Почему кривые заражения COVID-19 ведут себя так неожиданно - PSORDOC

Почему кривые заражения COVID-19 ведут себя так неожиданно

После первого пика эпидемии COVID-19 многие страны объяснили снижение числа инфекций нефармацевтическими вмешательствами. Такие фразы, как «социальное дистанцирование» и «сглаживание кривой» стали частью общего словарного запаса. Тем не менее, некоторые объяснения не дали результатов: как можно объяснить линейный рост кривых инфицирования, которые многие страны демонстрируют после первого пика, в отличие от S-образных кривых, ожидаемых от эпидемиологических моделей?

В новой статье, опубликованной в Proceedings of the National Academy of Sciences , ученые из Венского научного центра Complexity Science Hub (CSH) предлагают объяснение линейного роста кривой распространения инфекции .

«В начале пандемии кривые заражения COVID-19 показали ожидаемый экспоненциальный рост» , — говорит Стефан Турнер, президент CSH и профессор науки о сложных системах Венского медицинского университета. Это хорошо объясняется так называемым эффектом снежного кома: инфицированный человек заразит еще нескольких человек, а в цепной реакции они передадут вирус и нескольким другим людям. «С помощью таких мер, как социальное дистанцирование, правительства пытались снизить темпы роста ниже показателя выздоровления и, следовательно, значительно сократить количество новых случаев инфицирования. Однако при такой логике люди заразили бы меньше, чем один другой человек, и кривая сгладилась бы , в конечном итоге достигнув нуля — чего не произошло », — объясняет Тернер.

«Вместо этого мы наблюдали постоянный уровень инфицирования с аналогичным количеством новых случаев заражения каждый день», — добавляет соавтор Питер Климек (CSH & Medical Univ of Vienna). «Объяснить это с помощью стандартных эпидемиологических моделей в принципе невозможно».

Использование традиционных эпидемиологических моделей потребовало бы тщательной настройки параметров, что сделало бы модель все более неправдоподобной. «Если вы хотите сбалансировать измерения так, чтобы эффективное число воспроизводимости R оставалось ровно 1 — что-то, что объясняет линейный рост, — вам придется уменьшить контакты на такой же точный и постоянный процент. В действительности это крайне маловероятно», — говорит Климек.

(568 публикаций на сайте)

(Пока оценок нет)
Загрузка...
Понравилась статья? Поделиться с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!:

Содержание

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам:

Adblock
detector