یک بررسی جدید سرعت گسترش بیماری‌های عفونی به افراد خاص در یک شبکه (یا جامعه) را پیش‌بینی می‌کند.

نرخ گسترش و سرایت یک بیماری در جامعه به‌طور چشمگیری به میزان ارتباطات آن جامعه بستگی دارد. طاعون سیاهِ قرون وسطایی در اروپا با سرعت ۱.۵ کیلومتر در روز گسترش یافت. عفونت‌هایی مانند ویروس‌ زیکا (Zika) با کروناویروس در یک جامعه مدرن با ارتباطات جهانی ممکن است با سرعت ترسناک صدها کیلومتر در روز گسترش یابند. بااین‌حال رویکردهای کنونی برای تجزیه‌وتحلیل بیماری‌های عفونی همچنان به توانایی پیش‌بینی چگونگی گسترش بیماری در سطح تک‌تک افراد محدود است. اکنون سام مور و تیم راجرز از دانشگاه باث (University of Bath) در انگلیس از یک تکنیک تحلیلی برای پیش‌بینی سرعت سرایت بین‌فردی در یک شبکه بهره برده‌اند. احتمالاً این مدل به ابزاری بدل می‌شود که می‌تواند به مقامات بهداشت و درمان کمک کند تا آسیب‌پذیرترین یا خطرناک‌ترین افراد در شیوع بیماری را تشخیص دهند.

فیزیک‌دان‌های برای توصیف چگونگی تحرک بیماری‌های عفونی مدل‌های زیادی تهیه کرده‌اند. بیشتر تجزیه‌وتحلیل‌های پیشین برپایه‌ی چنین مدل‌هایی یا چگونگی گسترش بیماری در مقیاس‌های وسیع، شهرها، گروه‌های اجتماعی یا مناطق، را توصیف می‌کنند یا به شبیه‌سازی‌های عددی محاسباتی بزرگ برای ضبط چگونگی تحرکات هر فرد نیاز دارند. مور و راجرز برای تهیه شرح تحلیلی در سطوح فردی، از یک رویکرد مکانیک آماری بهره می‌برند که سرایت بیماری را به انتقال پیام تشبیه می‌کند. این «انتقال پیام» برخی ویژگی‌های یک بیماری واقعی را دارد، مثل احتمال عفونت و بهبودی که با پیش‌روی واگیرداری بیماری تغییر می‌کند. فرمول‌های تحلیلی‌ای را که این دو برای یک شبکه ساده استخراج کرده‌اند می‌توان برای محاسبه زمان رسیدن عفونت به هر فرد در شبکه استفاده کرد. نویسندگان می‌گویند که رویکرد تحلیلی آنها درمقایسه‌با روش‌های عددی برای مشخص‌کردن ویژگی‌های شبکه و بیماری که بر سرعت واگیرداری تاثیرگذار است، بهتر و سریع‌تر عمل می‌کند.

نویسنده:

Matteo Rini،‌ معاون سردبیر نشریه Physics است.

منبع:

https://journals.aps.org/prl