研究提供了更准确的流行性建模的新方法

基于替代思考的新类流行病学模型，特别是在大流行的早期阶段，根据最近发表的一项研究，为更准确的流行性建模和改善的疾病传播预测和反应提供了蓝图。科学报告由加利福尼亚大学的研究人员，欧文等机构。

在本文中，科学家表示，标准疫情模型不正确地认为传染病传播的速率取决于感染和易感人数的简单产品。作者表示，通过整个人群的完全混合，而且在感染者的小组的边界处，不会发生传播。

“标准流行病学模型依赖于受感染和未感染的个体之间强大混合的推定，其中包括这些组成员之间的广泛接触，”联合作者Tryphon Georgiou，UCI杰出教授的机械和航空航天工程教授。“我们强调，相反，在地理上集中的细胞中发生传播。因此，在我们看来，使用分数指数有助于我们更准确地预测感染和疾病的速度。”

研究人员提出了一种“分数替代品”，以考虑易感，感染和恢复的人群。这些分数（FSIR）模型中的指数的价值取决于受感染和健康亚群之间接触的性质和程度等因素。

作者解释说，在疫情的初始阶段，感染从传染率向一般人群向外前进。由于易感人的数量远大于感染的人数，感染细胞的边界以小于细胞的一个面积的小功率缩小。

研究人员通过一系列数值模拟测试了他们的理论。他们还将他们的分数模型与约翰霍普金斯大学系统科学和工程中心的实际数据。这些数据在意大利，德国，法国和西班牙的意大利Covid-19流行病的前几个月。通过两个过程，他们发现指数在.6和.8的范围内。

“基本上不同的方式的分数指数的影响如何在早期和以后的阶段进行流行性进展，因此识别正确的指数延长了与以前的模型相比可以进行可靠预测的持续时间，”格鲁格州说。

在目前的Covid-19大流行的背景下，有关感染繁殖的更好知识可以有助于与社区中的掩蔽和社会疏散授权有关的决策。

“准确的流行病学模型可以提供帮助政策制定者“乔治奥说，选择合适的行动方案，以防止进一步传播传染病。

---

---