeline. Use Quarto document to generate a report in PDF format. Concepts of Data Linkage In a data scientist’s typical day, the merge/join function is an inevitable task.

What can you learn from this article? An experimental cohort study design for policy evaluation, where countries made the move from a two-dose to single-dose schedule for national HPV vaccination programmes since 2023. Introduction Since the first licensing of the Human Papillomavirus (HPV) vaccine in 2006, evidence has been emerging showing that single-dose schedules provide comparable efficacy to the conditional regimens, i.e. two or three doses. In 2022, a review of World Health Organization (WHO) Strategic Advisory Group of Experts on Immunization (SAGE) concluded that a single-dose HPV vaccine delivers solid protection against HPV.

This article delivers two key insights: Advantages of applying UK GDPR in research planning. Five approaches to safeguard data protection in lung cancer patient interviews. Setting th Scene The need of assessing the Quality of Life (QoL) in patients with lung cancer undergoing chemotherapy has been increasing. After treatment, patients may experience breathlessness or fatigue, along with potential challenges in their daily and occupational functioning. These side effects of chemotherapy consistently rank as a common complaint among patients.

This year, London home rental prices hit record as demand outstriped supply, with the average tenant now being asked to pay a whopping £2,500 a month for a new let. Within this rental market, individuals seeking short-term accommodations encounter greater challenges. My roommates and I was looking for a house/flat for co-renting with a 6-month tenancy, and we put in a significant effort throughout the entire month of August by searching and making inquiries about over 170 properties before finally settling down.

你知道，台灣是全球受境外假訊息侵擾最嚴重的國家，而且已經蟬聯榜首10年嗎？ 本文選台灣的生化實驗室為例，揭露一個境外資訊操弄與干預的手法。 謠言的前世 從2020年COVID-19疫情以來，在當時的Twitter(現稱X)渠道上，就流傳一個謠言是，美國在全世界設的生化實驗室被陸續曝光，包含台灣的10座實驗室詳細名稱、地址、聯絡資訊等。 但這訊息已有Cofacts真的假的和MyGoPen闢謠，指出「美國在台設實驗室做生化武器或研究大規模流行病」屬於陰謀論，企圖煽動與分化。 台灣這則謠言的前身，是來自俄烏戰爭的假訊息。 俄國曾指控美國在烏克蘭開設生化實驗室，俄烏戰爭開打後，還緊急銷毀致命的病原體。但實情是，美國在戰前就推動在烏克蘭的公衛及生物威脅減少計畫，並非研發生物武器，且銷毀只是避免實驗樣本落入俄軍手中。 可見這次的陰謀論版圖擴大，把俄烏戰爭的謠言巨網張到台灣的上空。 謠言的今生 今年7月，聯合報獨家報導美方要台灣開設P4實驗室研發生物戰劑。前立委雷倩亦在中天新聞的節目上表示，因為台灣人可以代表全中國人的DNA，所以美方在此研發生物戰劑是危險的。 縱使國防部、國安局、外交部、美國在台協會立刻聲明此傳聞非事實，台灣曾簽署「禁止發展、製造、儲存、取得或保有生物及毒素武器並避免其可能引發之毀滅公約」，故不研發生物戰劑，且台北地檢署後續於9月5日認定所謂「南海工作會議紀錄」實屬造假，包括使用了許多中國式用語等。但雷倩的疑美片段被轉傳再製，最再加上微博大V玉渊谭天(實為中國央廣旗下的自媒體品牌)的推波助瀾，讓聲量達微博的135萬影片觀看人次： 「真正被犧牲的到底是誰？」 ── 玉渊谭天《独家披露台湾生物实验室分布》(2022/8/16) 玉渊谭天不但暗指台灣人民就是美國與台灣政府勾連下最大的犧牲者(因為台灣P2等級以上實驗室多在人口稠密區儲藏病毒)，還對中國人民恫嚇台灣病毒的威脅(台灣實驗室多位於靠近中國的西半部)，還附上繪聲繪影的證據(國防部預醫所增加的預算是為了建P4實驗室，以及預醫所疑似動土前後的空照圖)。陰謀論、疑美論、與誇張描述的手法可見一斑。 在Facebook的繁體字社群，也發現一些異常操作。周曉彤轉貼來自Tiktok的短影片，爆料美國要在台灣建造P4實驗室，但其帳號本身可疑，因其大頭貼顯為盜用；其發文還被李倩(帳號同樣不真)分享到15個反綠陣營社團，內容完全複製相同，顯非一般自然人的行為模式(Pattern of Behavior)。 根據上述資料，可以看出境外資訊操弄與干預(FIMI, Foreign Information Manipulation Interference)的痕跡，其中串聯了議題、行動者、動機(利益)、以及行動四大要素。雖然微博大V還透過標籤劫持(Hashtag Hijacking)來吸引注意，但這事件在台灣主流社群平台上聲量相對不高(至多在中天新聞上傳於Youtube的節目片段有5萬人次觀看)，討論度熱度也不持久。 有趣的是，今年8月美國疾病管制單位在加州破獲一間非法生物實驗室，其中有實驗老鼠、化學藥品及帶有傳染源的生物材料。這起非法實驗室疑與中國有關，引爆美國的國安危機，同時亦可做為「台灣生化實驗室」謠言的真實對造組。 結語 透過SCOTCH框架調查發現，兩岸媒體以及非國家行動者使用Youtube、Facebook、X(Twitter)、微博、Tiktok等社群平台，引用台媒的獨家報導及台灣的實驗室相關圖資，通過標籤劫持來吸引注意，以及在有共同理念(Shared-Interest)的Facebook社團中複製貼上分享貼文。 試圖在中國群眾及台灣反對民進黨的群眾中，植入美方籲台建造P4實驗室研發生物戰劑的謠言，這謠言帶有部分真實性，但滲入不實資訊或過度解讀，以植入民進黨政府犧牲民眾安全的疑美論，不但破壞台灣民眾對國家生物安全政策的信任，也令中國群眾感受到來自台灣的生化威脅。 本文使用的工具及分析方法感謝台灣民主實驗室的課程。 本文同步發表於Medium。

1. 全球總人口當中，有3.5%的人是移工。但在COVID-19(下稱新冠肺炎)確診數最高的20國當中，移工佔其總人口數至少4.5%，這些移工在疫情當中相對地面臨更高的感染風險以及生存考驗。 早於疫情之前，移工容易成為社會中的弱勢族群。但疫情使得這群人更為脆弱，原因包含邊境的封鎖、產業緊縮導致的失業或勞動條件劣化、集體式(易群聚感染)的住所、對健康資訊的語言識讀障礙、身分變動造成在社會安全網邊緣化或排除、還有對外來者的歧視等等。 我們可以從跨境匯款的消長來想像移工經濟影響的程度。根據世界銀行在去年四月的推估，2020年匯往中低收入國家的款項估計較原先預估金額大減20%，雖然在後來10月的報告中有對此比例下調為11%，但這幅度還是相當驚人，代表許多移工出外打拼，卻可能因為疫情失業，賺不夠錢寄回老家供養。但有些不尋常的金流，例如尼泊爾在下半年度收到較往年更多的匯款，推測與當地疫情更趨嚴重，海外家人加強金援有關。 受影響的還有國際照顧鍊的末端──已開發國家的勞動力需求。日本目前因全面鎖國，營造業與服務業的人力短缺立刻浮現；韓國的農工等也面臨短缺，尤其像季節性移工完全無法入境，反倒讓現有的農工日薪漲了兩三成。 於是報導常用stranded一詞，來形容在疫情中大規模擱淺的移工，不論是在人身自由、收入、或思鄉的心情上。 2. 但在臺灣──一個好一段時間被新冠病毒遺忘的島嶼，這詞蘊含的景況全然不同。 指揮中心表示，案〇〇〇為印尼籍20多歲男性，今(2020)年〇〇月〇〇日來臺工作(〇〇〇〇)，持有登機前3日內核酸檢驗陰性報告，入境後至防疫旅館進行居家檢疫，迄今無症狀；〇〇月〇日檢疫期滿後，搭乘專車至其他處所自主健康管理，〇〇月〇〇日由公司安排自費採檢，於今日確診(Ct值〇〇)。衛生單位已匡列個案接觸者共〇人，因有適當防護，列為自主健康管理。 這是我一個疫調到半夜的個案，最後在新聞稿上呈現的段落。不為人知的是，那些列為自主健康管理的接觸者，與個案同一時期入境，一起搭車採檢，跟個案也語言不通，很快就被外商公司遣送回國了。當時我連忙跟仲介解釋，他們有著入境陰性+14天檢疫+7天自主自康管理+口罩+自費陰性的金牌，我們防疫並沒有需要做到這個地步，有其他例如再次自費的辦法來解決…。「公司很謹慎」，仲介只能無奈地回應。 相較於接觸者是不被停留的人，這位印尼男孩則是徹底地被滯留了。受過大學教育的他，來臺灣工作是他出社會後第一份合約，檢疫/管理約20天後，再接一個月的住院隔離，中途歷經一度陰性卻陽轉的絕望。最終指揮官核定解隔後，他表示想回家(公司也不願用他)，但過了數週仍登不上飛機，因為搭機需要的核酸陰性報告，他出院驗了兩次還是生不出來(輕症者可能痊癒後數個月仍驗得出病毒核酸)。 他因為邊境管制政策沒有隨新知調整，就這樣被持續被軟禁在旅館，此刻還在等待我們與印尼官方的協商結果。另一個協調成功的案例是，一位確診移工二採陰出院後，需要做外籍移工入境健檢，卻被多家醫院拒絕，最後有賴我老闆出面才有醫院願意幫她做健檢。 對於仲介而言，移工縱使有搭機前陰性報告，還是與危險劃上等號，檢疫完還得公費/自費採檢才能放心；再次採檢的移工就是金雞母，仲介會追問我們報告結果，才能趕快交工抽成；但一旦陽性，移工就成了掃把星，仲介會被追殺做疫調(因為語言不通需仰賴翻譯老師)，好一點仲介的會在寒流時關心同鄉移工穿得夠不夠暖，差一點的仲介就不聞不問，或拒絕移工在住院期間想要的額外飲食花費，甚至有移工被仲介罵哭，說「妳為什麼要帶病毒來臺灣」。 「(確診)這樣誰敢用？」這常是仲介接到噩耗當下的第一反應。 從1992年頒布<就業服務法>，臺灣引進產業與社福類移工快滿30年，但因為活動領域顯有交集，70萬移工對許多本地人而言是隱形或(因為聽不懂)刺耳的存在。 是疫情讓潛在30年的歧視浮現與變質。從去年年底因印尼移工佔境外移入的大宗，指揮中心宣布全面暫停引進印尼籍移工，疫情新聞下方就總會有要移工滾回母國、別帶病毒來台、健保不該補助醫療費用等仇外留言。我們也常接到民眾陳情哪裡有居檢的移工亂跑，或某公眾場所有移工群聚，或說移工對社區的老人小孩很危險云云。 另一方面，疫情也讓移工的脆弱性有所反轉。因為許多航班停飛、減班、或漲價，聘僱期滿逾期居留的外籍移工無法遣送離境，導致收容中心被擠爆，再加上收容替代措施，非法移工便可以暫時合法地打黑工，黑市薪資水漲船高。而國際照顧鍊的斷層，讓有長照需求的家庭有錢也找無工，引發其他社會問題。 3. 在傳統傳染病領域，藍領移工本就是政府嚴加監控的對象。像我們部門需花多達三分之一的人力，以高額罰鍰輔導仲介記得多次的移工定期健檢，來篩檢出寄生蟲、結核病等境外移入傳染病；現因應新冠肺炎疫情，疾管署有製作多國語言素材的防疫宣導品，還與勞動部啟動泰、越籍移工檢疫期滿篩檢等加強措施。 但這樣就足夠了嗎？私認為一旦桃園守不住，社區開始流行，兩類移工可能成為傳播加速器：一是住團體宿舍的產業類移工，二是無合法身分的移工。 新加坡就是第一類移工成為疫情破口的借鑑。去年4月爆發的大規模移工宿舍群聚感染，就是因為宿舍環境長期壅擠不人性化所導致；他們最終在去年12月以核酸與血清檢測大量篩檢發現，移工族群的新冠肺炎盛行率高達47%(相當於1萬5千人確診)，對比一般市民僅4千多的確診數，可為懸殊。但危機也可以是轉機，新加坡也因為疫情開始重視外籍移工的居住空間，調整使宿舍房間大小與密度符合國際勞動組織的規範。 第二類移工曾在去年疫病濫觴時成為焦點。一位非法的移工看護在醫院染疫，引發相關部門加強查緝的動作，但最後指揮官因防疫量能的考量，反對掃蕩非法看護而作罷。 上周才剛接到一通雇主說剛檢疫完的移工逃跑的電話，問這樣會不會造成防疫漏洞？我只能說我不知道。但我們更應該關心的是移工為什麼會逃跑的結構問題，這顯現我們修訂諸多勞動政策──取消移工三年出國一日、零付費改革、直聘等，仍無法根除仲介體制的剝削。唯有透過讓非法移工(無論是逃跑或聘期滿回不去)取得合法身分，才能促使移工重新被管理，願意通報與檢疫。 你願不願意告訴我你生體不舒服，且不顧慮坦白之後的後果呢？ 一個防疫體制的成功與否，就在於它對其所有成員的可信賴性。病毒宿主並不分種族膚色，因此這信賴網絡文化的維護，不僅是勞動單位、仲介、雇主他們的事，這也是我們的事。 本文亦同步發表於Medium