Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Encenações deespalhamento modelo dos pesquisadores para compreender o impacto de COVID-19

Os pesquisadores no Niels Bohr Institute, universidade de Copenhaga, junto com o epidemiologista Simonsen solitário da universidade de Roskilde fazem parte do painel recomendando o governo dinamarquês em como abordar as situações que deespalhamento diferentes nós todos vimos para se desdobrar durante o ano passado.

Os pesquisadores modelaram a propagação das infecções sob uma variedade de encenações, e o Coronavirus provou não seguir os modelos mais velhos do espalhamento da doença. Uma imagem cada vez mais variada de seu comportamento e assim seu impacto na sociedade emergiu.

Em diversos artigos científicos, os pesquisadores descreveram o conhecimento aumentaram até agora, recentemente em torno do conceito de “superspreaders”. Despeja que somente aproximadamente 10% daqueles contaminados esclarecem aproximadamente 80% da propagação da infecção. Os resultados foram publicados nas continuações do jornal científico da Academia Nacional das Ciências, PNAS.

De onde nosso conhecimento do espalhamento das infecções provem?

O uso dos pesquisadores dos dados” alimentar” e desenvolver modelos de computador vem de uma vasta gama de fontes diferentes. As municipalidades dinamarquesas mantiveram inventários da propagação da infecção, e estes dados têm a vantagem que provêm das unidades que não se acabam grandes.

Há um alto nível do detalhe e este significa que um pode seguir a revelação local mais claramente e assim construir parâmetros para superspreading, a que Postdoc Julius Kirkegaard contribuiu. O traçado do contacto é uma outra fonte de informação. Nesse caso, o foco está em localizar e em limitar a transmissão do indivíduo do vírus. A terceira fonte é ligeira mais complicada porque procura seguir a corrente das infecções através da seqüência do gene do vírus.

Quem são os superspreaders?

Apesar do que pesquisadores da fonte examinam, os resultados entregam aproximadamente o mesmos: 10% do todo o aqueles contaminados esclarecem tanto quanto 80% da propagação da infecção. É conseqüentemente crucial, com relação à propagação do vírus encontrar os superspreaders assim chamados e descobrir como superspreading ocorre. Os pesquisadores forçam que, no momento em que, nós não somos bastante certos o que constitui uma pessoa como um superspreader.

Pode puramente estar para baixo às características pessoais, fisiológicos. Além, há uns vários graus de superspreading na população, assim que não é necessariamente apenas uma ou a outro. Alguns povos espalham simplesmente o vírus mais do que outro e a variação das pessoas com quase nenhuma transmissão aos superspreaders são grandes.

Como os pesquisadores modelam uma população de apenas sob 6 milhão indivíduos?

Três categorias básicas são consideradas importantes ao modelar o comportamento da população, ao calcular uma encenação para a propagação da infecção: 1. O contexto da família, 2. trabalha o contexto e 3. Os povos aleatórios dos contextos encontram-se dentro - ou seja povos na proximidade no transporte público, nas actividades de lazer etc. O factor de tempo em todos os três é crucial, porque toma o tempo contaminar outros povos. Em termos do tempo, estas três categorias são um tanto idênticas quando se trata das doenças comuns, mas não de uma variação do coronavirus do superpreader.

Mas isto é o lugar aonde as características individuais do vírus entram o jogo: Superspreaders é bastante diferente quando segurado em um modelo de computador. Os métodos conhecidos da física tornam-se importantes aqui, porque é necessário modelar indivíduos e seus contactos.

Os pesquisadores estabeleceram modelos de computador para encenações com e sem superspreaders, e transpira aquele que fecha espaços de trabalho assim como eventos desportivos, e o transporte público tem o mesmo efeito quando o modelo não leva em conta superspreaders. Mas quando nós incluirmos superspreaders, há uma diferença pronunciada, e a parada programada de eventos públicos tem um efeito muito maior.

Doença que modela desafios novos das faces e a colaboração interdisciplinar forte

As doenças podem comportar-se muito diferentemente e é conseqüentemente incredibly importante ser apronta-se e capaz da mudança rápida com relação à revelação dos modelos novos que reflectem as características de doenças diferentes tão exactamente como possível, se nós esperamos as conter.

A variação biológica de vírus diferentes é enorme. SARS-CoV-2 contem uma característica especial que está no seu mais contagioso imediatamente antes que uma desenvolve sintomas. Este é o oposto exacto de uma doença mais adiantada que ameace se transformar uma pandemia, a saber o SARS, que é na maior parte contagioso depois que um indica sintomas. Os vírus são extremamente máquinas avançadas os pontos fracos específicos desse cada achado a explorar. Um campo de pesquisa novo está tornando-se ràpida, que examina como os vírus atacam as pilhas em nosso corpo. COVID-19 provou conduzir às progressões muito diferentes da doença para pacientes diferentes. Nisso sentidos, comporta-se caòtica, como nós dizemos na física.”

Kim Sneppen, professor, universidade de Copenhaga - faculdade da ciência

O estudante Bjarke Frost Nielsen e professor Kim Sneppen do Ph.D. vê um grande campo de pesquisa aberto dentro da colaboração entre a física e a biologia. Recolher tanta informação possível sobre vírus diferentes é crucial assim permitindo physists de distribuir este conhecimento em traçar encenações para responder-lhes.

O potencial para a pesquisa na propagação das infecções é grande

Bjarke Frost Nielsen diz: “Nós precisamos de criar uma caixa de ferramentas que contenha uma variação larga na maneira que nós abordamos a propagação da transmissão, em nossos programas informáticos. Esta é a perspectiva que imediata nós podemos ver na frente de nós, neste momento. A modelagem matemática da doença estêve ao redor por quase 100 anos, mas não muito progresso foi feito infelizmente durante esse período. Para pô-lo sem corte, as mesmas equações dos anos 30 são ainda dentro uso hoje. Com relação a algumas doenças, podem estar correctos, mas com relação a outro podem ser maneira fora. Isto é o lugar onde, como físicos, nós temos uma aproximação completamente diferente. Há os parâmetros numerosos, isto é, dinâmica social e muito mais interacções variadas entre indivíduos que nós podemos construir nossas encenações em cima. Isto é ruim necessário, quando nós vemos as variações enormes nas doenças diferentes”.

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.