Kan sociale interaktioner påvirke spredning af sygdom?

De fleste systemer i den virkelige verden, såsom biologiske, social, og økonomiske ordninger udvikler sig konstant. Dynamikken i sådanne systemer er karakteriseret ved væsentligt forøgede aktivitetsniveauer over korte tidsrum (eller "udbrud") efterfulgt af lange perioder med inaktivitet.

Dette gælder for sociale fællesskaber, hvor mønstret af forbindelser mellem individer udvikler sig over tid, og tendensen til at danne forbindelser forekommer med mellemrum, eller i brud, snarere end i en jævn strøm. Sådanne udbrud er ofte afbrudt med latente perioder uden social aktivitet. Disse sociale dynamikker påvirker igen andre fænomener, såsom sygdomsspredning.

"Det meste af den eksisterende litteratur antager, at epidemier spredes enten meget hurtigere eller meget langsommere, end individer bygger sociale forbindelser, " Maurizio Porfiri, professor ved New York University's Department of Mechanical and Aerospace Engineering og Department of Biomedical Engineering, siger. "Imidlertid, det er sjældent sandt, da folk kan rejse enhver afstand på få timer, effektivt at sprede mange patogener."

I en papirudgivelse i næste uge i SIAM Journal om anvendte dynamiske systemer , Porfiri – sammen med samarbejdspartnere Lorenzo Zino og Alessandro Rizzo, begge fra Politecnico di Torino, Italien, og med besøgsaftaler på NYU — tegner forbindelser mellem folks sociale aktivitet og spredningen af ​​epidemier gennem en matematisk model.

Den tidsmæssige udvikling af et socialt fællesskab er afhængig af udviklingen af ​​enkelte individers karakteristika inden for fællesskabet; det omvendte er også sandt. Jo mere aktiv en person er i at generere links, jo mere han eller hun øger sine aktiviteter yderligere i sådanne opgaver.

"Vores model med tidsvarierende netværk har betydning for den medfødte variation af menneskers forbindelser med andre over tid og forklarer, at nogle er mere aktive i at skabe kontakter end andre, " forklarer Porfiri. Denne tendens til at danne forbindelser betragtes som selvophidselse. Sådanne selvophidsende processer er i stand til at generere udbrud af korrelerede begivenheder efterfulgt af perioder med inaktivitet, bidrager til "burstiness" og tidsmæssig begivenhedsclustering.

"Modellen inkorporerer selvophidselse og burstiness for bedre at forklare det indviklede forhold mellem et individs sociale aktivitet og nye kollektive fænomener, " som Zino beskriver. "Menneskelig social adfærd er ofte tilbøjelig til selvophidselse:jo mere aktive vi er, jo mere vi modtager opmærksomhed og tilfredsstillelse, hvilken, på tur, styrker vores aktivitet i en positiv feedback-loop. Derfor, selvophidselse spiller en vigtig rolle i fremkomsten af ​​eksplosiv adfærd, der former udviklingen af ​​sociale systemer."

Aktivitetsdrevne netværk (ADN) er for nylig blevet brugt til at modellere den tidsmæssige udvikling af netværk af interaktioner, såsom epidemispredning, meningsdynamik, og formidling af innovation. Imidlertid, indtil nu, forskere har ikke i tilstrækkelig grad redegjort for den tidsmæssige udvikling af individuelle karakteristika inden for ADN-rammen.

Interaktionerne mellem individer - som har tendens til at klynge sig sammen i tid, med korte højaktivitetsstigninger afvekslende med længere perioder med moderat aktivitet - kan ikke overses i tilfælde af realistiske processer. "Dette fænomen [med individuel interaktion] former udviklingen af ​​sociale systemer og kan ikke negligeres, når man modellerer problemer i den virkelige verden, " bemærker Rizzo. "Vi mener, at formaliseringen og analysen af ​​en sådan funktion er nøglen til en matematisk funderet undersøgelse af problemer i den virkelige verden, både fra kvalitative og kvantitative synspunkter."

Forfatterne udviklede en tidsvarierende netværksmodel, som generaliserer ADN-paradigmet ved at inkludere disse individuelle dynamikker. De bruger Hawkes-processer – som kun er afhængige af to parametre – til at modellere aktiveringen af ​​noder; Hawkes processer afspejler tidsmæssige karakteristika af realistiske systemer bedre end de tidshomogene processer, der er brugt i tidligere undersøgelser. På trods af modellens enkelhed, det er i stand til at gengive fænomener observeret i empiriske data, såsom burstiness og klyngedannelse.

NYU-Politecnico-teamet analyserer først den måde, hvorpå selvophidselsesmekanismer dynamisk påvirker individers disposition for at etablere forbindelser, og undersøger derefter virkningerne af disse individuelle kinetikker på epidemisk transmission. Ved analytisk at beregne epidemiens tærskel i den termodynamiske grænse - som opstår, når antallet af mennesker har en tendens til det uendelige - demonstrerer forfatterne, at selvophidselsesdynamikken har en tendens til at sænke epidemiens tærskel, dermed øge sygdomsoverførbarheden.

"Vi beviser, at negligering af individuelle interaktioner i studiet af epidemisk spredning kan forårsage dramatisk undervurdering af sværhedsgraden af ​​en infektion, " Zino påpeger. "Forståelse af selvophidselsens afgørende rolle ved begyndelsen af ​​et epidemisk udbrud er nøglen til at formulere nøjagtige forudsigelser om udviklingen af ​​epidemier og understøtter effektive vaccinations- og indeslutningsteknikker."

Ved hjælp af disse resultater kombineret med numeriske simuleringer, forfatterne illustrerer, at selvophidselse hovedsageligt giver øget variabilitet i individets sociale aktivitet, hvilket igen, sænker systemets epidemiske tærskel, øger dermed modtageligheden for sygdomsudbrud.

"Dette stykke forskning er et overbevisende skridt i retning af at udvikle matematiske modeller, der er i stand til at beskrive og forudsige social dynamik, " bemærker Rizzo. "I vores nuværende og fremtidige arbejde, vi sigter mod at inkludere yderligere virkelige træk ved menneskelige systemer. Inden for undersøgelsen af ​​epidemiske udbrud, vi planlægger at udforske sameksistensen af ​​kontrasterende adfærd, som selvophidselse på grund af social aktivitet, og vedtagelse af forebyggende foranstaltninger, såsom karantæne."

Deres metode kan også tilpasses andre kinetikker i sådanne systemer. Som Porfiri forklarer, "Vi er interesserede i at undersøge andre dynamikker, der finder sted i sociale systemer, såsom udviklingen af ​​meninger i sociale fællesskaber, kognitive skævheder eller dissonanser, og den konkurrerende spredning af information og misinformation. Til sidst, vi skal validere vores matematiske rammer og teoretiske resultater gennem kritisk sammenligning med virkelige data. Med det i tankerne, vi analyserer i øjeblikket offentligt tilgængelige datasæt og udvikler en mobilapplikation til at udføre vores egne eksperimenter."