آخرین مطالب

اندازه‌گیری شیوع بیماری زمانی که همه ناقلین آن را نشان نمی‌دهند – – یک چالش است


موارد بدون علامت کووید-19 آفت وجود مدل‌سازان رایانه‌ای است – آنها داده‌های مدل‌سازی را تا حد نامعلومی از بین می‌برند. شما نمی توانید چیزی را که نمی توانید تشخیص دهید اندازه گیری کنید، درست است؟ با این حال، یک رویکرد جدید از بخش نظری آزمایشگاه ملی لوس آلاموس، با استفاده از داده‌های اپیدمی تاریخی از هشت کشور مختلف برای تخمین میزان انتقال و کسری از موارد گزارش نشده مورد بررسی قرار می‌گیرد.

نیک هنگارتنر، یکی از نویسندگان گزارشی که امروز در این مجله منتشر شد، گفت: «موارد بدون علامت «ماده تاریک» اپیدمی‌ها هستند. PLOS ONE. ما فقط شواهد غیرمستقیمی را می بینیم که نشان می دهد افراد بیشتر از آنچه گزارش شده است بیمار هستند و اگر آنها را در نظر نگیریم، ممکن است به اشتباه نتیجه بگیریم که همه گیری تحت کنترل است. بنابراین ما مدل را تغییر دادیم تا به جای تلاش، روی تعداد مشاهده شده تمرکز کنیم. برای مدل‌سازی دنیای «کامل». با نگاه کردن به سری‌های زمانی داده‌های تاریخی، می‌توانیم از پویایی آن‌ها ببینیم که چه چیزی کم است.»

اهمیت ثبت موارد غیرقانونی قابل توجه است، به ویژه در بیماری هایی مانند کووید-19، که در آن افراد بدون علامت 20 تا 70 درصد از کل عفونت ها را تشکیل می دهند.

یکی از نویسندگان مقاله Imelda Trejo، یک محقق فوق دکتری در لس آلاموس، خاطرنشان کرد: “این یک بسط جدید از مدل های اپیدمیولوژیک استاندارد SIR (مدل های حساس-عفونی-دریافت شده) برای مطالعه شیوع کمتر گزارش شده بیماری های عفونی است. مدل جدید نشان می دهد که تلاش برای سازگاری یک مدل SIR که مستقیماً به داده‌های بروز خام مربوط می‌شود، میزان واقعی عفونت را دست‌کم می‌گیرد. در عوض، تیم یک روش بیزی (یک مدل آماری با استفاده از احتمال برای نشان دادن تمام عدم قطعیت ها در مدل) برای تخمین نرخ انتقال و کسری از موارد گزارش نشده ارائه کرد.

همانطور که در برابر داده های هشت کشور (آرژانتین، برزیل، شیلی، کلمبیا، مکزیک، پاناما، پرو و ​​ایالات متحده آمریکا) آزمایش شد، رویکرد جدید به طور مستقیم پویایی موارد مشاهده شده و کمتر گزارش شده را توصیف می کند. ترژو گفت: «ما از پویایی محلی موارد مشاهده شده برای پیشنهاد مدلی استفاده می کنیم که بر اساس تاریخچه مشاهده شده، انتظار مشروط موارد جدید را به ما می دهد.

منبع داستان:

مواد ارائه شده توسط DOE/آزمایشگاه ملی لوس آلاموس. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.