科创网 关注科创领域的新机会

首页 /  科创快讯

数学模型为流行病的传播提供了新的见解

数学模型已被广泛用于指导政府对新冠疫情的决策,从预测结果到甚至测试潜在干预措施。

然而,现实世界场景的复杂性仍然对流行病传播的数学建模提出了新的理论挑战。

例如,来自新冠病毒-19超级传播事件的证据表明,很难定义这些事件的特征,这些事件的持续时间和参与人数可能会有很大差异。

现有的传染病传播网络模型通常侧重于成对个体之间的接触,而工作场所、餐馆或健身房等个体的同一地点通常包括两人以上。它们也常常不能考虑这些相互作用在特定位置上的异质时间持续时间。

在今天发表在《物理评论快报》上的一项新研究中,研究人员开发了一种新的流行病建模方法,该方法考虑了在同一地点、不同时间段的两个或更多人之间的相互作用。

挑战性假设

由国际研究小组开发的模型,包括来自佛蒙特大学和大学拉瓦尔的物理学家,由玛丽女王伦敦大学的数学家Ginestra Bianconi教授领导,也考虑到新的证据表明,感染所需的最小感染剂量。

这种新的建模方法从根本上改变了流行网络建模中的既定假设,例如感染率与感染个体数量呈线性关系。研究结果表明,如果可能发生感染需要最小的感染剂量,那么同一地点加上不同的暴露时间可能导致非线性感染率。

玛丽女王大学应用数学教授吉内斯特拉·比安科尼教授说:“同一地点可能涉及人群,而传染病传播的典型网络模型是基于描述成对互动的接触网,这种接触网的拓扑结构可能与同一地点接触网的拓扑结构非常不同。同一地点也会及时发生,例如,我可能会去另一个人的同一个健身房,但我们可能并不总是见面,我们可能会在那里锻炼不同的时间。”

“我们的方法包含了由于两个以上的人在不同时间内共定位而产生的相互作用的异质性,并揭示了在这些高度异质的情况下,感染核可能是非线性的,这意味着,如果有两倍多的感染者访问某一特定地点,感染的概率也可能是两倍多。这些结果为在新冠病毒-19背景下超级传播事件的异质性提供了新的线索。”