Første bølge COVID-19-data undervurderede pandemiske infektioner

To COVID-19-pandemikurver dukkede op i mange byer i løbet af den etårige periode fra marts 2020 til marts 2021.

Mærkeligt, antallet af samlede daglige infektioner rapporteret under den første bølge er meget lavere end i den anden, men det samlede antal daglige dødsfald rapporteret under den første bølge er meget højere end den anden bølge.

Denne modsigelse inspirerede forskere fra University of Nicosia på Cypern til at udforske usikkerheden i det daglige antal infektioner, der blev rapporteret under den første bølge, forårsaget af utilstrækkelig kontaktsporing mellem marts og april 2020.

I Fysik af væsker , Talib Dbouk og Dimitris Drikakis rapporterer at bruge miljøvæskedynamik - avanceret multiskala multifysikmodellering og simuleringer - til at udvikle et konstitutivt forhold mellem vejrets sæsonbestemte forhold, såsom temperatur, relativ luftfugtighed, og vindhastighed, og har to pandemikurver om året.

"Vi integrerede et nyt fysik-baseret forhold i en pandemisk prognosemodel, der præcist forudsagde, som det senere blev observeret, en anden COVID-19-pandemibølge i mange byer rundt om i verden, inklusive New York, " sagde Drikakis.

Mest, hvis ikke alle, af dataene for det daglige antal nye infektioner rapporteret under den første bølge af pandemien blev undervurderet og brugt forkert.

"I byen New York, vores arbejde viser, at det daglige antal nye infektioner rapporteret under den første bølge blev undervurderet med en faktor på fire, " sagde Dbouk. "Så, usikkerheden af ​​første bølge data blandet med anden bølge data betyder, at de generelle konklusioner kan være vildledende, og det burde alle være opmærksomme på."

Forskernes arbejde er det første kendte tilfælde af at udlede en avanceret usikkerhedskvantificeringsmodel for de inficerede tilfælde af pandemiens første bølge baseret på flydende dynamiske simuleringer af vejrpåvirkninger.

"Vores model er fysik-baseret og kan rette op på første bølge data utilstrækkelighed ved at bruge anden bølge data tilstrækkelighed inden for en pandemisk kurve, " sagde Drikakis. "Vores foreslåede tilgang kombinerer en miljømæssig vejr-sæsonafhængig virustransmissionshastighed med pandemiske multibølge-fænomener for at forbedre datanøjagtigheden af ​​statistiske forudsigelser."

I fremtiden, forskernes foreslåede kvantificeringsmodel for usikkerhed kan hjælpe med at rette op på det verdensomspændende samlede antal daglige coronavirus-infektioner rapporteret af mange byer under den første bølge af en pandemi.