W niedawnym przełomowym badaniu wprowadzono nowatorską metodologię, która znacznie zwiększa dokładność szacunków epidemiologicznych dotyczących chorób zakaźnych, takich jak COVID-19. Badanie zatytułowane „Pokonanie błędu systematycznego w szacowaniu parametrów epidemiologicznych za pomocą realistycznej dynamiki rozprzestrzeniania się choroby zależnej od historii” zostało niedawno opublikowane w czasopiśmie Komunikacja przyrodnicza.
Zespół badawczy, kierowany przez profesora KIM Jae Kyounga z KAIST i głównego badacza Grupy Matematyki Biomedycznej w Instytucie Nauk Podstawowych (IBS), wraz z dr CHOI Sunhwą z Narodowego Instytutu Nauk Matematycznych (NIMS) i profesorem CHOI Boseung z Uniwersytetu Koreańskiego, zajął się długotrwałym wyzwaniem w modelowaniu chorób zakaźnych. W poprzednich modelach wykorzystywano przede wszystkim dynamikę niezależną od historii choroby, która zakładała stałe prawdopodobieństwo przejścia między różnymi stadiami choroby, niezależnie od czasu od ekspozycji. Takie podejście może prowadzić do znacznego błędu systematycznego w szacowaniu krytycznych parametrów, takich jak liczba reprodukcyjna (R), okres utajony i okres zakaźny.
Natomiast nowo opracowana przez zespół metoda przyjmuje ramy zależne od historii choroby, w których prawdopodobieństwo przejścia między stadiami choroby zmienia się w czasie. To realistyczne podejście do modelowania eliminuje błędy wprowadzane przez konwencjonalne metody i pozwala na dokładniejsze przewidywanie rozprzestrzeniania się choroby, nawet jeśli dostępne są jedynie potwierdzone dane dotyczące przypadków. Ma to kluczowe znaczenie dla określenia skuteczności strategii interwencyjnych, takich jak dystans społeczny i kampanie szczepień.
Profesor KIM Jae Kyoung wyjaśnił: „Nasze badania stanowią zmianę paradygmatu w szacowaniu parametrów epidemiologicznych. Pokonując ograniczenia poprzednich modeli, możemy teraz zapewnić urzędnikom odpowiedzialnym za zdrowie publiczne dokładniejsze dane na temat dynamiki choroby. W ostatecznym rozrachunku umożliwi to skuteczniejsze strategie interwencyjne. pomaga nam lepiej zarządzać epidemiami chorób zakaźnych i je kontrolować.”
Dr CHOI Boseung z Uniwersytetu Koreańskiego, inny autor korespondujący, dodał: „Nowa metoda pozwala nam dokładnie oszacować rozkład okresu zakaźnego, nawet jeśli okres ten zmienia się w czasie ze względu na różne środki interwencyjne i ewolucję choroby. Ta elastyczność w szacowaniu parametrów została wykorzystana niemożliwe wcześniej przy użyciu tradycyjnych modeli. Nasza praca będzie miała znaczący wpływ na sposób, w jaki epidemiolodzy i urzędnicy zajmujący się zdrowiem publicznym reagują na przyszłe pandemie”.
Wykorzystując wczesne dane dotyczące wirusa COVID-19 z Seulu w Korei Południowej, zespół wykazał, że nowa metoda zapewnia znacznie dokładniejsze szacunki liczby reprodukcji w porównaniu z metodami konwencjonalnymi. Ustalili, że tradycyjne podejścia mogą nawet dwukrotnie przeszacowywać liczbę reprodukcji, co potencjalnie prowadzi do błędnych decyzji politycznych.
Dr CHOI Sunhwa podkreśliła: „To badanie stanowi znaczący postęp w naszym rozumieniu dynamiki chorób zakaźnych. Nowa metodologia może zapewnić urzędnikom odpowiedzialnym za zdrowie publiczne bardziej wiarygodne dane, co może prowadzić do podejmowania bardziej świadomych decyzji podczas pandemii”.
Zespół opracował także przyjazny dla użytkownika pakiet obliczeniowy o nazwie IONISE (Inference Of Non-MarkovIan SEir model), który upraszcza wdrażanie zaawansowanej metody wnioskowania. IONISE obsługuje różnorodne modele epidemiologiczne, dzięki czemu można go dostosować do różnych chorób zakaźnych i scenariuszy interwencji.
Dr HONG Hyukpyo twierdzi, że metodologia ta zrewolucjonizuje dziedzinę modelowania chorób zakaźnych i szacowania parametrów epidemiologicznych, torując drogę dla skuteczniejszych reakcji i strategii w zakresie zdrowia publicznego na przyszłe pandemie.
O Zespole Badawczym
Badanie zostało przeprowadzone przez wspólny zespół badawczy z Wydziału Nauk Matematycznych KAIST, Grupy Matematyki Biomedycznej w IBS, NIMS i Wydziału Big Data Science na Uniwersytecie Koreańskim. Dzięki głębokiej wiedzy specjalistycznej w zakresie modelowania matematycznego i epidemiologii zespół zamierza stawić czoła krytycznym wyzwaniom w zakresie przewidywania i kontroli chorób zakaźnych za pomocą zaawansowanych ram matematycznych i metod obliczeniowych.
Badania zostały wsparte grantami Koreańskiej Narodowej Fundacji Badawczej, Ministerstwa Edukacji, Fundacji Samsung Science and Technology Foundation oraz Instytutu Nauk Podstawowych.
