Новая математическая модель может более эффективно отслеживать эпидемии

Как COVID-19 распространяется по всему миру, лидеры, опираясь на математических моделях, чтобы сделать общественное здоровье и экономические решения.

Новая модель, разработанная в Принстоне и исследователи Карнеги-Меллона улучшает отслеживания эпидемий путем учета мутаций при заболеваниях. Сейчас исследователи работают над тем, чтобы применить их модели позволяют руководителям оценить результативность противодействия эпидемии перед их переносом.

«Мы хотим быть в состоянии рассмотреть меры, как карантин, изолируя людей и т. д. и тогда посмотрим, как они влияют на распространение эпидемии, когда патоген мутирует как он распространяется», — сказал Х. Винсент бедных, один из исследователей на это исследование и временным деканом Принстонского техники.

Модели в настоящее время используется для отслеживания эпидемии использовать данные из врачей и работников здравоохранения, чтобы делать прогнозы о прогрессировании болезни. Бедные, Майкл Генри-Стратера университета профессор электротехники, сказал, что модель наиболее широко используемых сегодня, не предназначенные для учета изменений в заболевания отслеживается. Эта неспособность учесть изменения в болезнь может сделать его более трудным для лидеров по противодействию распространению болезни. Зная, как мутации могут повлиять на передачу или вирулентности может помочь руководителям определить, когда институт изолировании или направить дополнительные ресурсы в область.

«В действительности, это физические вещи, но в этой модели, они объединяются в параметры, которые могут помочь нам лучше понять последствия политики и мутаций,» плохо сказал.

Если исследователи могут правильно учитывать меры по борьбе с распространением болезни, они могут дать руководители критические выводы в лучшую шаги они могли бы предпринять перед лицом пандемии. Исследователи опираются на работы, опубликованной 17 марта в Трудах Национальной академии наук. В этой статье они описывают, как их модель способна отслеживать изменения в распространение эпидемии, вызванной мутацией организма болезни. Исследователи теперь работают, чтобы скорректировать модель с учетом медико-санитарных мер, принятых, чтобы остановить эпидемию, а также.

Работа исследователей вытекает из их изучения движения информации через социальные сети, которая имеет замечательное сходство с распространением биологических инфекций. В частности, распространение информации влияет на незначительные изменения в самой информации. Если что-то становится чуть более интересной для получателей, например, они могут быть более вероятно, чтобы пройти его вместе, или передать его для более широкой группы людей. Путем моделирования таких изменений, можно увидеть, как изменения в сообщение изменить свою целевую аудиторию.

«Распространение слухов или информации через сеть-это очень похоже на распространение вируса среди населения,» плохо сказал. «Различные части информации имеют разные коэффициенты передачи. Наша модель позволяет рассмотреть изменения в информацию, так как она распространяется через сеть и как эти изменения влияют на распространение».

«Наша модель является независимой по отношению к физической сети связь между людьми», — сказал Бедный, специалист в области теории информации, работа которых помогла создать современные сети мобильного телефона. «Информация погруженным в графах подключенных узлов; Узлы могут быть источниками информации, или они могут быть потенциальными источниками инфекции.»

Получение достоверной информации крайне сложно во время пандемии, когда обстоятельства меняются ежедневно, как мы видели с COVID-19 вирус. «Это похоже на лесной пожар. Вы не можете всегда ждать, пока вы собираете данные для принятия решений, то наличие модель может помочь заполнить эту пустоту,» плохо сказал.

«Надеюсь, эта модель может дать лидеров еще один инструмент для лучшего понимания причин, почему, например, COVID-19 вирус распространяется гораздо более быстрыми темпами, чем прогнозировалось, и тем самым помочь им развернуть более эффективных и своевременных контрмер,» плохо сказал.

Кроме бедных, соавторы вошли исследователи Рашад Eletreby, Юн Чжуан, Кэтлин Карли и Осман Yağan Карнеги-Меллон. Работа была частично поддержана исследовательским управлением армии, Национального научного фонда и Управления военно-морских исследований.

сделать разницу: спонсорские возможности