Tid til at genoverveje at forudsige pandemiske infektionsrater?

I de første måneder af COVID-19-pandemien, Joseph Lee McCauley, en fysikprofessor ved University of Houston, så de daglige data for seks lande og spekulerede på, om infektioner virkelig voksede eksponentielt. Ved at udtrække fordoblingstiderne fra dataene, han blev overbevist om, at de var.

Fordoblingstider og eksponentiel vækst går hånd i hånd, så det blev klart for ham, at modellering baseret på tidligere infektioner er umuligt, fordi satsen ændrer sig uforudsigeligt fra dag til dag på grund af social distancering og lockdown-indsats. Og satsændringerne varierer for hvert land baseret på omfanget af deres sociale distancering.

I AIP fremskridt , McCauley forklarer, hvordan han kombinerede matematik i form af Tchebychevs ulighed med et statistisk ensemble for at forstå, hvordan makroskopisk eksponentiel vækst med forskellige daglige rater opstår fra person-til-person sygdomsinfektion.

"Diskretiserede almindelige kemiske kinetiske ligninger anvendt på inficerede, uinficeret, og genvundne dele af befolkningen tillod mig at organisere dataene, så jeg kunne adskille virkningerne af social distancering og bedring inden for daglige infektionsrater, " sagde McCauley.

Plateauing uden peaking forekommer, hvis genvindingsgraden er for lav, og USA, U.K., og Sverige falder ind under den kategori. Ligninger kan ikke gentages for at se ind i fremtiden, fordi morgendagens kurs er ukendt, indtil den udfolder sig.

"Modellere har en tendens til at misbruge de kemiske kinetiske ligninger som SIR (modtagelig, Smitsom, eller genvundet) eller SEIR (følsom, Udsat, Smitsom, eller gendannede) modeller, fordi de forsøger at generere fremtidige kurser fra tidligere kurser, " sagde McCauley. "Men fortiden tillader dig ikke at bruge ligninger til at forudsige fremtiden i en pandemi, fordi social distancering ændrer satserne dagligt."

McCauley opdagede, at han kunne lave en prognose inden for fem sekunder via håndberegneren, der er lige så god som enhver computermodel ved blot at bruge infektionsrater for i dag og i går.

"Lockdowns og social distancering arbejde, " sagde McCauley. "Sammenlign Østrig, Tyskland, Taiwan, Danmark, Finland, og flere andre lande, der toppede i begyndelsen af ​​april, med USA, U.K., Sverige, og andre uden lockdown eller halvhjertede lockdowns - de har aldrig engang plateauet, meget mindre toppede."

Han understreger, at prognoser ikke kan forudse peak eller endda plateau. Plateauing indebærer ikke peaking, og hvis der opstår peak, der er intet i dataene, der viser, hvornår det vil ske. Det sker, når genopretningsraten er større end antallet af nye infektioner.

"Social distancering og lockdowns reducerer infektionsraten, men kan ikke forårsage peak, " sagde McCauley. "Social distancering og restitutioner er to separate udtryk inden for de daglige kinetiske hastighedsligninger."

Implikationen af ​​dette arbejde er, at forskningspenge kunne bruges bedre end på dyre epidemiske modeller.

"Politikere bør kunne nok regnestykker til at blive givet instruktion om implikationerne, " sagde McCauley. "Effekten af ​​lockdowns og social distancering viser sig i de observerede fordoblingstider, og der er også en forudsagt fordoblingstid baseret på to dage, som fungerer som en god prognose for fremtiden."