„Next Ebola“ yra sunku prognozuoti, tačiau „Outbreak Forecasting“ gali padėti

2 metų berniukas Gvinėjos kaimo vietovėje mirė nuo Ebolos 2014 m. Gruodžio mėn. Per ateinančius dvejus metus beveik 30 000 žmonių Vakarų Afrikoje būtų užsikrėtę Ebola virusu.

Kodėl, priešingai nei ankstesniuose 17 Ebolos protrūkių, ar šis augo taip didelis? Kas gali būti padaryta siekiant užkirsti kelią būsimiems protrūkiams? Šie klausimai kartu su daugeliu kitų yra besivystančios mokslo protrūkių prognozavimo srities pagrindas. Ir statymai negalėjo būti didesni. Sausio mėn. Pasaulio ekonomikos forumas pavadino pandemijas - viena didžiausių pavojų verslui ir žmogaus gyvenimui.

Per pastaruosius kelis šimtmečius mokslininkai tapo vis geresni prognozuojant daugelį pasaulio aspektų, įskaitant planetų orbitą, potvynį ir potvynių srautą bei uraganų takus. Gebėjimas pakankamai gerai suprasti natūralias ir fizines sistemas, kad būtų galima tiksliai prognozuoti, yra vienas didžiausių žmogaus pasiekimų.

Didžioji šios sėkmės prognozė prasideda nuo Isaako Niutono pagrindinės įžvalgos, kad yra nepakitę visuotiniai įstatymai, reglamentuojantys aplinkinius gamtos reiškinius. Gebėjimas greitai atlikti didelius skaičiavimus paskatino Niutono perspektyvą, kad, atsižvelgiant į pakankamai duomenų ir skaičiavimo galią, galima prognozuoti sudėtingiausius reiškinius.

Tačiau yra apribojimų. Kaip mokslininkai, tiriantys tokias nuspėjamųjų sistemų rūšis, abejojame, kad bus galima tiksliai prognozuoti, kas nutiks ligos protrūkio metu, nes svarbiausi kintamieji gali keistis nuo ligos protrūkio iki kito.

Štai kodėl, kaip ir prognozuojant meteorologiją, realiojo laiko duomenų rinkimas greičiausiai yra būtinas norint skatinti mokslo bendruomenės gebėjimą numatyti protrūkius.

Kaprizingos epidemijos

Idėja, kad mokslininkai gali modeliuoti epidemijas, yra pagrįsta nuostata, kad kiekvieno protrūkio trajektorija yra nuspėjama dėl savo vidinių ir nekintančių savybių.

Pasakykite, kad ligą sukelia užkrečiamas patogenas. Šios ligos užkrečiamumas gali būti įtrauktas į skaičių, vadinamą „pagrindiniu reprodukciniu santykiu“, arba R0, skaičiumi, apibūdinančiu, kaip plačiai kenksmingas ligos plitimas tam tikroje populiacijoje.

Jei epidemiologai pakankamai žino apie patogeno R0, tikimės, kad jie gali numatyti kito jos protrūkio aspektus ir, tikiuosi, neleis smulkiems protrūkiams tapti didelio masto epidemijomis. Jie gali tai padaryti mobilizuodami išteklius į sritis, kuriose patogenai turi ypač aukštas R0 reikšmes. Arba jie gali apriboti ligų nešiotojų ir labiausiai pažeidžiamų visuomenės narių, dažnai vaikų ir pagyvenusių žmonių, sąveiką.

Tokiu būdu R0 yra interpretuojamas kaip nepakeičiamas skaičius. Tačiau šiuolaikiniai tyrimai rodo, kad taip nėra.

Pavyzdžiui, apsvarstykite Zikos viruso epidemiją. Dėl šios ligos R0 svyravo nuo 0,5 iki 6,3. Tai puikus įspūdis, pradedant nuo ligos, kuri išsisklaidys savaime ir sukels ilgalaikę epidemiją.

Galima būtų manyti, kad šis platus R0 vertybių diapazonas Zikui kyla iš statistinio neapibrėžtumo - galbūt mokslininkams reikia daugiau duomenų. Bet tai dažniausiai būtų neteisinga. Zikui daugybė veiksnių - nuo klimato ir uodų iki kitų susijusių virusų, pvz., Dengės ir lytinio transliavimo, atsiradimo - įvairūs parametrai lemia skirtingas R0 reikšmes.

Pasirodo, kad epidemijos ypatybės - patogeno užkrečiamumas, perdavimo sparta, vakcinų prieinamumas ir pan. - taip sparčiai keičiasi per vieną protrūkį, kad mokslininkai gali prognozuoti dinamiką tik per tą protrūkį. Kitaip tariant, 2014 m. Balandžio mėn. Tyrinėjant Ebolos viruso ligos protrūkį, mokslininkai gali padėti suprasti Ebolos protrūkį toje pačioje aplinkoje kitą mėnesį, tačiau tai dažnai yra mažiau naudinga suprasti būsimos Ebolos epidemijos dinamiką, pvz. 2018 m. gegužės mėn.

Epidemijos dažnai nėra tvarkingi ir susieti reiškiniai. Jie yra triukšmingi įvykiai, kuriuose daugelis kintamųjų vaidina esminius, bet besikeičiančius vaidmenis. Nėra jokios pagrindinės ligos tiesos - tik nestabili rinkinių kolekcija, kuri, kaip liga plinta, dažnai keičiasi ir dažnai įsipainiojama.

Geresnės prognozės

Jei mokslininkai nėra įsitikinę, jie gali pakankamai gerai suprasti epidemiologines sistemas, kad galėtų numatyti susijusių asmenų elgesį, kodėl jaustis mokytis jų?

Atsakymas gali būti toks, kaip mes vadiname „minkšta fizika“, kuri yra prognozė: mokslininkai turėtų nustoti daryti prielaidą, kad kiekvienas protrūkis atitinka tas pačias taisykles. Lyginant vieną protrūkį su kitu, jie turėtų atsižvelgti į visus jų kontekstinius skirtumus.

Pavyzdžiui, biologai atskleidė daug informacijos apie gripo infekcijas. Jie žino, kaip virusai jungiasi prie šeimininkų ląstelių, kaip jie replikuojasi ir kaip jie vystosi atsparumu antivirusiniams vaistams. Bet viena epidemija galėjo prasidėti, kai didelis gyventojas viešuoju transportu tam tikrą mėnesio dieną naudojo, o kitą galėjo inicijuoti religinės tarnybos susirinkimas. Nors abu protrūkiai yra įsišakniję toje pačioje infekcinėje veikloje, šie ir daugelis kitų jų skirtumų reiškia, kad mokslininkams gali tekti pertvarkyti, kaip jie modeliuoja, kaip kiekvienas progresuoja.

Siekiant geriau suprasti šiuos duomenis, mokslininkams reikia didelių investicijų į realaus laiko duomenis. Apsvarstykite, kad Nacionalinė meteorologijos tarnyba per metus išleidžia daugiau kaip 1 mlrd. CDC išleidžia tik ketvirtadalį visuomenės sveikatos statistikos ir neturi jokio biudžeto, skirto prognozavimui.

Ligos stebėjimas išlieka viena didžiausių mokslo sričių. Atidžiai apsvarstant unikalias aplinkybes, kylančias dėl protrūkių ir atsakingesnių duomenų rinkimo, būtų galima sutaupyti tūkstančius žmonių.

Šis straipsnis iš pradžių buvo paskelbtas C. Brandon Ogbunu, Randall Harp ir Samuel V. Scarpino pokalbyje. Skaitykite originalų straipsnį čia.