Nākamā Ebola ir grūti paredzēt, bet "Uzliesmojuma prognozēšana" var palīdzēt

2014. gada decembrī Ebolā nomira 2 gadus vecs zēns Gvinejas zemē. Nākamo divu gadu laikā gandrīz 30 000 cilvēku Rietumāfrikā būtu inficēti ar Ebola vīrusu.

Kāpēc, atšķirībā no iepriekšējiem 17 Ebolas slimības uzliesmojumiem, šī auga tik strauji? Kas, ja kaut ko var darīt, lai novērstu turpmākos uzliesmojumus? Šie jautājumi kopā ar daudziem citiem ir uzliesmojuma prognozēšanas topošās zinātnes jomas pamatā. Un likmes nevarēja būt augstākas. Janvārī Pasaules ekonomikas forums sauca par pandēmijām, kas ir viens no lielākajiem riskiem uzņēmējiem un cilvēku dzīvībai.

Pēdējo vairāku gadsimtu laikā zinātnieki ir kļuvuši arvien labāki, lai prognozētu daudzus pasaules aspektus, tostarp planētu orbītu, plūdmaiņu un plūdu plūsmu un viesuļvētru ceļus. Iespēja pietiekami labi saprast dabas un fiziskās sistēmas, lai veiktu precīzas prognozes, iespējams, ir viens no cilvēces lielākajiem sasniegumiem.

Liela daļa šo panākumu prognozēšanā sākas ar Īzaka Ņūtona fundamentālo ieskatu, ka pastāv nemainīgi vispārēji likumi, kas regulē apkārtējās dabas parādības. Spēja ātri veikt lielus aprēķinus ir veicinājusi Ņūtona perspektīvu, ka, ņemot vērā pietiekami daudz datu un skaitļošanas jaudu, var paredzēt visbiežāk sastopamās parādības.

Tomēr ir ierobežojumi. Kā zinātnieki, kas pēta šādas prognozēšanas sistēmas, mēs šaubāmies, ka būs iespējams precīzi prognozēt, kas notiks nākamajā slimības uzliesmojuma laikā, jo vissvarīgākie mainīgie var mainīties tik daudz no viena uzliesmojuma uz citu.

Tāpēc, tāpat kā laika prognozēšanā, reālā laika datu vākšana, visticamāk, ir būtiska, lai sekmētu zinātniskās sabiedrības spēju paredzēt uzliesmojumus.

Kaprīza epidēmijas

Ideja par to, ka zinātnieki var modificēt epidēmijas, balstās uz domu, ka katra uzliesmojuma trajektorija ir paredzama, jo tā raksturīgās un nemainīgās īpašības.

Saka, ka slimību izraisa transmisīvs patogēns. Šīs slimības infekciozitāte var tikt iekapsulēta ar numuru, ko sauc par “pamata reproduktīvo attiecību”, vai R0, kurā ir norādīts, cik plaši patogēns izplatās noteiktā populācijā.

Ja epidemiologi pietiekami zina par patogēnu R0, cerība ir, ka viņi var paredzēt nākamā uzliesmojuma aspektus - un, cerams, novērsīs mazu uzliesmojumu veidošanos par plaša mēroga epidēmijām. Viņi to var izdarīt, mobilizējot resursus apgabalos, kur patogēniem ir īpaši augstas R0 vērtības. Vai arī tie var ierobežot mijiedarbību starp slimību nesējiem un jutīgākajiem konkrētās sabiedrības locekļiem, bieži vien bērniem un vecāka gadagājuma cilvēkiem.

Tādā veidā R0 tiek interpretēts kā nemainīgs skaitlis. Bet mūsdienu pētījumi liecina, ka tas tā nav.

Piemēram, apsveriet Zikas vīrusa epidēmiju. Šīs slimības gadījumā R0 bija robežās no 0,5 līdz 6,3. Tas ir ievērojams laika posms, sākot no slimības, kas pati izdalās uz tādu, kas izraisīs ilgtermiņa epidēmiju.

Varētu domāt, ka šis plašais R0 vērtību diapazons Zikai izriet no statistikas nenoteiktības, kas varbūt zinātniekiem vajag vairāk datu. Bet tas būtu galvenokārt nepareizs. Zikam neskaitāmi faktori, sākot no klimata un odiem līdz citu saistītu vīrusu klātbūtnei, piemēram, Dengue un seksuālās transmisijas nozīme, dažādos apstākļos rada dažādas R0 vērtības.

Izrādās, ka epidēmijas iezīmes - patogēna saslimstība, pārraides ātrums, vakcīnu pieejamība un tā tālāk - mainās tik strauji viena uzliesmojuma laikā, ka zinātnieki spēj prognozēt dinamiku tikai šī uzliesmojuma laikā.. Citiem vārdiem sakot, pētot Ebola vīrusa slimības uzliesmojumu 2014. gada aprīlī, zinātnieki var palīdzēt saprast Ebola uzliesmojumu tajā pašā vidē nākamajā mēnesī, taču bieži vien tas ir daudz mazāk noderīgi, lai izprastu turpmākās Ebolas epidēmijas dinamiku, piemēram, tādu, kas notika 2018. gada maijā.

Epidēmijas bieži vien nav veiktas un apvienotas parādības. Tie ir trokšņaini notikumi, kuros daudziem mainīgajiem ir būtiska nozīme, bet tie mainās, lomas. Nav pamata slimības patiesības - tikai nestabila datu kopa, kas mainās, bieži vien saplūstot, jo slimība izplatās.

Labākas prognozes

Ja zinātnieki nav pārliecināti, viņi var pietiekami labi saprast epidemioloģiskās sistēmas, lai prognozētu saistīto uzvedību, kāpēc apgrūtināt to izpēti?

Atbilde varētu būt tā, ko mēs saucam par prognozēšanas „mīksto fiziku”: Zinātniekiem ir jāpārtrauc pieņēmums, ka katrs uzliesmojums ir saskaņā ar tiem pašiem noteikumiem. Salīdzinot vienu uzliesmojumu ar citu, viņiem jāpatur prātā visas konteksta atšķirības starp tām.

Piemēram, biologi ir atklājuši daudzas ziņas par gripas infekcijām. Viņi zina, kā vīrusi saistās ar saimniekšūnām, kā tie atkārtojas un kā viņi attīstās rezistence pret pretvīrusu zālēm. Bet viena epidēmija varētu būt sākusies, kad liels iedzīvotāju skaits izmantoja sabiedrisko transportu noteiktā mēneša dienā, savukārt citu varēja uzsākt reliģiskā dienesta draudze. Lai gan abi uzliesmojumi sakņojas vienā un tajā pašā infekcijas aģents, šīs un daudzas citas atšķirības to specifikā nozīmē, ka zinātniekiem, iespējams, būs jāpārveido, kā viņi modelē katra progresa gaitu.

Lai labāk izprastu šīs ziņas, zinātniekiem ir nepieciešami ievērojami ieguldījumi reālā laika datiem. Uzskatiet, ka Valsts laika dienests ik gadu pavada vairāk nekā $ 1 miljardu, vācot datus un veidojot prognozes. CDC tērē tikai vienu ceturtdaļu no sabiedrības veselības statistikas un nav paredzējis budžetu prognozēšanai.

Slimību uzraudzība joprojām ir viena no augstākajām zinātnes jomām. Rūpīgi apsverot unikālus apstākļus, kas saistīti ar uzliesmojumiem un atbildīgāku datu vākšanu, varētu ietaupīt tūkstošiem dzīvību.

Šis raksts sākotnēji tika publicēts C. Brandon Ogbunu, Randall Harp un Samuel V. Scarpino. Lasiet oriģinālo rakstu šeit.