开发了新的建模框架以改善传染病控制

数学家开发了一种分析传染病爆发数据的新模型，可用于改进疾病跟踪和控制。

诺丁汉大学的研究人员开发了一个新的数据驱动框架来建模传染病在人群中传播，可以减少疾病控制措施决策中的错误。他们的研究结果发表在PNAS．

COVID-19大流行突出表明，了解传染病传播动态的能力对于设计有效的控制战略和评估现有战略至关重要。传染病如何传播的数学模型继续在理解、减轻和预防疫情方面发挥着至关重要的作用。

罗兰·西摩(Rowland Seymour)博士领导了这项研究，并解释说:“大多数传染病模型都包含了关于在人群中传播如何发生的具体假设。这些假设可能是武断的，特别是在描述不同类型的个人之间或不同地点的传播如何不同时，可能缺乏适当的生物学或流行病学依据。这可能导致错误的科学结论和误导性的预测。人与动物之间的传染病动物种群继续构成严重的健康和社会经济风险。我们开发了一套当代统计方法，无需现有模型的基本传播假设。相反，我们的方法使分析由数据中的证据驱动，从而使决策者能够就控制疾病的传播做出数据驱动的决策。我们的工作是抗击传染病传播的另一个工具，我们很高兴能进一步发展这一框架。”

研究人员开发了一个数据驱动的框架，用于建模传染病如何在人群中传播，避免了通常难以证明的严格建模假设。研究人员使用这种方法来加深对2001年英国口蹄疫爆发的了解，当时有600多万只动物被扑杀，公共和私人钱包损失超过80亿英镑。

所提出的方法非常普遍，适用于各种类型的模型，包括那些考虑到人口结构(例如家庭、工作场所)和个人特征(例如地点和年龄)的模型。

这项工作为该领域的进一步研究开辟了几个途径，包括提高其计算效率和实时适用，即在疫情仍在持续时。后者是物质的重要性政策制定者以及政府部门，这样他们就能对数据做出反应爆发．