Πώς ένα μαθηματικό μοντέλο μπορεί να μας προετοιμάσει για νέα πανδημία

Οι επιδημίες γρίπης συνδέονται κυρίως με μια αρχική εμφάνιση μίας νέας ιογενούς παραλλαγής, ακολουθούμενη από μια αναζωπύρωση που συνοδεύει την έναρξη της ετήσιας περιόδου γρίπης. Στις ΗΠΑ, η νέα παραλλαγή της γρίπης H1N1, προκάλεσε ένα «ανοιξιάτικο κύμα» μεταξύ Απριλίου και Ιουλίου 2009, με πάνω από 5 εκατομμύρια ανθρώπους να εμφανίζουν λοιμώξεις. Στη συνέχεια, παρατηρήθηκε έντονη αναζωπύρωση του ιού κατά τη διάρκεια των λοιμώξεων από εποχική γρίπη τον Οκτώβριο του 2009. Αυτό το «κύμα πτώσης» είχε προκαλέσει 60,8 εκατομμύρια μολύνσεις και 274.304 νοσηλεία μέχρι τον Απρίλιο του 2010, όπως εκτιμάται.    

Όπως μεταδίδει το News Medical, σε μία νέα μελέτη, η οποία έχει δημοσιευθεί στο PLOS COMPUTATIONAL BIOLOGY, οι επιστήμονες ανέλυσαν τα δεδομένα επιτήρησης που ελήφθησαν από το «ανοιξιάτικο κύμα» χρησιμοποιώντας μαθηματικά μοντέλα για να προβλέψουν το χρόνο αιχμής και τα αποτελέσματα υγείας του επόμενου «κύματος πτώσης». Εφάρμοσαν αυτό το πλαίσιο για να καθοδηγήσουν τη λήψη αποφάσεων για μελλοντικές πανδημίες.

Τα δεδομένα επιτήρησης της γρίπης του «ανοιξιάτικου κύματος» το 2009 συλλέχθηκαν από 10 πολιτείες των ΗΠΑ. Στο μοντέλο ελήφθησαν υπόψη οι επιπτώσεις του ανοίγματος των σχολείων καθώς και οι περιβαλλοντικοί παράγοντες.  

Στα δεδομένα επιτήρησης, πολλές πολιτείες, συμπεριλαμβανομένης της Καλιφόρνια, έδειξαν σαφή σημάδια διακριτών ανοιξιάτικων κυμάτων και κυμάτων πτώσης. Το μοντέλο χρησιμοποίησε αυτά τα δεδομένα για να μελετηθεί το ποσοστό των συμπτωματικών περιπτώσεων που επιβεβαιώθηκαν εργαστηριακά και νοσηλεύτηκαν.

Σε αντίθεση με τα δεδομένα επιτήρησης της Καλιφόρνια, τα ελλιπή σύνολα δεδομένων του ανοιξιάτικου κύματος ελήφθησαν από τις πολιτείες Τζόρτζια, Νέο Μεξικό και Τενεσί. Αυτές οι πολιτείες ανέφεραν επίσης σημαντικά μικρότερο αριθμό κρουσμάτων κατά το κύμα πτώσης.

Χρησιμοποιώντας τα δεδομένα επιτήρησης, το μοντέλο προέβλεψε το χρόνο αιχμής και το μέγεθος του κύματος πτώσης. Ο προβλεπόμενος από το μοντέλο χρονισμός αιχμής, ήταν ελαφρώς νωρίτερα από τον πραγματικό χρόνο αιχμής του κύματος πτώσης που τεκμηριώθηκε. Ωστόσο, όσον αφορά το μέγεθος του κύματος πτώσης, οι προβλέψεις του μοντέλου ήταν εύλογα συγκρίσιμες με τα δεδομένα επιτήρησης.

Όσον αφορά το ποσοστό νοσηλείας κατά το κύμα πτώσης, οι προβλέψεις του μοντέλου ήταν παρόμοιες με τα δεδομένα επιτήρησης για 7 στις 10 πολιτείες που μελετήθηκαν. Ωστόσο, για τις πολιτείες Τζόρτζια, Νέο Μεξικό και Τενεσί, οι προβλέψεις ήταν λιγότερο ακριβείς. Συγκεκριμένα, το μοντέλο υπερεκτίμησε σημαντικά το ποσοστό των νοσηλειών για αυτές τις πολιτείες. Αυτό μπορεί να οφείλεται σε ανεπαρκή δεδομένα επιτήρησης που είναι διαθέσιμα για αυτές τις πολιτείες.

Απολαμβάνετε το περιεχόμενο μας? Εγγραφείτε στο newsletter μας!

Η μελέτη περιγράφει πώς μπορούν να χρησιμοποιηθούν μαθηματικά μοντέλα δυναμικής μετάδοσης της γρίπης για την ανάλυση προϋπαρχόντων δεδομένων επιτήρησης που ελήφθησαν στην αρχική φάση της πανδημίας, ώστε να μη βρεθούμε προ εκπλήξεως σε μία αντίστοιχη μεταγενέστερη υγειονομική κρίση.