Следећу еболу је тешко предвидети, али "Оутбреак Форецастинг" може помоћи

Двогодишњи дечак у сеоској Гвинеји умро је од еболе у ​​децембру 2014. Током наредне две године, скоро 30.000 људи у западној Африци било би заражено вирусом еболе.

Зашто, за разлику од претходних 17 епидемија еболе, да ли је ова постала тако велика, тако брзо? Шта се, ако ишта, може учинити како би се спријечиле будуће епидемије? Ова питања, заједно са многим другим, налазе се у срцу нове научне области предвиђања епидемија. А улози нису могли бити виши. У јануару је Свјетски економски форум назвао пандемију једним од највећих ризика за пословни и људски живот.

Током последњих неколико векова, научници су постајали све бољи у предвиђању многих аспеката света, укључујући орбиту планета, осеку и ток плиме и осеке, и путеве урагана. Способност да се разумију природни и физички системи довољно добро да би се направиле тачне прогнозе је можда једно од највећих достигнућа човечанства.

Велики дио овог успјеха у прогнозирању почиње с темељним увидом Исака Невтона да постоје непромјењиви универзални закони који управљају природним феноменима око нас. Способност брзог извршавања великих калкулација подстакла је Невтонову перспективу да се, с обзиром на довољно података и рачунарске снаге, могу предвидјети најсложеније појаве.

Међутим, постоје ограничења. Као научници који проучавају ове врсте предиктивних система, сумњамо да ће бити могуће предвидети тачно шта ће се даље десити у избијању болести, јер се најважније варијабле могу много промијенити од једне до друге епидемије.

Због тога је, као и код временске прогнозе, прикупљање података у реалном времену врло битно за унапређење способности научне заједнице да предвиди избијање болести.

Цаприциоус Епидемицс

Идеја да научници могу моделирати епидемије заснива се на идеји да је путања сваке епидемије предвидљива због својих унутрашњих и непроменљивих својстава.

Рецимо да је болест узрокована трансмисивним патогеном. Инфективност те болести може бити инкапсулирана у број који се назива “основни репродуктивни однос”, или Р0, број који описује колико се широк патоген може ширити у датој популацији.

Ако епидемиолози знају довољно о ​​Р0 патогена, нада је да они могу предвидјети аспекте свог следећег избијања - и надамо се да ће спријечити епидемије малих размјера да постану епидемије великих размјера. Они то могу учинити мобилизирањем ресурса у подручја гдје патогени имају посебно високе вриједности Р0. Или могу ограничити интеракције између носилаца болести и најосјетљивијих чланова датог друштва, често дјеце и старијих особа.

На тај начин, Р0 се тумачи као непроменљиви број. Али модерне студије показују да то није случај.

На пример, размотрите епидемију вируса Зика. За ову болест, Р0 се кретао од 0,5 до 6,3. Ово је изузетан распон, од болести која ће се сама распршити до оне која ће изазвати дуготрајну епидемију.

Могло би се помислити да овај широки распон вриједности Р0 за Жику произлази из статистичке несигурности - да је можда само научницима потребно више података. Али то би било углавном нетачно. За Жику, безброј фактора, од климе и комараца до присуства других сродних вируса као што су денга и улога сексуалног преноса, све доводе до различитих вредности Р0 у различитим окружењима.

Испоставља се да су карактеристике епидемије - заразност патогена, брзина преноса, доступност вакцина, и тако даље - промењене тако брзо током једног избијања болести да су научници у стању да предвиде динамику само у току те епидемије. Другим ријечима, проучавање избијања болести вируса еболе у ​​априлу 2014. може помоћи научницима да схвате избијање еболе у ​​истом окружењу наредног мјесеца, али то је често мање корисно за разумијевање динамике епидемија еболе, као што је она која се догодила у мају 2018. године.

Епидемије често нису уредне и повезане појаве. То су бучни догађаји где многе варијабле играју битне, али се мијењају, улоге. Не постоји основна истина о болести - само нестабилна збирка детаља која варира, често се заплета, како се болест шири.

Беттер Предицтионс

Ако научници нису сигурни да могу разумјети епидемиолошке системе довољно добро да би могли предвидјети понашање сродних, зашто се трудити да их проучавају?

Одговор би могао бити у ономе што називамо "меком физиком" предвиђања: Научници би требали престати претпостављати да свако избијање прати иста правила. Када се упореди једна епидемија са другом, они треба да имају на уму све контекстуалне разлике између њих.

На пример, биолози су открили многе детаље о инфекцијама грипа. Они знају како се вируси везују за ћелије домаћине, како се реплицирају и како развијају отпорност на антивирусне лијекове. Али једна епидемија је можда почела када је велики број становника користио јавни превоз одређеног дана у месецу, док је други могао бити покренут од стране вјерске службе. Иако су оба избијања укорењена у истом инфективном агенсу, ове и многе друге разлике у њиховим појединостима значе да ће научници можда морати да преобликују како моделују како сваки напредује.

Да би боље разумели ове детаље, научницима су потребна значајна улагања у податке у реалном времену. Узмите у обзир да Национална метеоролошка служба троши више од милијарду долара годишње на прикупљање података и предвиђање. ЦДЦ троши само четвртину средстава на статистику јавног здравства и нема намјенски буџет за предвиђање.

Надзор болести и даље остаје једна од области највишег степена науке. Пажљивим разматрањем јединствених околности које су у позадини епидемија и одговорнијег прикупљања података могло би се спасити хиљаде живота.

Овај чланак је првобитно објављен на разговору Ц. Брандона Огбунуа, Рандалла Харпа и Самуела В. Сцарпина. Прочитајте оригинални чланак овде.