Ďalšie Ebola je ťažké predpovedať, ale "Outbreak Forecasting" môže pomôcť

Dvojročný chlapec na vidieku Guinea zomrel v decembri 2014 na Ebolu. Počas nasledujúcich dvoch rokov by sa v západnej Afrike nakazilo vírusom Ebola takmer 30 000 ľudí.

Prečo, na rozdiel od predchádzajúcich 17 epidémií Ebola, tento rastol tak veľký, tak rýchlo? Čo, ak vôbec, možno urobiť, aby sa predišlo budúcim epidémiám? Tieto otázky, spolu s mnohými ďalšími, sú v centre vznikajúcej vedeckej oblasti predpovedania ohnísk. A stávky nemohli byť vyššie. Svetové ekonomické fórum v januári označilo pandémie za jedno z najväčších rizík pre obchod a ľudský život.

Počas posledných niekoľkých storočí sa vedci stali stále lepšími pri predpovedaní mnohých aspektov sveta, vrátane orbity planét, odlivu a prúdenia prílivov a ciest hurikánov. Schopnosť porozumieť prirodzeným a fyzickým systémom, ktoré sú dostatočne presné na to, aby boli presné prognózy, je možno jedným z najväčších úspechov ľudstva.

Veľká časť tohto úspechu pri prognózovaní začína základným pochopením Isaaca Newtona, že existujú nemenné univerzálne zákony, ktoré riadia prírodné javy okolo nás. Schopnosť rýchlo vykonávať veľké výpočty podporila newtonovskú perspektívu, že pri dostatočnom dátovom a výpočtovom výkone možno predpovedať najkomplexnejšie javy.

Existujú však obmedzenia. Ako vedci, ktorí študujú tieto druhy prediktívnych systémov, pochybujeme, že bude možné presne predpovedať, čo sa bude diať ďalej v prípade prepuknutia choroby, pretože najdôležitejšie premenné sa môžu meniť tak veľa z jednej epidémie na druhú.

Z tohto dôvodu, podobne ako v prípade predpovedí počasia, je pravdepodobné, že zhromažďovanie údajov v reálnom čase je nevyhnutné na zlepšenie schopnosti vedeckej komunity predpovedať prepuknutia.

Hrozné epidémie

Myšlienka, že vedci môžu modelovať epidémie, je založená na myšlienke, že trajektória každého ohniska je predvídateľná kvôli jej vnútorným a nemenným vlastnostiam.

Povedzme, že ochorenie je spôsobené prenosným patogénom. Infekcia tohto ochorenia môže byť zapuzdrená v počte nazývanom „základný reprodukčný pomer“ alebo R0, čo je číslo, ktoré opisuje, ako sa široko šíri patogén v danej populácii.

Ak epidemiológovia vedia dosť o R0 patogénov, dúfame, že môžu predpovedať aspekty svojho ďalšieho vypuknutia - a dúfajme, že zabránia vzniku epidémií v malom rozsahu. Môžu to urobiť mobilizáciou zdrojov do oblastí, kde majú patogény obzvlášť vysoké hodnoty R0. Alebo môžu obmedziť interakcie medzi nositeľmi choroby a najcitlivejšími členmi danej spoločnosti, často deťmi a starými ľuďmi.

Týmto spôsobom je R ° interpretovaný ako nemenné číslo. Ale moderné štúdie ukazujú, že to tak nie je.

Napríklad zvážte epidémiu vírusu Zika. Pre toto ochorenie sa R0 pohybovalo v rozmedzí od 0,5 do 6,3. To je pozoruhodné rozpätie, od choroby, ktorá sa bude rozptyľovať sama od seba až po chorobu, ktorá spôsobí dlhodobú epidémiu.

Dalo by sa myslieť, že táto široká škála hodnôt R0 pre Ziku vyplýva zo štatistickej neistoty - že vedci možno potrebujú viac údajov. Ale to by bolo väčšinou nesprávne. Pre Zika, nespočetné faktory, od klímy a komárov až po prítomnosť iných príbuzných vírusov, ako je Dengue, a úloha sexuálneho prenosu, to všetko vedie k rôznym hodnotám R0 v rôznych prostrediach.

Ukazuje sa, že vlastnosti epidémie - nákazlivosť patogénom, rýchlosť prenosu, dostupnosť vakcín a tak ďalej - sa menia v priebehu jediného ohniska tak rýchlo, že vedci sú schopní predpovedať dynamiku iba v priebehu tohto ohniska., Inými slovami, štúdium epidémie vírusu Ebola v apríli 2014 môže pomôcť vedcom pochopiť epidémiu eboly v tom istom prostredí na budúci mesiac, ale často je menej užitočná pre pochopenie dynamiky budúcich epidémií Ebola, ako je tá, ktorá sa stala v máji 2018.

Epidémie často nie sú úhľadné a zviazané javy. Sú to hlučné výskyty, kde mnohé premenné hrajú dôležité, ale meniace sa úlohy. Neexistuje žiadna základná pravda o chorobe - len nestabilný súbor detailov, ktoré sa líšia, často sa zaplietajú, ako sa choroba šíri.

Lepšie predpovede

Ak vedci nie sú presvedčení, že dokážu pochopiť epidemiologické systémy dostatočne dobre na to, aby predvídali správanie príbuzných, prečo sa obťažovať ich študovaním?

Odpoveď môže spočívať v tom, čo nazývame „mäkká fyzika“ predpovede: Vedci by mali prestať predpokladať, že každé ohnisko sa riadi rovnakými pravidlami. Pri porovnávaní jednej epidémie s druhou by mali mať na pamäti všetky kontextové rozdiely medzi nimi.

Napríklad, biológovia odhalili mnoho detailov o chrípkových infekciách. Vedia, ako sa vírusy viažu na hostiteľské bunky, ako sa replikujú a ako vyvíjajú rezistenciu na antivírusové lieky. Jedna epidémia sa však mohla začať, keď veľká populácia používala verejnú dopravu v určitý deň v mesiaci, zatiaľ čo iná mohla iniciovať zbor v náboženskej službe. Hoci obe ohniská sú zakorenené v rovnakom infekčnom agens, tieto a mnohé ďalšie rozdiely v ich detailoch znamenajú, že vedci môžu potrebovať preformulovať spôsob, akým každý postupuje.

Na lepšie pochopenie týchto údajov potrebujú vedci značné investície do údajov v reálnom čase. Zvážte, že Národná meteorologická služba vynakladá ročne viac ako 1 miliardu dolárov na zhromažďovanie údajov a tvorbu prognóz. CDC vynakladá na štatistiku verejného zdravia len jednu štvrtinu a na prognózovanie nemá vyhradený rozpočet.

Dohľad nad chorobami ostáva jednou z oblastí vedy s najvyšším podielom. Dôkladné zváženie jedinečných okolností, ktoré sú základom prepuknutia a zodpovednejšieho zhromažďovania údajov, by mohlo zachrániť tisíce životov.

Tento článok bol pôvodne uverejnený na Konverzácii C. Brandon Ogbunu, Randall Harp a Samuel V. Scarpino. Prečítajte si pôvodný článok.