Neseniai atliktas proveržio tyrimas pristatė naują metodiką, kuri žymiai padidina infekcinių ligų, tokių kaip COVID-19, epidemiologinių įverčių tikslumą.
Tyrimas, pavadintas „Įveikti šališkumą įvertinant epidemiologinius parametrus, naudojant realią nuo istorijos priklausomą ligos plitimo dinamiką“, buvo paskelbtas m. Gamtos komunikacijos.
Tyrimų grupė, vadovaujama KAIST profesoriaus Kim Jae Kyoung ir Pagrindinių mokslų instituto (IBS) Biomedicininės matematikos grupės vyriausiojo tyrėjo, kartu su dr. CHOI Sunhwa iš Nacionalinio matematikos mokslų instituto (NIMS) ir profesoriumi CHOI. Boseungas iš Korėjos universiteto sprendė ilgalaikį infekcinių ligų modeliavimo iššūkį.
Ankstesni modeliai pirmiausia naudojo nuo istorijos nepriklausomą dinamiką, kuri numato nuolatinę perėjimo tarp skirtingų ligos stadijų tikimybę, nepaisant laiko nuo poveikio. Šis metodas gali sukelti didelį šališkumą vertinant svarbius parametrus, tokius kaip reprodukcijos skaičius (R), latentinis laikotarpis ir infekcinis laikotarpis.
Priešingai, komandos naujai sukurtas metodas taiko nuo istorijos priklausomą sistemą, kai laikui bėgant keičiasi tikimybė pereiti iš vienos ligos stadijos į kitą.
Šis tikroviškas modeliavimo metodas pašalina įprastus metodus įvestus šališkumą ir leidžia tiksliau prognozuoti ligos plitimą, net jei yra tik patvirtintų atvejų duomenys. Tai labai svarbu nustatant intervencijos strategijų, pvz., socialinio atsiribojimo ir skiepijimo kampanijų, veiksmingumą.
Profesorius Kim Jae Kyoung paaiškino: „Mūsų tyrimai rodo epidemiologinių parametrų įvertinimo paradigmos pokytį. Įveikę ankstesnių modelių apribojimus, dabar galime pateikti visuomenės sveikatos pareigūnams tikslesnius ligos dinamikos duomenis. Tai leis veiksmingesnes intervencijos strategijas. padėti mums geriau valdyti ir kontroliuoti infekcinių ligų protrūkius“.
Dr Choi Boseung iš Korėjos universiteto, kitas atitinkamas autorius, pridūrė: „Naujasis metodas leidžia tiksliai įvertinti infekcinio laikotarpio pasiskirstymą, net kai šis laikotarpis keičiasi laikui bėgant dėl skirtingų intervencijos priemonių ir ligos raidos. Šis parametrų vertinimo lankstumas buvo Anksčiau tai buvo neįmanoma naudojant tradicinius modelius, mūsų darbas turės didelės įtakos epidemiologų ir visuomenės sveikatos pareigūnų atsakui į būsimas pandemijas.
Naudodama ankstyvuosius COVID-19 duomenis iš Seulo, Pietų Korėjos, komanda parodė, kad naujasis metodas suteikia daug tikslesnius reprodukcijos skaičiaus įvertinimus, palyginti su įprastiniais metodais. Jie nustatė, kad tradiciniai metodai gali pervertinti reprodukcijos skaičių iki dviejų kartų, o tai gali lemti klaidingus politinius sprendimus.
Dr Choi Sunhwa sakė: „Šis tyrimas žymi didelę pažangą mūsų supratimo apie infekcinių ligų dinamiką. Naujoji metodika gali suteikti visuomenės sveikatos pareigūnams daugiau patikimų duomenų, todėl pandemijos metu priimami geriau informuoti sprendimai.”
Komanda taip pat sukūrė vartotojui patogų skaičiavimo paketą, pavadintą IONISE (Inference Of Non-MarkovIan SEir model), kuris supaprastina jų pažangaus išvadų metodo įgyvendinimą. IONISE palaiko įvairius epidemiologinius modelius, todėl ją galima pritaikyti prie įvairių infekcinių ligų ir intervencijos scenarijų.
Dr. Hong Hyukpyo tvirtina, kad ši metodika pakeis infekcinių ligų modeliavimo ir epidemiologinių parametrų įvertinimo sritį, atverdama kelią veiksmingesniems visuomenės sveikatos atsakams ir strategijoms ateities pandemijose.