Når coronavirus ikke er alene:Team af kompleksitetsforskere præsenterer mememodel for flere sygdomme

Interagerende smitsomme sygdomme som influenza og lungebetændelse følger de samme komplekse spredningsmønstre som sociale tendenser. Dette nye fund, udgivet i Naturfysik , kunne føre til bedre sporing og intervention, når flere sygdomme spredes gennem en befolkning på samme tid.

"Samspillet mellem sygdomme er normen snarere end undtagelsen, siger Laurent Hébert-Dufresne, en kompleksitetsforsker ved University of Vermont, der var med til at lede den nye forskning. "Og alligevel når vi modellerer dem, det er næsten altid en sygdom isoleret set."

Når sygdomsmodellere kortlægger en epidemi som coronavirus, Ebola, eller influenza, de behandler dem traditionelt som isolerede patogener. Under denne såkaldte "simple" dynamik, Det er generelt accepteret, at den forventede størrelse af epidemien vil være proportional med transmissionshastigheden.

Men ifølge Hébert-Dufresne, professor i datalogi ved University of Vermont, og hans medforfattere, Samuel Scarpino ved Northeastern University, og Jean-Gabriel Young ved University of Michigan, tilstedeværelsen af ​​endnu en smitte i befolkningen kan dramatisk flytte dynamikken fra simpel til kompleks. Når først dette skift indtræffer, mikroskopiske ændringer i transmissionshastigheden udløser makroskopiske hop i den forventede epidemistørrelse - et spredningsmønster, som samfundsforskere har observeret i forbindelse med indførelse af innovative teknologier, slang, og anden smitsom social adfærd.

Star Wars og nysen

Forskerne begyndte først at sammenligne biologiske smitsomheder og sociale smitsomheder i 2015 på Santa Fe Institute, et tværfagligt forskningscenter, hvor Hébert-Dufresne modellerede, hvordan sociale tendenser formerer sig gennem forstærkning. Det klassiske eksempel på social forstærkning, ifølge Hébert-Dufresne, er "fænomenet, hvor ti venner fortæller dig, at du skal se den nye Star Wars-film, er forskelligt fra en ven, der fortæller dig det samme ti gange."

Ligesom flere venner forstærker en social adfærd, tilstedeværelsen af ​​flere sygdomme gør en infektion mere smitsom, end den ville være alene. Biologiske sygdomme kan forstærke hinanden gennem symptomer, som i tilfældet med en nysenvirus, der hjælper med at sprede en anden infektion som lungebetændelse. Eller, en sygdom kan svække værtens immunsystem, gør befolkningen mere modtagelig for et sekund, tredje, eller yderligere smitte.

Når sygdomme forstærker hinanden, de accelererer hurtigt gennem befolkningen, så suser ud, da de løber tør for nye værter. Ifølge forskernes model, det samme supereksponentielle mønster karakteriserer spredningen af ​​sociale tendenser, som virale videoer, som deles bredt og derefter ophører med at være relevante, efter at en kritisk masse af mennesker har set dem.

Dengue og antivaxxere

Et andet vigtigt fund er, at de samme komplekse mønstre, der opstår for interagerende sygdomme, også opstår, når en biologisk smitte interagerer med en social smitte, som i eksemplet med en virus, der spredes i forbindelse med en anti-vaccinationskampagne. Avisen beskriver et Dengue-udbrud i 2005 i Puerto Rico, og Hébert-Dufresne nævner et yderligere eksempel på et dengue-udbrud i 2017 i Puerto Rico, hvor manglende præcis redegørelse for samspillet mellem dengue-stammer reducerede effektiviteten af ​​en dengue-vaccine. Dette udløste igen en anti-vaccinationsbevægelse - en social epidemi - der i sidste ende førte til genopblussen af ​​mæslinger - en anden biologisk epidemi. Det er et klassisk eksempel på kompleksitet i den virkelige verden, hvor utilsigtede konsekvenser dukker op af mange interagerende fænomener.

Selvom det er fascinerende at observere et universelt spredningsmønster på tværs af komplekse sociale og biologiske systemer, Hébert-Dufresne bemærker, at det også udgør en unik udfordring. "Hvis man ser på dataene alene, vi kunne observere dette komplekse mønster og ikke vide, om en dødelig epidemi blev forstærket af en virus, eller af et socialt fænomen, eller en kombination."

"Vi håber, at dette vil åbne døren for flere spændende modeller, der fanger dynamikken i flere smittestoffer, " siger han. "Vores arbejde viser, at det er på tide, at sygdomsmodelleringssamfundet bevæger sig ud over at se på smitte individuelt."

Og den nye undersøgelse kan kaste lys over spredningen af ​​coronavirus. "Når man laver forudsigelser, som for det aktuelle coronavirus-udbrud, der forekommer i en influenzasæson, det bliver vigtigt at vide, hvilke tilfælde der har flere infektioner, og hvilke patienter der er på hospitalet med influenza - men bange på grund af coronavirus, " siger Hébert-Dufresne. "Interaktionerne kan være af biologisk eller social natur, men de betyder alle."