COVID-19 の研究と開発のためのパブリックデータレイク

AWS COVID-19 データレイクは、新型コロナウイルス (SARS-CoV-2) の感染と特徴に着目する、最新かつキュレーションされたデータセットの一元化されたリポジトリです。このデータレイクには、分析のために誰もがすぐに使用できる、一般閲覧が可能な事前処理およびキュレーションされたデータが含まれており、これらの多くが AWS Data Exchange から調達されています。

AWS クラウドでホストされるキュレーション済みのデータレイクには、ニューヨークタイムズから得た COVID-19 事例追跡データ、COVID 追跡プロジェクトから得た COVID-19 テストデータ、Definitive Healthcare から得た病院用ベッドの可用性、Delphi Research Group から得た健康調査データ、および Allen Institute for AI の COVID-19 および関連するコロナウイルスについての 45,000 件を超える記事から得た有用なデータセットが含まれています。データセットの新しいバージョンが公開され、他の信頼できるソースが利用可能になったら、データレイクを更新します。

組織や個人がこのデータを使用して COVID-19 との闘いに役立てることを願っています。たとえば、地方の保健当局はダッシュボードを構築して、病気の拡散を追跡しながら、病院用ベッドや人工呼吸器などの重要なリソースを効率的にデプロイできます。疫学者はこれを使用して、既存のモデルとデータセットを補完し、テストの可用性や人口規模と密度などのホットスポットと傾向についてより良い予測を生成できます。

このデータを機械が読み込める形式でサブスクライブしたり、パブリックデータレイクのデータセットを提供したりすることにご興味がある場合は、AWS Data Exchange ページにアクセスしてください。AWS Diagnostic Development Initiative (DDI) を介して診断研究プロジェクトの資金を申請することもできます。

このデータは、Amazon S3 で無料でホストされています。S3のデータをリクエストする際の通常料金は、パブリックデータレイクバケットでは無効になっているため、費用はかかりません。ただし、Amazon Athena など、データレイクの分析に使用するサービスには標準料金がかかります。

AWS COVID-19 データレイクからのデータを AWS アカウントで利用できるようにするには、次の Amazon CloudFormation テンプレートを使用してデータカタログにデータを入力します。AWS アカウントにサインインしている場合は、次のリンクでスタック作成フォームをほとんどご記入ください。(スタックを作成) を選択するだけで充分です。CloudFormation スタックの作成手順については、CloudFormation ドキュメントの入門ガイドを参照してください。このテンプレートは、データカタログに covid-19 データベースを作成し、パブリック AWS COVID-19 データレイクを指すテーブルを作成します。

AWS Glue データカタログでそのデータの定義をセットアップし、Amazon Athena でクエリする方法については、このブログ記事をお読みになって、ステップバイステップの指示通り実行してください。 データレイクについての質問がおありですか? aws-covid-19-data-lake@amazon.com にお問い合わせください。

次の表に、データレイクでホストされているデータの概要を示します。

このデータセットトラックは、米国州ごとのワクチン割り当てに関する情報を提供します。

このデータセットは、米国で確認された症例と死亡について州別と郡別に追跡します。

このデータセットは、COVID-19 の完了したテスト、保留中のテスト、ポジティブテストとネガティブテストの数を追跡します。

これは、COVID-19、SARS-CoV-2、および関連するコロナウイルスについての 45,000 件以上の研究記事 (33,000 件以上の全文) のコレクションです。Amazon Comprehend Medical から抽出した注釈を使用して、データの前処理と強化を行いました。Amazon Comprehend Medical の詳細については、こちらをクリックしてください。

Delphi の COVIDcast データセットは、CMU が実行する Facebook 健康調査、Google が運営する健康調査、Quidel Inc が提供するラボテスト結果、Google Health Trends がリリースした検索データ、全国的な医療制度によって提供される外来医の訪問診察など、さまざまなデータソースに基づいています。

UC バークレーの Yu グループは、個々の郡と病院の両方で COVID-19 流行の深刻度を予測するのに役立っています。

Allen Institute CORD-19 データセットから作成されたグラフ構造化データセットです。これには、紙のメタデータ自体に、および Comprehend Medical から抽出した注釈に、接続するグラフネットワークを構成するノードとエッジのセットが含まれています。

Our World in Data、The New York Times、COVID 追跡プロジェクトから得た COVID-19 データの集約。