Bij de eerste tekenen van een uitbraak van een ziekte, epidemiologen, zorgverleners, beleidsmakers, en wetenschappers wenden zich tot geavanceerde voorspellende modellen om te bepalen hoe een ziekte zich verspreidt en wat er moet worden gedaan om besmetting tot een minimum te beperken. Een onderzoekssamenwerking tussen de Tandon School of Engineering van de New York University en Politecnico di Torino in Italië zet het traditionele modelleringsproces op zijn kop, voorspellingen opleveren die zowel eenvoudiger te berekenen zijn als meer afgestemd op een hyperverbonden wereld.

Alle voorspellende modellen correleren de beweging van een ziekte door een populatie in de tijd, maar de huidige simulaties houden geen rekening met een schijnbaar voor de hand liggend idee:dat mobiliteit en activiteit van persoon tot persoon verschillen, en dat deze variaties van invloed zijn op de kans op het oplopen of verspreiden van een ziekte.

Een nieuw paradigma werd uitgelegd in een paper gepubliceerd in Fysieke beoordelingsbrieven door Maurizio Porfiri, een professor in mechanische en ruimtevaarttechniek aan de NYU Tandon, Alessandro Rizzo, een gasthoogleraar aan NYU Tandon en een universitair hoofddocent regeltechniek aan Politecnico, en Lorenzo Zino, een politecnico-doctoraatsstudent in zuivere en toegepaste wiskunde.

De onderzoekers gaan ervan uit dat sommige mensen actiever zijn, sommige minder, en hun model verklaart hoe deze verschillen de verspreiding van ziekten kunnen beïnvloeden. Hun benadering maakt een genuanceerde modellering van verschillende ziekten mogelijk - van een zeer besmettelijk virus in de lucht zoals griep, die zich snel beweegt tussen mensen met een hoge mobiliteit, maar wordt beperkt door degenen die zich afzonderen, aan een virus zoals hiv, die een lange latentieperiode en een langzamere transmissiesnelheid heeft.

"De manier waarop ik beweeg is de manier waarop ik een ziekte krijg, " zei Porfiri. "We veranderen het gezichtspunt van waaruit we uitbraaksimulaties beginnen, omdat we niet kunnen begrijpen hoe een kleine uitbraak evolueert naar een epidemie zonder te begrijpen hoe de activiteitsniveaus van verschillende mensen helpen om het te verspreiden."

Verschillende traditionele modellen gaan uit van homogeniteit binnen de gemeenschap. "Het is alsof zieke mensen allemaal op een specifieke plaats zijn, verbinden met een bepaald aantal mensen, en dat is niet realistisch, " zei Rizzo. "Sommige mensen leggen meer connecties dan anderen, en de schaal van die verbindingen kan vergelijkbaar zijn met de schaal van de ziekte."

Porfiri en Rizzo legden uit dat traditionele simulaties een "discrete tijd/continue activiteit"-benadering gebruiken, waarvoor doorgaans uitgebreide en langdurige simulaties nodig zijn. De onderzoekers gebruiken eenvoudigere systemen van gekoppelde differentiaalvergelijkingen die de manipulatie mogelijk maken van factoren die de verspreiding van ziekten kunnen beïnvloeden.

Dit is het eerste onderzoek dat voortkomt uit een driejarige, $ 375, 000 National Science Foundation-beurs toegekend aan het team om de gelijktijdige evolutie van de dynamiek van infectieziekten en de netwerken waardoor ze zich verspreiden te bestuderen. Het onderzoek werd ook gedeeltelijk gefinancierd door subsidies van het US Army Research Office (ARO) en Compagnia di San Paolo.

Het team heeft een van de weinige benaderingen voor ziektemodellering ontwikkeld die heterogeniteiten in activiteitsniveaus gebruiken als een factor bij het verspreiden van ziekten. In experimenten om hun model te testen, het team voorspelde met succes de verspreiding van griep op een universiteitscampus en de verspreiding van een trending topic op Twitter.

"We hebben oneindig veel mogelijkheden om de impact van interventies te zien, " zei Porfiri. "We kunnen begrijpen hoe vaccins, quarantaine, of andere parameters beïnvloeden de besmetting. Sommige ziekten vatten vlam, terwijl anderen onmiddellijk worden vernietigd. Dit raamwerk maakt het mogelijk om te analyseren waarom en hoe dat gebeurt."

In de toekomst, de onderzoekers verwachten dat dit model de managementinspanningen tijdens een uitbraak zal ondersteunen, inclusief het implementeren van vaccinatiestrategieën, het evalueren van de risico's en voordelen van reisverboden, en het meten van de effectiviteit van ziektepreventiecampagnes.