Britanya'nın sürü dokunulmazlığından vazgeçmesiyle ilgili gerçek! Doğa, korkunç sonuçları tahmin etmek için veri modellerini kullanıyor
Akıllı şeyler (genel hesap: zhidxcom) düzenlendi | Dong Wenshu
7 Nisan'da, dünya çapında doğrulanmış yeni koroner pnömoni vakalarının mevcut kümülatif sayısının 1.35 milyonu aştığı ve 995.480 doğrulanmış vaka olduğu ve bir milyona yaklaştığı haberi!
Geçen ayki küresel salgın önleme savaşına dönüp baktığımızda, birçok hükümet tutumlarında 180 derecelik bir dönüş yaptı.İngiltere klasik temsilcilerden biri.
İngiltere Başbakanı Boris Johnson'ın 12 Mart'ta ilk kez dile getirdiği "sürü dokunulmazlığı" önlemleri İngiliz halkını ve dünyayı şok etti.
Neyse ki Birleşik Krallık anti-salgın önlemlerini zamanında ayarladı.Bu tutum değişikliği sürecinde matematiksel modellerin çıkarılması kilit rol oynadı.
Mart ortasında, Imperial College London araştırma ekibi salgının yayılmasını simüle eden bilgisayar modelinin en son sonuçlarını gösterdi: Hükümet önlem almazsa, Birleşik Krallık 500.000'den fazla ölümle karşı karşıya kalabilir. Şimdi İngiltere nihayet "sürü bağışıklığı" konusunda ısrar etmiyor ve Boris aktif olarak "salgınla savaşmak için ülkeye kilitlenmeye" hazır.
Bununla birlikte, İngiltere'nin salgın önleme tedbirleri doğru yolda olmasına rağmen, ne yazık ki Boris yeni taç pnömonisini kendisi kaptı ve yakında iyileşeceğini umuyor.
İngiltere Başbakanı Boris Johnson
Aynı model, herhangi bir önlem alınmazsa ABD'nin 2,2 milyon ölümle karşı karşıya kalabileceğini öne sürüyor. ABD hükümeti ayrıca hızla insanların eylemleri üzerinde katı yeni kontroller benimsedi.
Yeni bir taç pnömoni salgın modeli nasıl kurulur? Hangi verileri ve varsayımları depolamaları gerekir? Bu tahminler güvenilir mi?
Bu salgına yanıt olarak, yetkili bilimsel dergi "Nature", küresel COVID-19 salgınının gelişimini simüle etme üzerine özel bir rapor yayınladı.
1. SIR modeline dayalı farklı modelleme yöntemleri
Farklı akademik gruplar tarafından kullanılan taklit hastalık bulaşma modelleri farklıdır, ancak çoğu modelin matematiksel ilkeleri benzerdir.
Araştırmacılar popülasyonu üç ana eyalete ayırıyor: duyarlı (S), enfekte (I), iyileşmiş (R) veya ölü, nüfusun bu üç eyalette nasıl olduğunu anlamaya çalışıyor. Arasında dönüşüm.
En temel SIR modeli bazı temel varsayımlarda bulunur. Örneğin, popülasyon tamamen ve eşit bir şekilde birbirine karışmıştır; enfekte kişiler ölümden veya iyileşmeden önce aynı enfeksiyona sahiptir, bu nedenle herkesin aynı enfekte kişi tarafından enfekte olma şansı aynıdır.
Büyük ölçekli bulaşıcı hastalıkları nicel olarak tahmin etmek istiyorsanız, araştırmacıların daha gelişmiş modeller oluşturmaları gerekir, yani nüfusu yaş, cinsiyet, sağlık durumu, istihdam durumu, temas sayısı ve diğer kriterlere göre daha fazla alt bölümlere ayırmak için.
Model, Çin hükümetinin herhangi bir salgın önleme tedbiri almadığını varsaymaktadır. Mavi ne kadar koyu olursa, ortalama olarak her gün daha fazla insan sosyal iletişim kurar.
Nüfus büyüklüğü ve yoğunluğu, nüfusun yaşlanması, ulaşım bağlantıları, sosyal ağ ölçeği ve sağlık hizmeti tedarik ölçeği gibi bilgileri kavradıktan sonra, modelciler bir şehrin, bölgenin ve hatta tüm ülkenin sanal bir kopyasını oluşturmak için diferansiyel denklemleri kullanabilir. Sonuç olarak, araştırmacılar popülasyon gruplarının zaman ve mekandaki akışını ve etkileşimini kontrol edebilirler.
Ardından, araştırmacılar durumun gelişimini gözlemlemek için bu sanal kopyada virüslü bir kişi kuracaklar.
"Denklem temelli" modelde, bireyler farklı gruplara ayrılır. Ancak grup daha küçük, daha temsili ve gerçeği daha fazla yansıtıcı olarak bölündüğünde, model daha karmaşık hale gelir.
Ek olarak, "ajan tabanlı" bir modelleme yöntemi vardır. Bu modelde, "The Sims" video oyunundaki sanal karakterler gibi herkes kendi özel kurallarına göre hareket edebiliyor.
Dublin Teknoloji Üniversitesi'nde hastalık bulaşma modelleri üzerinde çalışan Elizabeth Hunter, "Temsilcilerinizin nasıl davrandığını ve günü nasıl geçirdiklerini belirleyen birkaç satır kodunuz var" dedi.
Temsilci ve denkleme dayalı sanal dünya aynıdır, ancak her kişi belirli bir günde veya aynı koşullar altında farklı davranacaktır. London School of Hygiene and Tropical Medicine (LSHTM) epidemiyologlarından Kathleen O'Reilly şunları söyledi: Bu son derece özel modeller çok fazla veri gerektiriyor. Aileler, bireylerin nasıl işe gittiği ve hayatlarını nasıl geçirdikleri hakkında bilgi toplamanız gerekiyor. Hafta sonu için bilgiler. "
Örneğin, bilgi gereksinimlerini karşılamak için London School of Hygiene and Tropical Medicine, University College London ve University of Cambridge'den araştırmacılar, 36.000'den fazla gönüllünün sosyal etkileşimlerini toplayan British National Broadcasting Corporation (BBC) aracılığıyla bir vatandaş bilimi projesi başlattı. Veriler ve bu verileri modeller oluşturmak için kullanın.
2. İki modelin sonuçları benzer: ABD önlem almazsa 2,2 milyon insan ölecek
İngiliz hükümetinin yeni koronavirüse karşı önlemleri formüle etmesine yardımcı olmak için araştırma ekibi, sırasıyla ajan tabanlı bir model ve denklem tabanlı bir model kullanarak iki simülasyon deneyi gerçekleştirdi.
Salgının erken evresinde farklı ülkelerin eksik bilgilerine göre, epidemiyologlar bazı parametreler hakkında kaba tahminler yapmışlar ve tüm insanların duyarlı popülasyona (grup S) ait olduğunu varsaymışlar ve iyileşenlerin (R grubu) kısa sürede yanıt vereceği varsayılmıştır. Virüsün bağışıklığı var.
1. Model 1: Etmen tabanlı modelleme
Model 1'in 2005 yılında kurulan Ajan tabanlı modele dayandığı bildiriliyor. 2005 yılında araştırmacılar, H5N1 virüsünün, insanlar arasında kolaylıkla yayılabilecek bir virüse dönüştüğünü varsaydılar ve bu modeli, Tayland'da H5N1 virüsünün yayılmasını tahmin etmek için kullandılar. 2006'da bu model aynı zamanda Birleşik Krallık ve Amerika Birleşik Devletleri'nin ölümcül bir gribin etkilerini nasıl hafifletebileceğini incelemek için de kullanıldı.
Model 1'de, araştırmacılar Çin verilerine dayanarak% 15 YBÜ aktarım oranı belirlediler. Çin'de hastaların yarısı invazif mekanik solunum ekipmanına ihtiyaç duyuyor. Diğer vakalar yalnızca basınçlı oksijen tedavisi gerektirir ve yoğun bakım ünitesine aktarılmasına gerek yoktur.
Ek olarak, araştırmacılar COVID-19 ile enfekte olmuş kişilerin ölüm oranını% 0,9'a (bu sayı belirli İngiltere demografik verilerine göre ayarlanır), R02 ile 2,6 arasında, virüs kuluçka süresinin 5,1 güne ayarlandı ve asemptomatik olduğu varsayılır. Enfekte kişiler, virüsü enfeksiyondan 4.6 gün sonra hala bulaştırabilir ve diğer enfekte kişiler, semptomları gösterdikten 12 saat sonra virüsü bulaştırabilir.İkincisi, öncekinden% 50 daha bulaşıcıdır.
16 Mart'ta araştırma ekibi, modelin yeni koronavirüsün yayılmasına ilişkin ilk tahminini açıkladı, ancak model kodu o sırada açıklanmadı. Araştırma ekibinin lideri ve Imperial College London'daki matematiksel epidemiyolog Neil Ferguson, ekibinin kodu daha doğru hale getirmek için Microsoft ile birlikte çalıştığını söyledi.
2. Model 2: Denklemlere dayalı modelleme
26 Mart'ta Ferguson ve ekibi, model tarafından yeni taç virüsünün küresel yayılmasının ikinci tahminini yayınladı Tahmin modeli daha basit denklem tabanlı modellemeyi kullanıyor.
Araştırma ekibi insanları 4 kategoriye ayırdı: S, E, I ve R. Burada E, enfekte bir kişiyle temas halinde olan ancak henüz bulaşıcı olmayan kişileri ifade eder.
Model 2'de araştırmacılar, İtalyan verilerine dayanarak YBÜ transfer oranını% 30'a ayarladı. İtalyan bir klinisyene göre, basınçlı oksijen tedavisinin etkisi sınırlıdır ve kritik derecede hasta olan hastanede yatan vakaların% 30'u YBÜ servisinde invaziv ventilasyon gerektirir.
Ek olarak, R0'ın değeri 2.4 ~ 3.3'e ayarlanır.
3. İki modelleme tahmin verisi arasında çok az fark var
Ferguson'a göre bazı parametreler değişmiş olsa da, iki modelin öngördüğü ölüm oranı çok da farklı değil çünkü birçok ölüm hastanede değil toplumda meydana geliyor.
Araştırma ekibi üyesi ve epidemiyolog Azra Ghani de şunları söyledi: "İki simülasyon tarafından verilen toplam sayılar kabaca aynı." Örneğin, denklem tabanlı tahmin modeli, ABD'nin virüsle savaşmak için harekete geçmemesi durumunda gösteriyor. 2,18 milyon ölüm olacak. Daha önce kurulan ajan temelli modelleme, ölüm oranı ve enfeksiyon sayısının aynı olduğu varsayımı altında 2,2 milyon ölüm olacağını göstermektedir.
Paris'teki Pierre Louis Epidemiyoloji ve Halk Sağlığı Enstitüsü'nde modelleme uzmanı olan Vittoria Colizza, bu yeni kraliyet salgınında Fransız hükümetini örnek aldı. İki farklı modelleme yöntemi ile ilgili olarak, farklı modellerin kendi avantajları ve dezavantajları olduğunu söyledi: "Odaklanmanıza bağlı", yani modelleyicinin çalışmak istediği grubun büyüklüğü.
Bir grup denkleme dayalı bir modelde toplanabiliyorsa, modelin herkese bir birey olarak davranması gerekmez. Yüksek çözünürlük gerekmiyorsa, model çalışması daha basit ve daha hızlı olacaktır.
Örneğin, Kliza ekibi evden çalışan çoğu Fransız'ın enfeksiyon oranı üzerindeki etkisini tahmin etmek istediğinde, denkleme dayalı bir model kullanabilirler. Kliza, "İş yerinde mi yoksa okulda mı zaman geçirdiklerini ayırt etmek için herkesi bireysel olarak takip etmemize gerek yok" dedi.
4. Hataları azaltmak için "duyarlılık analizi" kullanın
Farklı modelleme yöntemlerinin seçilmesi tahmin sonuçlarını etkilemeyecek olsa da, insanlar doğal olarak tahmin sonuçlarının güvenilirliğinden şüphe duyacaklardır. Ne yazık ki, bir virüs salgını sırasında, araştırmacıların modelin doğruluğunu yargılamak için doğru sayılar elde etmesi zordur.
LSHTM modelcisi John Edmunds, teorik olarak araştırmacıların gerçek vaka sayısını tahmin edilen sonuçlarla karşılaştırabileceğini, ancak bildirilen gerçek verilerin doğru olmadığını söyledi. "Gözetim sistemimiz çöp. Bildirilen toplam vaka sayısı doğru mu? Yanlış. Doğru olan alanlar var mı? Hayır." Dedi.
Geçen yıl Edmunds ve ekibi, 2014'ten 2015'e kadar Sierra Leone Cumhuriyeti'ndeki Ebola salgını hakkında bir değerlendirme raporu yayınladı. Rapora göre, salgın döneminde yapılan tahminler için, çok az araştırmacı salgın sırasında veya sonrasında bunların doğruluğunu değerlendiriyor. Rapor yazılıncaya kadar ilgili araştırmacıların geriye dönük analizler için sonuçlar, kodlar, modeller ve veriler sağlamaya başlaması mümkün değildi.
Edmonds ekibi, teorik olarak tahmin modelinin salgının gelişimini bir ila iki hafta önceden doğru bir şekilde tahmin edebileceğine inanıyor. Bununla birlikte, doğal belirsizlik ve bilgi eksikliği nedeniyle tahminin doğruluğu azalmıştır.
Eksik bilgilerin ve yanlış varsayımların etkisini en aza indirmek için, modelleyiciler her seferinde girdi parametrelerinde küçük ayarlamalar yaparak yüzlerce bağımsız çalışma gerçekleştireceklerdir. Bu "duyarlılık analizi", tek bir girdi değiştiğinde model sonuçlarının hatasını azaltacaktır.
Örneğin, S grubundaki kişilerle görüştüğüm gruptaki kişilerle S grubundaki kişilere tekrar virüs bulaşıp bulaşmayacağını gözlemleyin. Model birden çok kez çalıştırıldığında, bu rastgele simülasyonlar daha fazla olasılık sağlayabilir.
Ferguson, bir modele çok fazla güvenmekten kaçınmak için, İngiliz hükümetinin Imperial College ve LSHTM'den gelen ekipler de dahil olmak üzere farklı modelleme ekiplerinin modellerine atıfta bulunduğunu da ortaya koydu. "Benzer bir sonuca vardık." Dedi.
3. Tahmini ölü sayısı 2,7 milyonu aşabilir ve İngiliz ve Amerikan hükümetleri anti-salgın kararlarını derhal değiştirdiler
Raporlara göre, Imperial Research Group'un model tahmin sonucu, İngiliz hükümetini anti-salgın politikalar yapmaya yönlendiren kilit bir faktör.
Daha önce, bu yılın sonlarında virüsün ikinci büyük ölçekli salgını ile ilgili endişeler nedeniyle, İngiliz hükümet yetkilileri sürü bağışıklığı teorisini, yani yaşlıları korurken virüsün yayılmasına izin vermeyi ileri sürmüşlerdi. Enfekte olan kişilerin çoğu iyileşeceğinden, sonunda tüm insan grubu virüse karşı bağışık olacaktır.
Araştırma ekibinin 16 Mart'ta yayınladığı tahmin sonuçlarına göre hastanede yatan vakaların% 15'inin tedavi için yoğun bakım ünitesine nakledilmesi bekleniyor. İngiliz tıp kurumları yalnızca 4.000'den fazla YBÜ yatağı sağlayabilir; hükümet etkili önlemler almazsa 500.000'den fazla insan ölebilir.
İmparatorluk araştırma ekibinin tahmin modeli yayınlandıktan sonra, İngiliz hükümeti stratejisini hemen değiştirdi. Başbakan Boris Johnson katı sosyal mesafe önlemleri emretti.
Sosyal izolasyon politikası, salgının yayılmasını etkili bir şekilde kontrol edecek
Ferguson, bu sonuç için tahmine dayalı modellerin öneminin abartılabileceğini söyledi. İngiliz hükümetinin anti-salgın kararı, modelin tahmin sonuçlarına ve diğer ülkelerdeki duruma kapsamlı bir şekilde atıfta bulunduktan sonra verdiğine inanıyor.
Ayrıca, modelin ABD salgını gelişim sürecine ilişkin öngörüsü, ABD hükümeti harekete geçmezse 2,2 milyon insanın öleceğini gösteriyor. Beyaz Saray da tahmin sonuçlarını değerlendirdi ve kısa süre sonra sosyal mesafeyi genişletmek için bir politika başlattı.
Mart ortasındaki model tahmin sonuçlarına göre, hükümet herhangi bir önlem almazsa Birleşik Krallık'ta 500.000 kişi COVID-19 virüs enfeksiyonundan ölecek ve Amerika Birleşik Devletleri'nde 2.2 milyon kişi ölecek
4. Model parametreleri hala güncelleniyor ve virüsler hakkında çok az şey biliniyor
Virüs hakkında daha fazla bilgi ile, araştırmacılar modeli de güncelliyor ve ayarlıyor.
30 Mart'ta yayınlanan 11 Avrupa ülkesinde virüsün yayılmasına ilişkin raporda, araştırmacılar R0 değerini 3 ila 4,7 olarak ayarladılar.
R0 değerine ek olarak, hala bilinmeyen birçok önemli bilgi vardır. Epidemiyolog Edmunds, asemptomatik enfeksiyonları tespit edebilen güvenilir bir test varsa, bu grup insanın S grubundan R grubuna aktarılabileceğine inanıyor. Bu tür bir test, modelleme kurallarını değiştirecek ve virüsün yolunun da önemli ölçüde değişmesi muhtemeldir.
Bu testin önemini göstermek için Oxford Üniversitesi'nden teorik epidemiyolog Sunetra Gupta liderliğindeki bir ekip araştırma yapıyor. Ekip, Birleşik Krallık'ta milyonlarca asemptomatik enfeksiyon olduğunu varsayıyor.
Asemptomatik enfeksiyonların sayısına ek olarak, bilinmeyen başka bir faktör daha var: insanların davranışsal kısıtlamalara nasıl tepki verdikleri ve bu önlemlerin bilim adamlarının beklediği gibi bulaşıcı maruziyeti azaltıp azaltamayacağı.
Örneğin, Çin'in anket raporu, yetkililerin sosyal mesafe politikasını uyguladığı dönemde Wuhan ve Şangay sakinleri ile diğer insanlar arasındaki günlük temasın 7 ila 9 kat azaldığını gösteriyor.
Sonuç: Kör bir şekilde karantinayı kaldırmak, ikinci bir salgın dalgasına neden olabilir
Imperial College'ın araştırma ekibi, enfekte vakaların ölüm oranının haftada% 0.0002'ye ulaşmadan önce, eğer tüm ülkeler enfekte kişiler için sıkı sosyal mesafe, test ve izolasyon uygularsa, COVID-19 enfeksiyonlarının küresel ölüm oranının bu yılın sonuna kadar azaltılacağına inanıyor. 1,9 milyonun altında.
Ferguson, İngiliz karantina önlemlerinin, Birleşik Krallık'taki toplam ölüm sayısının 20.000'in altında kontrol altına alınacağına "inanmak için neden" verdiğini belirtti.
Ayrıca Ferguson, COVID-19 virüsünün yayılmasını engellemek için Avrupa'daki birçok ülkenin ulusal kilitlemeler uyguladığına da dikkat çekti. Ancak ekonomik durum ile vatandaşların fiziksel ve ruhsal sağlığı göz önünde bulundurulduğunda karantina önlemlerinin ne kadar süreceği büyük bir sorudur.
Şu anda, sosyal mesafe önlemleri virüsün yayılmasını geciktirdi, ancak bu önlemler iptal edildiğinde, virüs bu yıl veya gelecek yıl ikinci bir salgına maruz kalabilir.
Model, Amerika Birleşik Devletleri'nde uygulanan mevcut anti-salgın önlemlerin salgının büyük ölçekli salgınını geciktirebileceğini ve tıbbi sistem üzerindeki aşırı baskıyı önleyebileceğini göstermektedir. Ancak bu yılın sonlarında ikinci bir salgın dalgası ortaya çıkacak.
Ferguson, salgını etkili bir şekilde kontrol altına almak için ülkelerin Güney Kore'nin yaklaşımını takip etmelerini önerdi. Güney Kore, tüm temasları takip etti ve kapsamlı testler yaptı, böylece nispeten gevşek bir sosyal izolasyon politikası uyguladı. Ek olarak, araştırmacılar doğru bir tahmin modeli oluşturmak için gereken bilgileri sağlayacaksa, Çin'in Hubei kentinde olduğu gibi, abluka kaldırıldıktan sonra yalnızca çeşitli bölgeleri yakından izleyebileceklerini belirtti.
Makale kaynağı: Nature
Okuduğunuz için teşekkürler. Gemide takip etmek ve sizi teknolojide ön plana çıkarmak için tıklayın ~
