根据加州大学尔湾分校等机构的研究人员最近发表在《科学报告》上的一项研究，基于一种关于传染病如何传播的替代思考的新型流行病学模型，尤其是在大流行的早期阶段，为更准确的流行病建模和改善的疾病传播预测和反应提供了蓝图。
在论文中，科学家们说，标准的流行模型错误地认为传染病的传播速度取决于受感染和易感人群数量的简单乘积。作者建议，传播不是通过整个人群的完全混合出现的，而是在受感染个体的亚群边界。
UCI机械与航空工程专业教授Tryphon Georgiou表示：“标准的流行病学模型依赖于被感染者与未感染者之间强烈混合的假设，并且这些群体之间存在广泛的联系。相反，我们强调发生在地理上集中的细胞中的传播。因此，我们认为，使用分数指数有助于我们更准确地预测疾病感染率和传播率。”
研究人员提出了一种惯用模型的“小数幂替代方案”，该模型考虑了易感人群、感染人群和康复人群。这些分数（fSIR）模型中的指数值取决于各种因素，例如感染和健康亚群之间接触的性质和程度。
作者解释说，在流行的最初阶段，感染从传染性传播者向外传播到普通人群。由于易感人群的数量远大于被感染人群的数量，因此被感染细胞的边界以小于细胞面积之一的分数幂缩放。
研究人员通过一系列数值模拟测试了他们的理论。他们还将分数模型拟合到约翰·霍普金斯大学系统科学与工程中心的实际数据。这些数据涵盖了前几个月意大利、德国、法国和西班牙的COVID-19大流行。通过这两个过程，他们发现指数在0.6和0.8的范围内。
Georgiou说：“分数指数以不同的方式影响流行病在早期和后期的发展过程，因此，与以前的模型相比，确定正确的指数会延长可以做出可靠预测的持续时间。”
在当前的COVID-19大流行的背景下，对感染传播的更多了解可能有助于做出与社区中掩盖制度和社会疏远规定有关的决策。
乔吉欧说：“准确的流行病学模型可以帮助决策者选择正确的行动方案，以帮助防止传染病的进一步传播。”（cyy123.com）
原文出处：https://www.sciencedaily.com/releases/2020/12/201208153727.htm
