Neues MIT-Modell könnte helfen, die notwendigen Quarantänemaßnahmen zur Eindämmung der Ausbreitung von COVID-19 zu bestimmen

0

Eine wichtige Erkenntnis: Die frühzeitige Wiedereröffnung im letzten Frühjahr führte zu einem dramatischen Rückgang der “Quarantänestärke” in den südlichen und westlich-zentralen US-Bundesstaaten.
Einige der in diesem Artikel beschriebenen Forschungsergebnisse wurden bereits auf einem Preprint-Server veröffentlicht, aber noch nicht von Experten auf dem Gebiet begutachtet.
Da die Zahl der Covid-19-Infektionen in den USA stark ansteigt, verschärfen einige Bundesstaaten die Restriktionen und führen Quarantänemaßnahmen ein, um die Ausbreitung des Virus zu verlangsamen.

Ein von MIT-Forschern entwickeltes Modell zeigt einen direkten Zusammenhang zwischen der Anzahl der Infizierten und der Effektivität der Quarantänemaßnahmen eines Staates.

Die Forscher beschrieben ihr Modell in einer im November in Cell Patterns veröffentlichten Arbeit und zeigten, dass das System die Auswirkungen von Quarantänemaßnahmen auf die Ausbreitung des Virus in Ländern auf der ganzen Welt rekapitulieren kann.

In ihrer nächsten Studie, die kürzlich auf dem Preprint-Server medRxiv veröffentlicht wurde, untersuchten sie Daten aus den Vereinigten Staaten vom letzten Frühjahr und Sommer.

Sie fanden heraus, dass der frühere Anstieg der Infektionen stark mit einem Rückgang der “Quarantänestärke” zusammenhing – ein Maß, das das Team als die Fähigkeit definiert, infizierte Personen davon abzuhalten, andere anzustecken.
Die neueste Studie konzentriert sich auf das vergangene Frühjahr und den Frühsommer, als es im Süden und Westen der USA zu einem sprunghaften Anstieg der Infektionen kam, da die Staaten in diesen Regionen wieder geöffnet und die Quarantänemaßnahmen gelockert wurden.

Die Forscher benutzten ihr Modell, um die Stärke der Quarantäne in diesen Staaten zu berechnen, von denen viele nach anfänglichen Abriegelungen im Frühjahr früh wieder geöffnet wurden.

Hätten diese Staaten nicht so früh wieder geöffnet oder hätten sie zwar wieder geöffnet, aber Maßnahmen wie das Tragen von Masken und soziale Distanzierung strikt durchgesetzt, hätten nach dem Modell mehr als 40 Prozent der Infektionen in allen von den Forschern betrachteten Staaten vermieden werden können.

Insbesondere schätzt die Studie, dass, wenn Texas und Florida strengere Quarantänemaßnahmen beibehalten hätten, in jedem dieser Staaten mehr als 100.000 Infektionen hätten vermieden werden können.
“Wenn man sich diese Zahlen ansieht, können einfache Maßnahmen auf individueller Ebene zu einer enormen Verringerung der Infektionszahlen führen und die globalen Statistiken dieser Pandemie massiv beeinflussen”, sagt Hauptautor Raj Dandekar, ein Doktorand am MIT Department of Civil and Environmental Engineering.
Da das Land mit einer Winterwelle von Neuinfektionen kämpft und die Staaten wieder einmal die Restriktionen verschärfen, hofft das Team, dass das Modell den politischen Entscheidungsträgern helfen kann, das Ausmaß der Quarantänemaßnahmen zu bestimmen.
“Was ich denke, dass wir quantitativ gelernt haben, ist, dass das Herumspringen von Hyper-Quarantäne zu keiner Quarantäne und zurück zu Hyper-Quarantäne definitiv nicht funktioniert”, sagt Co-Autor Christopher Rackauckas, ein Dozent für angewandte Mathematik am MIT. “Stattdessen wäre eine konsequente Anwendung von Richtlinien ein viel effektiveres Werkzeug gewesen.”
Zu den MIT-Co-Autoren der neuen Arbeit gehören auch die Studentin Emma Wang und der Professor für Maschinenbau George Barbastathis.
Lernen von Stärken
Das Modell des Teams ist eine Modifikation eines Standard-SIR-Modells, ein epidemiologisches Modell, das verwendet wird, um vorherzusagen, wie sich eine Krankheit ausbreitet, basierend auf der Anzahl der Menschen, die entweder “anfällig”, “infektiös” oder “genesen” sind. Dandekar und seine Kollegen verbesserten ein SIR-Modell mit einem neuronalen Netzwerk, das sie für die Verarbeitung echter Covid-19-Daten trainierten.
Das durch maschinelles Lernen erweiterte Modell lernt, Muster in den Daten von infizierten und genesenen Fällen zu erkennen, und berechnet aus diesen Daten die Anzahl der infizierten Personen, die das Virus nicht auf andere übertragen (vermutlich, weil die infizierten Personen eine Art von Quarantäne-Maßnahmen befolgen).

Dieser Wert wird von den Forschern als “Quarantänestärke” bezeichnet, die widerspiegelt, wie effektiv eine Region bei der Quarantäne eines infizierten Individuums ist.

Das Modell kann Daten über die Zeit verarbeiten, um zu sehen, wie sich die Quarantänestärke einer Region entwickelt.

Die Forscher entwickelten das Modell Anfang Februar und haben es seitdem auf Covid-19-Daten aus mehr als 70 Ländern angewandt. Sie fanden heraus, dass es die Quarantänesituation vor Ort in europäischen, südamerikanischen und asiatischen Ländern, die anfangs stark von dem Virus betroffen waren, genau simuliert hat.
“Wenn wir uns diese Länder ansehen, um zu sehen, wann Quarantänen eingeführt wurden, und dies mit den Ergebnissen für das trainierte Quarantänestärkesignal vergleichen, sehen wir eine sehr starke Korrelation”, sagt Rackauckas. “Die Quarantänestärke in unserem Modell ändert sich ein oder zwei Tage nach der Einführung von Maßnahmen in allen Ländern.

Diese Ergebnisse haben das Modell validiert.”
Das Team hat diese Ergebnisse auf Länderebene letzten Monat in Cell Patterns veröffentlicht und stellt die Ergebnisse auch auf covid19ml.org zur Verfügung, wo Benutzer auf eine Weltkarte klicken können, um zu sehen, wie sich die Quarantänestärke eines bestimmten Landes im Laufe der Zeit verändert hat.
Was wäre, wenn die Staaten verzögert hätten?
Nachdem die Forscher das Modell auf Länderebene validiert hatten, wendeten sie es auf einzelne US-Bundesstaaten an, um nicht nur zu sehen, wie sich die Quarantänemaßnahmen eines Staates im Laufe der Zeit entwickelten, sondern auch, wie sich die

Share.

Leave A Reply