محققان می گویند استفاده از جزئیات جزئی می تواند پیش آگهی شیوع بیماری را بهبود بخشد

[ad_1]

طبق مطالعه اخیر ، طبقه جدیدی از مدلهای اپیدمیولوژیک مبتنی بر تفکر جایگزین در مورد چگونگی گسترش عفونتها ، به ویژه در مراحل اولیه همه گیری ، برنامه ای برای مدل سازی دقیق تر اپیدمی و بهبود پیش بینی ها و پاسخ ها به شیوع بیماری فراهم می کند. گزارش های علمی توسط محققان دانشگاه کالیفرنیا ، ایروین و سایر موسسات.

در این مقاله ، دانشمندان می گویند كه الگوهای استاندارد اپیدمی به اشتباه نشان می دهد كه میزان شیوع یك بیماری عفونی به یك محصول ساده از تعداد افراد آلوده و مستعد بستگی دارد. در عوض ، نویسندگان پیشنهاد می کنند که انتقال از طریق اختلاط کامل کل جمعیت ، بلکه در مرز گروه های زیرین افراد آلوده رخ نمی دهد.

تریفون جورجیو ، استاد محترم مهندسی مکانیک و فضا در UCI ، یکی از نویسندگان همکار گفت: “مدل های استاندارد اپیدمیولوژیک به پیش فرض اختلاط شدید بین افراد آلوده و آلوده متکی هستند.” “بلکه تأکید می کنیم که انتقال در سلولهای متمرکز از نظر جغرافیایی اتفاق می افتد. بنابراین ، به نظر ما ، استفاده از نماهای جزئی به ما کمک می کند تا سطح عفونت و شیوع بیماری را با دقت بیشتری پیش بینی کنیم.”

محققان “جایگزینی با قدرت جزئی” را برای مدلهای معمولی ارائه داده اند كه جمعیت های حساس ، آلوده و بهبود یافته را در نظر می گیرد. ارزش نماها در این مدلهای کسری (fSIR) به عواملی مانند ماهیت و میزان تماس بین زیرجمعیتهای آلوده و سالم بستگی دارد.

نويسندگان توضيح مي دهند كه در طي مرحله اول بيماري همه گيري ، عفونت از ناقلين به سمت جمعيت عمومي گسترش مي يابد. از آنجا که تعداد افراد مستعد بسیار بیشتر از سلولهای آلوده است ، مرز سلولهای آلوده به یک قدرت کسری کمتر از یکی از مناطق سلول تقسیم می شود.

محققان نظریه خود را از طریق یک سری شبیه سازی های عددی آزمایش کردند. آنها همچنین مدلهای جزئی خود را با داده های واقعی مرکز علوم و مهندسی دانشگاه جان هاپکینز تطبیق داده اند. این داده ها شامل چند ماه اول همه گیر COVID-19 در ایتالیا ، آلمان ، فرانسه و اسپانیا است. از طریق هر دو فرآیند ، آنها دریافتند که درجه در دامنه 6/0 و 8 است.

جورجیو گفت: “شاخص کسری به طرز قابل توجهی متفاوت بر چگونگی پیشرفت اپیدمی در مراحل اولیه و بعدی تأثیر می گذارد و در نتیجه ، شناسایی نماینده مناسب مدت زمانی را که می توان نسبت به مدل های قبلی پیش بینی قابل اعتماد انجام داد ، افزایش می دهد.”

در زمینه همه گیر کنونی COVID-19 ، دانش بهتر در مورد شیوع عفونت ها می تواند به تصمیم گیری مربوط به م ofسسه مبدل سازی و مجوزهای فاصله اجتماعی در جوامع کمک کند.

جورجیو گفت: “مدل های دقیق اپیدمیولوژیکی می تواند به سیاستمداران کمک کند تا برای جلوگیری از شیوع بیشتر بیماری های عفونی ، اقدام درست را انجام دهند.”

منبع تاریخچه:

مواد تهیه شده توسط دانشگاه کالیفرنیا – ایروین. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.

[ad_2]

منبع: unbox-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>