Wetenschappers van het Rochester Institute of Technology hebben een methode ontwikkeld die volgens hen epidemiologen zal helpen de verspreiding van de COVID-19-pandemie efficiënter te voorspellen. Hun nieuwe studie, gepubliceerd in Physica D:Niet-lineaire verschijnselen , schetst een oplossing voor het SIR-epidemiemodel, die vaak wordt gebruikt om te voorspellen hoeveel mensen vatbaar zijn voor, besmet door, en hersteld van virale epidemieën.

De methode is gemaakt door Nathaniel Barlow, universitair hoofddocent aan de RIT's School of Mathematical Sciences, en Steven Weinstein, hoofd van de afdeling Chemische Technologie van het RIT. Ze zeggen dat door deze oplossing voor het model te gebruiken, epidemiologen kunnen snel veel verschillende scenario's voorspellen over hoe COVID-19 zich zou kunnen verspreiden op basis van verschillende variabelen. Projecties geproduceerd door wiskundige modellen helpen ambtenaren bij het nemen van beleidsbeslissingen over wanneer ze beperkingen moeten opleggen en opheffen die gericht zijn op het afvlakken van de curve van infectiepercentages.

De toegepaste wiskundigen die de methode hebben ontwikkeld, zeiden dat ze enthousiast waren om een ​​manier te vinden om hun vaardigheden toe te passen om de pandemie te bestrijden.

"Ik zat thuis te denken dat ik op de een of andere manier zou willen helpen met alles wat er gaande was, " zei Barlow. "We zagen een populair artikel over het SIR-model, zagen dat onze methode het proces kon versnellen en schreven snel de paper. Ons doel was om betere hulpmiddelen te krijgen voor de experts die deze ziekte bestrijden."

De methode was gebaseerd op oplossingen die ze eerder ontwikkelden voor zeer verschillende problemen in de thermodynamica, vloeistofmechanica en het voorspellen van de banen van licht rond zwarte gaten. Ze hebben de afgelopen zes jaar uitgebreid met niet-gegradueerde studenten aan die problemen gewerkt en ontdekten dat de oplossing voor het SIR-epidemiemodel een zeer vergelijkbare wiskundige structuur had. Hoewel de auteurs niet eerder op het gebied van epidemiologie hebben gewerkt, hun eerdere werk vertaalde zich naadloos naar dit nieuwe vakgebied.

"Vele keren, dat is wat wij als toegepaste wiskundigen doen - werken aan de grenzen van velden waar mensen normaal gesproken niet praten, " zei Weinstein. "We hebben een belangrijke functie om algoritmen te leveren ter ondersteuning van wetenschappelijk onderzoek en voorspelling. De techniek die we hier hebben ontwikkeld, is algemeen voor veel verschillende gebieden."

De auteurs zijn nu bezig om te laten zien hoe hun methode kan worden toegepast op complexere modellen zoals het SEIR-epidemiemodel, die vergelijkbaar is met het SIR-model, maar ook de bevolking voorspelt die wordt blootgesteld aan een epidemie.