Wiskundige modellen zijn op grote schaal gebruikt om overheidsbeslissingen over de COVID-19-pandemie te begeleiden, van het voorspellen van resultaten tot zelfs het testen van mogelijke interventies.

Echter, de complexiteit van real-world scenario's stelt nog steeds nieuwe theoretische uitdagingen voor wiskundige modellering van epidemische verspreiding.

Bijvoorbeeld, bewijs van COVID-19 superverspreidende gebeurtenissen geeft aan dat het moeilijk is om kenmerken van deze gebeurtenissen te definiëren, die aanzienlijk kunnen variëren in duur en aantal betrokken personen.

Bestaande netwerkmodellen voor de verspreiding van epidemieën zijn vaak gericht op contacten tussen paren van individuen, terwijl individuen op colocatie worden gehouden, zoals op de werkplek, restaurants, of sportschool omvatten doorgaans meer dan twee personen. Ze houden ook vaak geen rekening met de heterogene tijdsduur van deze interacties op een specifieke locatie.

In een nieuwe studie, vandaag gepubliceerd in Fysieke beoordelingsbrieven , onderzoekers ontwikkelden een nieuwe benadering van epidemische modellering die rekening houdt met interacties tussen twee of meer mensen op dezelfde locatie en voor verschillende hoeveelheden tijd.

Uitdagende veronderstellingen

Het model ontwikkeld door het internationale onderzoeksteam, waaronder natuurkundigen van de Universiteit van Vermont en Université Laval, en geleid door professor Ginestra Bianconi, een wiskundige van de Queen Mary University of London, hield ook rekening met opkomend bewijs dat suggereert dat een minimale infectieuze dosis nodig is om een ​​infectie te laten optreden.

Deze nieuwe modelleringsaanpak verandert radicaal gevestigde aannames in epidemische netwerkmodellering, zoals infectiepercentages die lineair zijn met het aantal geïnfecteerde personen. De bevindingen laten zien dat co-locaties in combinatie met heterogene blootstellingsduur kunnen leiden tot niet-lineaire infectiepercentages als een minimale infectiedosis nodig is om een ​​infectie waarschijnlijk te laten optreden.

Professor Ginestra Bianconi, Hoogleraar Toegepaste Wiskunde aan Queen Mary, zei:"Bij colocatie kunnen groepen mensen betrokken zijn, terwijl netwerkmodellen voor de verspreiding van epidemieën doorgaans gebaseerd zijn op contactnetwerken die paarsgewijze interacties beschrijven die een heel andere topologie kunnen hebben dan co-locatiecontactnetwerken. Co-locatie komt ook voor in de tijd, ik kan bijvoorbeeld naar dezelfde sportschool van een andere persoon gaan, maar we ontmoeten elkaar misschien niet altijd en we kunnen daar voor een andere hoeveelheid tijd sporten."

"Onze benadering omvat de heterogeniteit van interacties als gevolg van co-locatie die optreedt tussen meer dan twee mensen gedurende verschillende tijdsperioden en onthult dat infectiekernels niet-lineair kunnen zijn in deze zeer heterogene scenario's, wat betekent dat als er twee keer zoveel geïnfecteerde personen een bepaalde locatie bezoeken, de kans op infectie ook meer dan twee keer zo groot kan zijn. Deze resultaten werpen een nieuw licht op de zeer heterogene aard van superverspreidende gebeurtenissen in de context van COVID-19."