science >> Wetenschap >  >> anders

Wiskundige curven voorspellen evolutie in verspreiding van COVID-19

Krediet:CC0 Publiek Domein

Inspanningen om de verspreiding van de Covid-19-pandemie in te dammen hebben nu de hoogste prioriteit van regeringen over de hele wereld. Terwijl ze deze levensreddende beslissingen nemen, het is vooral cruciaal voor beleidsmakers om nauwkeurig te voorspellen hoe de verspreiding van het virus in de loop van de tijd zal veranderen. Door onderzoek gepubliceerd in EPJ Plus, Ignazio Ciufolini aan de Universiteit van Salento, en Antonio Paolozzi aan de Sapienza Universiteit van Rome, een duidelijke wiskundige trend identificeren in de evolutie van dagelijkse nieuwe gevallen en sterftecijfers in China, en gebruik dezelfde curve om te voorspellen hoe een vergelijkbare vertraging zich zal ontvouwen in Italië.

Door hun strategieën af te stemmen op voorspellingen van de curve, beleidsmakers zouden beter toegerust kunnen zijn om wetenschappelijk robuuste plannen en tijdschema's voor hun inperkingsmaatregelen op te stellen. Ciufolini en Paolozzi baseerden hun aanpak op een functie die vaak wordt gebruikt in statistieken om veranderingen in de totale waarden van specifieke hoeveelheden in de loop van de tijd te volgen. Na fijnafstemming van de parameters die de vorm van hun curve definiëren, ze ontdekten dat het de evolutie van dagelijkse nieuwe gevallen en sterfgevallen nauw benaderde in officiële gegevens uit China, waar Covid-19 nu grotendeels is ingeperkt.

De onderzoekers gebruikten vervolgens dezelfde benadering om de evolutie van de twee waarden in Italië te voorspellen, door het eerste deel van hun curve aan te passen aan de officiële gegevens die op 29 maart beschikbaar waren. Hierdoor konden ze weloverwogen voorspellingen doen over wanneer het aantal dagelijkse nieuwe gevallen en sterfgevallen zal pieken, en dan aanzienlijk beginnen te dalen. Verder, het duo versterkte de betrouwbaarheid van deze voorspellingen door hun wiskunde op te nemen in Monte Carlo computersimulaties, die ze 150 keer renden.

Ciufolini en Paolozzi erkennen dat hun benadering geen rekening kan houden met factoren uit de echte wereld, zoals het aantal dagelijkse nasofaryngeale uitstrijkjes, social distancing, of het feit dat de werkelijke aantallen waarschijnlijk veel hoger zijn dan de gerapporteerde. Ze verbeteren nu de voorspellingen van hun algoritme door na te gaan hoe het aantal individuen dat met uitstrijkjes wordt getest nu veel hoger is in Italië dan aan het begin van de infectie. Als de overheid de nodige voorzorgsmaatregelen neemt, en curveparameters afgestemd op specifieke landen, ze hopen dat het een belangrijk onderdeel kan worden van monumentale wereldwijde inspanningen om de menselijke kosten van de wereldwijde pandemie te verminderen.