Эффективность антиковидных ограничений оценили математическими методами
Фолашаде Агусто с кафедры экологии и эволюционной биологии Канзасского университета — прикладной математик по образованию. И эти свои знания она активно применяет в изучении распространения инфекционных заболеваний.
Предметом ее недавнего исследования, опубликованного в журнале PLOS One, стал COVID-19. Вооружившись компьютерным моделированием и большими наборами данных, исследовательница решила оценить на примере одного из сообществ в Южной Африке, оправданы ли были ограничительные меры в период пандемии.
Методика исследований
«В случае с COVID нас интересовало, как политика [властей] и поведение людей влияют на передачу вируса, — пояснила она. — Сообщество, на котором мы сосредоточились в Южной Африке, — это Гаутенг».
Свою компьютерную модель Агусто построила на основе данных переписи населения ЮАР о плотности населения и размерах домохозяйств в провинции Гаутенг, эпидемиологических данных из исследований COVID и хронологии правительственных мер в городе, направленных на сдерживание распространения болезни.
«Это был период с марта 2020 года, когда правительства по всему миру вводили масштабные карантины в разные даты марта, как это было в Соединенных Штатах, — напомнила Агусто. — Карантин вводился повсюду, но его условия различались. Мы хотели посмотреть, каков был уровень заражений в домохозяйствах и за их пределами в те периоды, учитывая различные реализуемые меры».
Вместо того чтобы моделировать каждого человека в отдельности — из-за ограничений по вычислительной мощности и времени — исследователи разделили население на четыре группы по плотности.
«У нас был доступ к данным как по численности населения, так и по размерам домохозяйств для этих четырех групп. P1 представляла низкую плотность, затем P2, P3 и P4, где P4 — это самые густонаселенные районы. Мы также рассматривали размеры домохозяйств: одинокие люди, семьи из двух-трех человек, четырех-пяти и так далее. В набор данных вошли также домохозяйства с 0 человек, к которым мы отнесли лиц без определенного места жительства. На основе этого мы смогли проанализировать, как плотность и размер домохозяйства влияли на модели передачи COVID».
Агусто использовала компьютерное моделирование, основанное на агентном подходе — альтернативный метод по сравнению с компьютерными моделями COVID, которые используют дифференциальные уравнения для изучения популяций в целом, а затем сегментируют людей по стадиям инфекции.
«В отличие от них, агентная модель ориентирована на отдельных индивидуумов. Она использует правила «если-то-иначе» для имитации повседневной жизни человека и принимаемых им решений. Эти правила больше привязаны к вероятности. Если кто-то совершает определенное действие, что произойдет дальше? Это более естественный способ кодирования человеческого поведения по сравнению с дифференциальными уравнениями», — подчеркнула исследовательница.
Некоторые выводы исследования: в районах с большей плотностью населения вероятность, что кто-то принесет COVID домой и заразит семью, выше; в районах с низкой плотностью населения риск проникновения вируса в дом меньше, но если это случается — шансы на заражение семьи выше; независимо от условий, поведение людей — такое как соблюдение масочного режима и карантина — оказывало наибольшее влияние на модели передачи вируса; динамика волн заражения различалась в зависимости от плотности населения.
Обнаружен интересный пороговый эффект: существует некий уровень мобильности, при котором количество заражений вне дома начинает превышать количество заражений внутри дома. Это явление описано впервые.
Модель воспроизвела два пика заражаемости вне домохозяйств, которые совпали с волнами заболеваемости, в реальности наблюдавшимися в Гаутенге. Это подтверждает верность расчетов, которые будут полезными для планирования мер борьбы с будущими эпидемиями.
Итог: карантин, локдауны, масочный режим и тому подобные тяготы и лишения во время пандемии COVID-19 были не напрасны.
Исследование объясняет, почему пандемия COVID закончилась так внезапно
Вирусолог предупредил о неизбежности новой пандемии
Подписывайтесь и читайте «Науку» в Telegram