COVID-19传播的计算机模型如何帮助我们对抗病毒
来源：本站原创 2020-03-11 16:41
2020年3月11日讯 /生物谷BIOON /——利用数学和计算机模拟传染病传播过程的科学家正在研究这种新型冠状病毒，试图预测这种全球疫情可能如何演变，以及如何最好地应对。但有些人说，利用这些建模工具和研究人员的发现，还可以做更多的工作。"这是一种临时的、自愿的努力，我认为这是我们可以改进的地方，"约翰霍普金斯卫生安全中心的传染病建模师Caitlin Rive
2020年3月11日讯 /生物谷BIOON /——利用数学和计算机模拟传染病传播过程的科学家正在研究这种新型冠状病毒，试图预测这种全球疫情可能如何演变，以及如何最好地应对。
但有些人说，利用这些建模工具和研究人员的发现，还可以做更多的工作。
"这是一种临时的、自愿的努力，我认为这是我们可以改进的地方，"约翰霍普金斯卫生安全中心的传染病建模师Caitlin Rivers说。
在她看来，"建模在理解疫情如何演变、将向何处发展以及我们应该如何思考方面起着非常重要的作用。"
图片来源：Hannah A Bullock and Azaibi Tamin CDC Science Source
但她说，只有一小部分流行病模型师为联邦政府工作。他们中的大多数人在学术界工作，与那些必须做出关键公共卫生决策的官员没有正式关系。
尽管如此，他们还是积极地将自己的技能用于公益事业。去年12月下旬，中国首次出现了一种新病毒的报告。
他们对过去的埃博拉病毒和寨卡病毒疫情也做出了类似的努力。但业内人士表示，感觉这一次不同。
"我从来没有见过建模界如此激动，你知道，围绕这次爆发，并愿意分享和合作，"Cecile Viboud说，他是国家卫生研究院Fogarty国际中心的一名科学家。
研究团队一直在迅速地提出见解。到1月中旬，一个组织已经分发了一份分析报告，根据飞机飞行和旅行数据，列出了15个面临病毒传播风险的城市。
另一个团队宣布，他们已经利用中国境外检测到的感染人数，来帮助查明武汉可能发生的真实情况。这些研究人员估计，当时实际有1700多个病例，尽管官方确认的病例数量只有41个。
伦敦卫生与热带医学学院(London School of Hygiene & Tropical Medicine)传染病建模师Rosalind Eggo表示："迅速发布这些信息有助于吸引其他建模师更多的注意力，他们会说，'我们现在可以做一些事情，所以就这么做吧。'"
她和她的同事们最近收集了有关病毒传播的最可靠的信息，并研究了通过隔离病人和追踪他们曾经接触过的每一个人来控制病毒的可行性。
Eggo说："这是我们做的一项研究，我们试图为决策者提供有用的信息，告诉他们为了有一个很好的机会控制疫情，他们需要用这种策略做些什么。"
他们发现，公共卫生工作者需要追踪大部分病人接触者，才能有效地迅速制止疫情的爆发。
她说："你需要追踪至少80%的接触者，这样才有80%的机会在三个月内控制由20个病例引起的疫情。所以这是一个相当高的数字。这在一些地方是可行的，但在另一些地方可能不可行。"
她的团队还研究了筛查机场旅客以发现感染者的效用。一项模拟显示，如果100名受感染的旅客在12小时的飞行中开始了一段旅程，其中大约一半不会被基于症状的入境或出境旅客筛查发现。
Eggo解释说："由于感染的自然历史，人们从感染到开始出现症状大约需要5天的时间。在这段时间里，他们可以旅行，不会被发现。"
这样的研究可以帮助公共卫生官员决定把时间、精力和金钱集中在哪里。
例如，在2014年西非爆发埃博拉疫情期间，模型预测，如果没有积极的干预，疫情将继续快速增长。
"这些预测可能有助于加快国际反应，并为如何有效部署资源提供了指导，"最近一篇关于"疫情科学"的评论说。
最近几周，政府内外的建模人员都可以参与美国疾病控制与预防中心(Centers for Disease Control and Prevention，简称CDC)每周召开的电话会议。
Viboud说，美国疾病控制与预防中心通常会在这些电话会议中更新这种新型冠状病毒的情况，并讨论需要帮助的问题。她说，有一个这样的电话就有80多人在线。
流行病建模者也一直在通过即时消息平台Slack和Twitter进行沟通。
"从来没有像现在这样有组织，"Viboud说。然而，计算机模型的好坏取决于输入的数据。
哈佛大学公共卫生学院的流行病学家Marc Lipsitch说："现在数据的质量是如此的不确定，以至于我们不知道这些模型在预测这种疾病爆发方面有多好。"
建模者渴望获得更多关于关键问题的信息，比如有多少人没有症状就被感染了，以及有多少人会把病毒传染给其他人。
然而，Lipsitch说，即使没有完美的数据，在电脑上研究的虚拟疫情也可以帮助决策者了解各种可能的情况。
Lipsitch说："实际上，模型帮助你思考事情，而不是告诉你你不知道的事情。"
一些建模者认为，与其仅仅使用模型来对新出现的疫情做出反应，还不如在持续的基础上对实时疾病预测进行投资。
图片来源：https://cn.bing.com
洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)的数学和计算流行病学家Sara Del Valle说，她希望看到建立一个全球中心，不断收集有关传染性疾病的信息。
她说，就像美国国家气象局(National Weather Service)提供天气预报，帮助人们为当地天气做准备一样，这样的中心可以告诉人们当地感染疾病的风险。
"你知道，人们实际上可以打开他们的手机，打开一个应用程序，然后看看感染的可能性，"她说。"它可能会说，'在你的社区里，有20%的可能性患上流感，这是基于那里正在传播的疾病。'"
她说，这样一个系统的优势在于，如果像这种冠状病毒这样的新型传染病威胁突然出现，所有的研究人员，再加上数据收集和建模资源，就已经到位了。（生物谷Bioon.com）
参考资料：
版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->
