Forscher berichten, dass das traditionelle Modell für die Ausbreitung von Krankheiten bei COVID-19 möglicherweise nicht funktioniert

0

Ein mathematisches Modell, das dabei helfen kann, die Ansteckungsfähigkeit und Ausbreitung von Infektionskrankheiten wie der saisonalen Grippe zu projizieren, ist möglicherweise nicht der beste Weg, um die anhaltende Ausbreitung des neuartigen Coronavirus vorherzusagen, insbesondere während Sperrungen, die die normale Mischung der Bevölkerung verändern, berichten Forscher.
Das Modell, das als R-Angriff oder grundlegende Reproduktionszahl bezeichnet wird, sagt die durchschnittliche Anzahl der anfälligen Personen voraus, die von einer ansteckenden Person infiziert werden.

Sie wird anhand von drei Hauptfaktoren berechnet – der infektiösen Zeitspanne der Krankheit, der Art und Weise, wie sich die Krankheit ausbreitet, und der Anzahl der Menschen, mit denen ein infiziertes Individuum wahrscheinlich in Kontakt kommen wird.

Historisch gesehen, wenn der R-Wert größer als eins ist, können Infektionen überhand nehmen und eine Epidemie oder eine weiter verbreitete Pandemie ist wahrscheinlich.

Die COVID-19-Pandemie hatte eine frühe R-Naught zwischen zwei und drei.
In einem Brief, der in der Zeitschrift Infection Control and Hospital Epidemiology veröffentlicht wurde, schreibt der korrespondierende Autor Dr.

Arni S.R. Srinivasa Rao, ein mathematischer Modellierer am Medical College of Georgia an der Augusta University, argumentiert, dass es zwar nie möglich ist, jeden einzelnen Fall einer Infektionskrankheit aufzuspüren, dass aber die Abriegelungen, die notwendig wurden, um die COVID-19-Pandemie einzudämmen, die Vorhersage der Ausbreitung der Krankheit erschwert haben.

Rao und seine Co-Autoren schlagen stattdessen einen dynamischen, zeitnahen Ansatz vor, der ein Modell namens geometrisches Mittel verwendet.

Dieses Modell verwendet die Zahlen von heute, um die Zahlen von morgen vorherzusagen.

Die aktuelle Zahl der Infektionen – zum Beispiel in Augusta heute – wird durch die Zahl der vorhergesagten Infektionen für morgen geteilt, um eine genauere und aktuelle Reproduktionsrate zu erhalten.
Diese geometrische Methode kann zwar keine langfristigen Trends vorhersagen, aber sie kann die wahrscheinlichen Zahlen für die kurze Zeit genauer vorhersagen.
“Das R-naught-Modell kann nicht geändert werden, um die Kontaktraten zu berücksichtigen, die sich von Tag zu Tag ändern können, wenn Abriegelungen verhängt werden”, erklärt Rao. “In den ersten Tagen der Pandemie haben wir uns auf diese traditionellen Methoden verlassen, um die Ausbreitung vorherzusagen, aber Lockdowns ändern die Art und Weise, wie Menschen miteinander in Kontakt kommen.”
Eine einheitliche R-Vorhersage ist auch nicht möglich, da die COVID-19-Pandemie in verschiedenen Gebieten des Landes und der Welt sehr unterschiedlich verlaufen ist. Die Orte haben unterschiedliche Infektionsraten, in unterschiedlichen Zeiträumen – Hotspots wie New York und Kalifornien würden höhere R-Anfälle haben.

Auch die aktuelle dritte Welle der COVID-19-Pandemie ließ sich mit dem R-Naught nicht vorhersagen.
“Unterschiedliche Faktoren verändern ständig die grundlegende Reproduktionszahl am Boden, weshalb wir ein besseres Modell brauchen”, sagt Rao.

Bessere Modelle haben Auswirkungen auf die Eindämmung der Ausbreitung von COVID-19 und auf die zukünftige Planung, sagen die Autoren.
“Mathematische Modelle müssen mit Vorsicht verwendet werden und ihre Genauigkeit muss sorgfältig überwacht und quantifiziert werden”, schreiben die Autoren. “Jede andere Vorgehensweise könnte zu einer falschen Interpretation und einem falschen Umgang mit der Krankheit führen – mit katastrophalen Folgen.”
Referenz: “Wie relevant ist die während COVID-19 berechnete Basisreproduktionszahl, insbesondere während Lockdowns?” Arni S.R. Srinivasa Rao, Steven G. Krantz,
Michael B.

Bonsall, Thomas Kurien, Siddappa N.

Byrareddy, David A. Swanson, Ramesh Bhat und Kurapati Sudhakar, 14. Dezember 2020, Infection Control and Hospital Epidemiology.DOI: 10.1017/ice.2020.1376
Zu Raos Co-Autoren gehören Dr. Steven Krantz, Professor für Mathematik und Statistik an der Washington University und Dr. Michael Bonsall, Professor in der Mathematical Ecology Research Group, an der University of Oxford.

Share.

Leave A Reply