Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Scénarios de infection-propagation modèles de chercheurs pour comprendre le choc de COVID-19

Les chercheurs au Niels Bohr Institute, université de Copenhague, avec l'épidémiologiste Simonsen solitaire d'université de Roskilde font partie de la Commission informant le gouvernement danois sur la façon dont aborder les différentes situations de infection-propagation que nous tous avons vu pour dévoiler au cours de l'année.

Les chercheurs ont modélisé la propagation des infections sous un grand choix de scénarios, et le coronavirus a prouvé pour ne pas suivre les modèles plus anciens de la propagation de maladie. Une illustration de plus en plus diverse de son comportement et son choc sur la société a apparu ainsi.

En plusieurs articles scientifiques, les chercheurs ont décrit la connaissance se sont accumulés jusqu'à présent, récemment autour du concept des « superspreaders ». Il s'avère ce seulement approximativement 10% de ces infecté représentent approximativement 80% de la propagation de l'infection. Les résultats ont été publiés dans les démarches de tourillon scientifique de l'académie nationale des sciences, PNAS.

Où notre connaissance de la propagation d'infections provient ?

L'utilisation de chercheurs de caractéristiques » d'alimenter » et de développer des types d'ordinateur vient d'un large éventail de différentes sources. Les municipalités danoises ont maintenu des stocks de la propagation de l'infection, et cette caractéristique a l'avantage qu'elle provient des éléments qui ne sont pas terminé grands.

Il y a un niveau élevé de petit groupe et ceci signifie qu'on peut tracer le développement local plus clair et construire ainsi des paramètres pour superspreading, au lequel Postdoc Jules Kirkegaard a contribué. Le traçage de contact est une autre source d'information. Dans ce cas, l'orientation est sur localiser et limiter la boîte de vitesses de la personne du virus. La troisième source est légèrement plus compliquée en tant qu'elle recherche à suivre le réseau des infections par l'intermédiaire de la séquence du gène du virus.

Qui sont les superspreaders ?

Indépendamment quels chercheurs de source examinent, les résultats livrent rugueux la même chose : 10% de tout ces infecté représentent pas moins de 80% de la propagation de l'infection. Il est pour cette raison essentiel, par rapport à l'écart du virus pour localiser les soi-disant superspreaders et pour découvrir comment superspreading se produit. Les chercheurs chargent que, au moment où, nous ne sommes pas tout à fait sûrs ce qui constitue une personne comme superspreader.

Il peut purement être vers le bas aux caractéristiques personnelles et physiologiques. De plus, il y a des divers niveaux de superspreading dans la population, ainsi elle n'est pas forcément juste une ou l'autre. Certains écartent simplement le virus davantage que d'autres et la variation des personnes avec presque aucune boîte de vitesses aux superspreaders sont grands.

Comment les chercheurs modélisent-ils une population de juste au-dessous de 6 millions de personnes ?

Trois catégories fondamentales sont considérées importantes en modélisant le comportement de la population, en prévoyant un scénario pour la propagation de l'infection : 1. Le contexte de famille, 2. fonctionnent le contexte et 3. Les gens faits au hasard de contextes se trouvent dedans - en d'autres termes, les gens dans la proximité sur le transport en commun, aux loisirs etc. Le facteur temps dans chacun des trois est essentiel, car cela prend du temps d'infecter d'autres gens. En termes de temps, ces trois catégories sont quelque peu identiques quand il s'agit de maladies communes, mais quand il s'agit de pas variante de coronavirus de superpreader.

Mais c'est où les différentes caractéristiques du virus entrent dans le jeu : Superspreaders sont très différent une fois traité dans un type d'ordinateur. Les méthodes connues de la physique deviennent importantes ici, car il est nécessaire de modéliser des personnes et leurs contacts.

Les chercheurs ont installé des types d'ordinateur pour des scénarios avec et sans des superspreaders, et il transpire cela qui arrête des espaces de travail ainsi que des manifestations sportives, et le transport en commun a le même effet quand le modèle ne prend pas en considération des superspreaders. Mais quand nous incluons des superspreaders, il y a une différence prononcée, et l'arrêt des événements publics a un effet beaucoup plus grand.

La maladie modélisant des défis neufs de faces et la collaboration interdisciplinaire intense

Les maladies peuvent se comporter très différemment et il est pour cette raison incroyablement important d'être préparent et capable de l'évolution rapide par rapport au développement des modèles neufs qui réfléchissent les caractéristiques des différentes maladies aussi exactement comme possible, si nous espérons les contenir.

La variation biologique de différents virus est énorme. SARS-CoV-2 contient usage spécial parce qu'il est à son plus contagieux juste avant qu'on développe des sympt40mes. C'est l'opposé exact d'une première maladie qui a menacé de devenir une pandémie, à savoir le radar à ouverture synthétique, qui est en grande partie contagieux après qu'on manifeste des sympt40mes. Les virus sont extrêmement les machines avancées que ce chaque trouvent de faibles remarques spécifiques pour exploiter. Un domaine de la recherche neuf se développe rapidement, qui examine comment les virus attaquent les cellules dans notre fuselage. COVID-19 a prouvé à mener aux étapes progressives très différentes de maladie pour différents patients. Dans cela des sens, il se comporte chaotiquement, comme nous disons dans la physique. »

Kim Sneppen, professeur, université de Copenhague - faculté de la Science

Le stagiaire Bjarke Frost Nielsen et professeur Kim Sneppen de Ph.D. voient un grand domaine de la recherche ouvert dans la collaboration entre la physique et la biologie. La collecte d'autant informations possibles au sujet de différents virus est essentielle de ce fait permettant à des physists de déployer cette connaissance dans des scénarios de mappage pour répondre à eux.

Le potentiel pour la recherche sur la propagation des infections est grand

Bjarke Frost Nielsen dit : « Nous devons produire un coffre à outils qui contient une grande variation de la manière que nous abordons l'écart de la boîte de vitesses, dans nos programmes informatiques. C'est le point de vue immédiat que nous pouvons voir devant nous, à l'heure actuelle. La modélisation mathématique de la maladie a été autour pendant presque 100 années, mais malheureusement pas beaucoup de progrès ont été effectués au-dessus de cette période. Pour les mettre épointé, les mêmes équations des années 1930 sont encore en service aujourd'hui. Par rapport à quelques maladies, elles peuvent être correctes, mais par rapport à d'autres elles peuvent être éteintes voie. C'est où, comme physiciens, nous avons une approche complet différente. Il y a les nombreux paramètres, c.-à-d., dynamique sociale et beaucoup plus d'interactions diverses entre les personnes que nous pouvons établir nos scénarios au moment. C'est mal nécessaire, quand nous voyons les énormes variations des différentes maladies ».

Source:
Journal reference:

Sneppen, K., et al. (2021) Overdispersion in COVID-19 increases the effectiveness of limiting nonrepetitive contacts for transmission control. Proceedings of the National Academy of Sciences. doi.org/10.1073/pnas.2016623118.