Nowe badania dowodzą, jak ważną rolę mogą odegrać narzędzia modelowania matematycznego w zrozumieniu sposobu rozprzestrzeniania się COVID-19 oraz w łagodzeniu jej skutków.
W zglobalizowanym świecie lokalna epidemia może szybko rozwinąć się w pełnowymiarową pandemię – fakt ten stał się aż nazbyt widoczny w przypadku COVID-19.
Od początku pandemii narzędzia modelowania matematycznego odgrywają ważną rolę w zrozumieniu sposobu rozprzestrzeniania się choroby i w ocenie skuteczności różnych działań łagodzących. Weźmy na przykład finansowany ze środków UE projekt CAOS. Projekt ten, realizowany przy wsparciu działania „Maria Skłodowska-Curie”, miał na celu lepsze zrozumienie warunków powodujących tak szybkie rozprzestrzenianie się pandemii oraz ocenę strategii jej powstrzymywania i łagodzenia jej skutków.
„Wykorzystując pandemię COVID-19 jako studium przypadku, postanowiliśmy scharakteryzować naturę złożonego i stochastycznego procesu rozprzestrzeniania się epidemii w obrębie sieci kontaktów”, mówi Bo Li, naukowiec z Uniwersytetu Aston pełniący rolę badacza w ramach projektu CAOS.
„Szczególny nacisk położyliśmy na okres, w którym u danej osoby nie wystąpiły jeszcze objawy, ale już zaczęła zakażać, co w połączeniu z kontaktami międzyludzkimi w dużej mierze sprawiło, że choroba była w stanie rozprzestrzenić się tak szybko, zanim powszechnie uświadomiono sobie jej obecność”, dodaje David Saad, profesor na Uniwersytecie Aston i koordynator projektu CAOS.
Strategie łagodzenia skutków i badania
Aby przeprowadzić to badanie, Li i Saad w dużej mierze oparli się na zaawansowanych technikach z dziedzin matematyki i fizyki teoretycznej. „Te techniki analityczne pozwoliły nam opracować wydajne i dokładne algorytmy mające na celu opracowanie złożonych modeli rozprzestrzeniania się epidemii oraz dostarczenie informacji na temat skuteczności różnych strategii powstrzymywania epidemii i łagodzenia jej skutków”, zauważa Saad.
Równocześnie dowiedziono przydatności pomysłów z zakresu teorii informacji w rozwiązywaniu kryzysów zasobowych w czasie pandemii. Na przykład zamiast szeroko stosowanej podczas pandemii COVID-19 strategii testów indywidualnych badacze opowiedzieli się za wykorzystaniem testów grupowych jako bardziej efektywnej alternatywy. Testy grupowe, zwane również testami zbiorczymi, łączą próbki pochodzące od wielu osób w jedną pulę, która jest następnie badana przy użyciu jednego testu na każdą pulę.