Моделирование инфекции COVID-19 на основе движения может улучшить ответные меры общественного здравоохранения

Эпидемия, подобная COVID-19, зависит от того, что инфицированные люди общаются с неинфицированными — столкновения, которые обычно требуют перемещения одного или обоих. Новый метод моделирования развития пандемических инфекций включает данные о местоположении со смартфонов, чтобы дать политикам общественного здравоохранения более точную картину того, как люди в их сообществах смешиваются, а также где и как сосредоточить свои усилия.

«Большинство моделей COVID-19 берут округ или группу участков переписи и рассматривают население во многих отношениях как однородную группу», — говорит Сон Гао, профессор географии и член группы исследователей Университета Висконсин-Мэдисон, которые описали новый метод моделирования на этой неделе в Трудах национальных академий наук . «Когда мы посмотрели отчеты о переписных участках, мы увидели некоторые с высоким уровнем заражения, но соседние участки с низким уровнем подтвержденных случаев».

Из-за этого смешение жителей соседних районов казалось маловероятным, поэтому исследователи предоставили анонимные данные о пунктах отправления и назначения мобильных телефонов в двух самых густонаселенных округах Висконсина, Дейн и Милуоки, алгоритму машинного обучения, который разбил округа на новые субрегионы.

«Алгоритм использует информацию о потоках мобильности людей для перераспределения каждого округа на более мелкие субрегионы с высокой внутренней мобильностью. Люди в каждом новом субрегионе больше всего взаимодействуют друг с другом», — говорит Гао.

Новые субрегионы исследователей выявили демографические различия, которые можно рассматривать как ключ к тому, как инфекция COVID-19 достигла пика в каждом округе.

«Самая значительная неоднородность округа Дэйн — это разница в возрастной структуре между районами», — говорит Гао. «В округе Милуоки наиболее существенное различие — расовое и этническое разнообразие».

Это согласуется с тем, как в округах произошли вспышки летом 2020 года. Округ Дейн боролся со всплеском уровня инфицирования в самом молодом субрегионе, вызванном скоплениями инфекции, сосредоточенными в барах, обычно посещаемых молодежью. Пандемия округа Милуоки оказала огромное влияние на общины чернокожих и латиноамериканцев, сосредоточенные в двух районах, которые также были определены с помощью данных о мобильности как относительно изолированные субрегионы.

«Моделирование, учитывающее мобильность внутри и между этими субрегионами, дает нам лучшее понимание того, как возникла ситуация с инфекцией, в которой мы находимся, возможность исследовать некоторые из того, что вы могли бы назвать сверхраспространяющимися событиями, и может помочь разработчикам политики выяснить, почему именно в конкретный день имеет очень высокий уровень заражения », — говорит Гао, работа которого финансируется Национальным научным фондом.

Исследовательская группа, в которую входят географы, математики, эпидемиологи и эксперты по коммуникациям, использовала модель для изучения решений по ослаблению ограничений в каждом округе, поскольку пандемия, казалось, пошла на убыль в середине 2020 года.

Поэтапно в мае и июне, например, округ Дэйн позволил предприятиям (включая бары) открыться на 25 процентов, а затем на 50 процентов от их нормальной загрузки 15 июня. К 30 июня в заметно молодом субрегионе, прилегающем к Вашингтону-Мэдисон, Уровень инфицирования вырос до 11,6 случая на тысячу жителей. Согласно методу математического моделирования, учитывающему мобильность (не контролируемые эксперименты), отказ от этих проверок взаимодействия ограничил бы уровень заражения до 3,4 на тысячу человек — одну треть фактического распространения.

Понравилась статья? Поделиться с друзьями:
техно иновации