همه بیماری مدل ‘اشتباه’ اما دانشمندان در حال کار برای رفع این

یک تیم بین المللی از محققان توسعه داده است یک ابزار ریاضی است که می تواند به دانشمندان کمک کند به ارائه پیش بینی های دقیق از چگونگی بیماری ها از جمله COVID-19 گسترش از طریق شهرها و شهرستانها در سراسر جهان.

ربکا Morrison, استادیار علوم کامپیوتر در دانشگاه کلرادو بولدر led پژوهش. برای سال اجرای یک مغازه تعمیر انواع برای مدل های ریاضی — آن رشته از معادلات و مفروضات است که دانشمندان با استفاده از به درک بهتر جهان اطراف آنها را از مسیر تغییر آب و هوا به چه مواد شیمیایی سوختگی در یک انفجار.

به عنوان موریسون قرار داده و آن را “کار من شروع می شود زمانی که مدل شروع به شکست است.”

او و همکارانش به تازگی مجموعه مناظر خود را در یک چالش جدید: مدل های اپیدمیولوژیک. چه چیزی می تواند به محققان در انجام به عبارت دیگر زمانی که پیش بینی های خود را برای گسترش بیماری های عفونی مطابقت ندارد واقعیت است ؟

در یک مطالعه منتشر شده امروز در مجله هرج و مرج, موریسون و برزیل ریاضیدان Americo کونها تبدیل به 2016 شیوع Zika virus به عنوان یک آزمون مورد. آنها گزارش می دهند که یک نوع جدید از ابزاری به نام “تعبیه شده اختلاف اپراتور” ممکن است قادر به کمک به دانشمندان ثابت مدل که سقوط کوتاه از اهداف خود را — به طور موثر و هماهنگی با نتایج مدل با دنیای واقعی داده است.

موریسون سریع به اشاره است که گروه او را یافته خاص به Zika. اما این تیم در حال حاضر در تلاش برای انطباق با روش های خود را برای کمک به محققان برای دریافت جلوتر از دوم ویروس COVID-19.

“من فکر نمی کنم این ابزار است که برای حل هر اپيدميولوژيک بحران خود را در” موریسون گفت. “اما من امیدوارم که از آن خواهد شد یکی دیگر از ابزار در زرادخانه از اپيدميولوژيستها و افسران در حال حرکت رو به جلو است.”

هنگامی که مدل های موفق

مطالعه نکات برجسته یک مسئله مشترک است که افسران چهره.

“تعداد بسیار کمی وجود دارد که در آن شرایط یک مدل کاملا منطبق با واقعیت است. تعریف مدل ساده شده از واقعیت” موریسون گفت. “در برخی از راه یا دیگری تمام مدل ها اشتباه است.”

کونها, دستیار استاد در ریو دو ژانیرو دانشگاه و همکاران خود را زد تا در برابر آن بسیار مشکل چند سال پیش. آنها در تلاش برای انطباق با یک نوع رایج از بیماری مدل — به نام حساس, در معرض آلوده و یا بهبود (SEIR) مدل — به از نو خلق کردن Zika شیوع ویروس از آغاز تا پایان. در سال 2015 و 2016 این پاتوژن شایع زد طریق برزیل و دیگر نقاط جهان باعث هزاران مورد از نقص شدید هنگام تولد در نوزادان است.

مشکل: مهم نیست که چه محققان سعی نتایج خود را مطابقت ندارد و ثبت تعداد Zika موارد در برخی موارد miscalculating تعداد افراد آلوده توسط ده ها هزار نفر.

یک کمبود نیست غیر معمول کونها گفت.

“اقدامات شما را امروز تحت تاثیر قرار خواهد شد این دوره از بیماری,” او گفت:. “اما شما نمی بینم نتایج حاصل از این اقدام برای یک هفته یا حتی یک ماه. این اثر بازخورد بسیار دشوار است برای گرفتن در یک مدل است.”

به جای رها کردن پروژه کونها و موریسون تیمی را به دیدن اگر آنها می تواند به رفع این مدل است. به طور خاص آنها پرسید: اگر این مدل نبود تکرار در دنیای واقعی اطلاعات می تواند از آنها استفاده کنید که داده ها به مد مدل بهتر?

وارد تعبیه شده اختلاف اپراتور. شما می توانید تصویر این ابزار که موریسون اول توسعه به مطالعه فیزیک احتراق به عنوان یک نوع از جاسوسی است که نشسته است در احشاء از یک مدل است. زمانی که محققان تغذیه اطلاعات به ابزار آن را می بیند و در پاسخ به این اطلاعات سپس بازنویسی مدل معادلات اساسی برای بهتر مطابقت با واقعیت است.

“گاهی اوقات ما نمی دانیم صحیح معادلات برای استفاده در یک مدل” کونها گفت. “ایده پشت این ابزار برای اضافه کردن یک اصلاح به ما معادلات.”

این روش کار می کرد. پس از اجازه دادن به خود اپراتور انجام آن چیز موریسون و کونها کشف کرد که آنها تا به حال نزدیک به حذف شکاف بین مدل نتایج و بهداشت عمومی ،

صادق بودن

تیم نیست و توقف در Zika. موریسون و کونها در حال حاضر برای استقرار خود همان استراتژی سعی کنید به بهبود مدل coronavirus بیماری همه گیر.

موریسون شک و تردید است که هر بیماری مدل خواهد بود 100 ٪ دقیق است. اما او گفت که این ابزار هنوز هم ارزشمند برای اطلاع رسانی بهداشت عمومی تصمیم گیری — به خصوص اگر افسران هستند تا در مورد آنچه که نتایج خود را می تواند و یا نمی توانم به شما بگویم در مورد یک بیماری است.

“این بیماری همه گیر نشان داده است که چگونه مشکل آن این است که به مدل واقعی سیستم” موریسون گفت. “اما من امیدوارم که مردم را ندارد که به این معنی است که ما نباید اعتماد دانشمندان ما.”

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.detny.im