Forscher der New York University Tandon School of Engineering an der Politecnico di Torino, Italien, haben ein mathematisches Modell entwickelt, das heilen konnte, das potential zu unterschätzen, wie schnell Krankheiten verbreiten. Das team entdeckte, dass die aktuellen Vorhersagemodelle verpassen, die Einfluss auf einen kritischen Aspekt des sozialen Verhaltens von Individuen.
Im Gegensatz zu den aktuellen Modellen-die in der Regel annehmen, dass eine Konstante rate der Verbreitung — das neue Modell berücksichtigt die Neigung für einzelne soziale Interaktionen einen Wechsel zwischen Perioden der Latenz und der “Burst” – Episoden von intensiver Aktivität. In einer Global vernetzten Welt, burstiness können sich entzünden, den wildfire-wie Ausbreitung der Krankheit, gestärkt durch ein Soziales feedback-Schleife, in der Personen, die aktiv in die Generierung von verbindungen mit anderen dazu neigen, weiter zu erhöhen Ihre Aktivität. Wissenschaftler bezeichnen dieses Phänomen als “self-Begeisterung.”
“Menschliche soziale Verhalten ist oft anfällig für selbst-Aufregung: je mehr wir aktiv sind, desto mehr werden wir erhalten Aufmerksamkeit und Befriedigung, was wiederum stärkt unsere Aktivitäten”, erklärt co-Autor Maurizio Porfiri, ein professor von mechanischem und Luft-und Raumfahrttechnik sowie biomedical engineering an der NYU Tandon. Co-Autoren sind Alessandro Rizzo, visiting professor an der NYU Tandon und associate professor für Regelungstechnik an der Politecnico; und Lorenzo Zino, visiting student an der NYU Tandon und ein Politecnico Doktorand.
Ein neues Modell erscheint in “Modellierung von Memory-Effekten in der Aktivität Driven Networks”, veröffentlicht in der Society for Industrial and Applied Mathematics (SIAM) Journal on Applied Dynamical Systems.
Wenn Krankheiten zuschlagen, Epidemiologen, Gesundheits-Anbieter, politische Entscheidungsträger und Wissenschaftler nutzen prädiktive Modelle zu verfolgen und prognostizieren, wie sich Epidemien wahrscheinlich sind, zu infiltrieren Bevölkerung. Gegen diejenigen, die Ausbrüche von Ebola, Masern, mumps und Tuberkulose alle verlassen sich auf prädiktiven Modellen zu verschreiben Methoden, um die Ausbreitung.
In dem Papier, entwickelten die Forscher eine zeitlich variierende Netzwerk-Modell unter Einbeziehung der burstiness, dann vereinfacht das Modell durch eine mathematische Manöver namens Hawkes-Prozesse, die verlassen sich auf nur zwei Parameter, und sind in der Lage zu reproduzieren hochkomplexe Phänomene beobachtet, die in der empirischen Daten, wie die burstiness und clustering.
Porfiri erklärt, dass die neue Forschung ist ein zwingender Schritt in der Entwicklung mathematischer Modelle, die in der Lage sind, zu beschreiben und Vorhersagen, die alle Arten von sozialen Dynamiken.
“Die meisten der vorhandenen Literatur davon ausgegangen, dass sich Epidemien verbreiten, entweder viel schneller oder viel langsamer als die Geschwindigkeit, mit der Individuen bauen, die sozialen verbindungen”, sagte er. “Das ist selten wahr, als Menschen Reisen können jede Strecke in ein paar Stunden, effektiv die Verbreitung vieler Krankheitserreger.”
“Dieses Phänomen der individuellen Interaktion Formen die evolution der sozialen Systeme und kann nicht vernachlässigt werden, wenn die Modellierung von Problemen der realen Welt”, ergänzt Rizzo. “Wir glauben, dass die Formalisierung und Analyse eines solchen Features ist der Schlüssel zu einem mathematisch geerdet Untersuchung von Problemen der realen Welt, sowohl aus qualitativer und quantitativer Sicht.”
Der team-Ansatz ermöglicht differenzierte Modellierung von verschiedenen Krankheiten-von eine hoch ansteckende airborne virus wie der Grippe, die sich schnell unter den Menschen mit hoher Mobilität aber eingeschränkt, indem diejenigen, die seclude sich, einen virus wie HIV, die eine lange Latenzzeit und der langsameren übertragungsrate.
Das team will auch andere realen Funktionen der menschlichen Systeme, die in das Modell.
“Wir sind auch daran interessiert, die Untersuchung anderer Dynamik, wie die Entwicklung der Meinungen in social communities, kognitive Verzerrungen oder Dissonanzen, oder die konkurrierenden Verbreitung von Informationen und Fehlinformationen,” Rizzo sagte.
