Материал портала ядерных знаний BelNET
статья/документ по запросу ресурса "1645"
2022-02-17 На сайте Лос-Аламосской национальной лаборатории (LANL) советуем прочесть статью "Capturing hidden data for asymptomatic COVID-19 cases provides a better pandemic picture" - "Сбор скрытых данных о бессимптомных случаях COVID-19 обеспечивает лучшую картину пандемии". Хорошо известно, что оценка и измерение скорости распространения болезни представляет собой проблему, когда не все носители проявляют ее.Бессимптомные случаи COVID-19 — это бич при компьютерном моделировании. Они отбрасывают данные моделирования до неизвестной степени. Нельзя измерить то, что невозможно обнаружить. Однако новый подход Теоретического отдела Лос-Аламосской национальной лаборатории предполагает использование исторических данных об эпидемиях из восьми разных стран для оценки скорости передачи и доли случаев, о которых не сообщается. Бессимптомные случаи — это «темная материя» эпидемий. Мы видим только косвенные доказательства того, что больных больше, чем сообщается, и если мы их не учтем, мы можем ошибочно сделать вывод, что эпидемия находится под контролем. Поэтому ученые изменили модель, чтобы сосредоточиться на наблюдаемых количествах вместо того, чтобы пытаться смоделировать «идеальный» мир. Оглядываясь на временные ряды исторических данных, можно увидеть реальную картину распространения заболевания по их динамике. Важность выявления незадокументированных случаев очень важна, особенно при таком заболевании, как COVID-19, где на бессимптомных лиц приходится 20–70% всех случаев заражения. Это новое расширение стандартных эпидемиологических моделей "восприимчивость-инфекция-выздоровление" (SIR) для изучения заниженной заболеваемости инфекционными заболеваниями. Новая модель показывает, что попытка сопоставить тип модели SIR непосредственно с необработанными данными о заболеваемости приведет к недооценке истинного уровня заражения. Это фактически может привести к тому, что лица, принимающие решения, преждевременно объявят эпидемию под контролем. Ученые представили байесовский метод - статистическую модель, использующую вероятность для представления всей неопределенности в модели, для оценки скорости передачи и доли случаев, о которых не сообщается. В результате проведенных исследований показано, что при проверке на данных восьми стран (Аргентина, Бразилия, Чили, Колумбия, Мексика, Панама, Перу и США) новый подход непосредственно описывает динамику наблюдаемых заниженных случаев. Ученые используют локальную динамику наблюдаемых случаев, чтобы предложить модель, которая дает условное ожидание новых случаев на основе наблюдаемой истории. Полностью материал можно прочесть здесь. Ссылка на оригинальную статью в свободном доступе: I.Trejo, N. W. Hengartner. A modified Susceptible-Infected-Recovered model for observed under-reported incidence data. Plus One. 2022. DOI: 10.1371/journal.pone.0263047 Загрузить:
|
Вход, регистрация
