基于模型预测流行波
![Baseline traffic between areas (bottom row), model-predicted restrictions (middle row), and traffic expected after restrictions are implemented (top row). The left and right columns show the differences in model recommendations when using different metrics. High traffic is represented by wide red lines, lower traffic by thinner blue lines. Credit: Mikhail Krechetov et al., <i>Scientific Reports</i> 基于模型预测流行波](https://scx1.b-cdn.net/csz/news/800a/2022/graph-based-model-pred.jpg)
Skoltech人员、亚利桑那大学和瑞典林雪平大学创建了一个图形化的模型,描述了不同地区之间感染疫情传播的模式。模型可以帮助计算的概率选择的地区,当地的爆发和制定一套最低的预防措施。论文发表科学报告。
预测COVID-19传播模式仍然是一个悬而未决的问题。最近一系列的难以预测的COVID-19爆发凸显了建模和预测的重要性。然而,建模遇到两个障碍:首先,它需要校准的一个巨大的数量的参数基于数据和第二,模型与太多的细节和精心挑选参数预测被证明是不切实际的传播模式和选择预防战略。建模是有效的,该模型不应该挤满了细节为了不使计算但要足够详细,从而预测扩散动力学和控制策略。
疫情的传播模型的一种方法是概率图形模型,其中每个顶点代表一个人口稠密区域和肋骨显示节点的概率从邻近的节点获得感染。例如,地区间人口流越大,越高爆发的机会从一个地区到另一个地方。
在最近的研究中,研究人员首次转向概率图形模型来解决两级任务,回答两个问题:如何从一个顶点蔓延爆发,最低是什么步骤,防止感染庞大的图吗?
“我们的专家团队应用数学使多学科小组的一部分已经建模流感大流行一年多了。我们使用模型从物理学的领域来确定最可能感染后的系统状态,防止进一步传播。因为任何限制成本的影响,我们希望实现的最大有效性控制用最少的干预,”论文的第一作者,Skoltech博士项目研究生米哈伊尔•Krechetov说。
在他们的研究中,研究人员利用统计物理的数学仪器,即伊辛模型,描述了材料磁化过程。在团队的模型中,图节点代表城市地区和肋骨之间的交通。此外,预防感染概率计算考虑因素,如口罩、社会距离、疫苗接种覆盖率等。
使模型尽可能接近现实,该团队使用真实的数据从西雅图(WA,美国)和移动跟踪数据之间的人口流动区域。
首先研究人员检查哪些节点将成为下一个捕捉感染从受感染的节点,然后求出了最小数量的步骤需要遏制蔓延。他们表明,该模型可以帮助定义交通限制的情况下爆发在一个特定的区域,确保其他领域不被感染。此外,图形模型被证明是有用的在解决相同的任务影响的任何数量的位置。
“我们的模型是普遍至于它的图形拓扑,和方法适用甚至非常密集的图形描述城市人口大规模跨区流动。然而,传播模式和限制性的策略在密集的图形是完全不同于那些在稀疏图与较低的迁移。一个有趣的数学含义对我们来说成本函数估计的选择如何影响解决方案的结构:一个案例需要逐点的更巨大的流量调整,而另一个需要小而均匀分布的变化,”米哈伊尔·补充道。
这项研究是一个较大的研究的一部分来自亚利桑那大学的一个研究小组。展望未来,研究人员计划无缝结合个体层面的基于代理的关系模型和地区性的图形化模型更准确的预测。作者认为后进一步细化和校准他们的方法将提供实用的建议关于如何调整交通为了防止肆意传播感染。
进一步探索