Számítógépes szimulációk a társadalmi távolság hatásainak bemutatására a koronavírus terjedésében

Készítünk egy modellszimulációt arról, hogyan terjedhetnek a betegségek, például a koronavírus a közösségekben. Noha a szerző PhD-vel rendelkezik, modellezést és szimulációt tanulmányozott, nem „valódi orvos”, közegészségügyi szakértő vagy járványtani orvos. A szimulációk egyszerűsödtek és mondani sem kell, hogy minden valós tényezőt modelleznek.

Egy alapmodellt akartunk pusztán a saját kíváncsiságunk alapján beállítani, és ezt mind összecsapották egy kódolási este alatt. Konkrétan meg akartuk érteni:

  1. Túlreagálunk-e a koronavírusra, mivel az időnként biztosan úgy érzi. Mi lett volna, ha csak folytatnánk az életet, mint mindig?
  2. Mi lenne a társadalmi távolodás hatása, és ez valóban segít?
  3. Mi a hatása, ha ténylegesen szinte minden társadalmi interakciót ki kellene zárnunk a (esetleg egy nagy) családtársakon és társakon kívül?

A felhasználó játszhat vele, hogy megértse a döntéseknek a társadalomra gyakorolt ​​hatását. Nyugodtan változtassa meg a jobb oldalon lévő paramétereket, és nyomja meg a „Futtatás” gombot a szimuláció újraindításához a változásokkal. Ha ambiciózusabbnak érzi magát, a teljes forráskód ott található a Simulate Anything webhelyen, és módosíthatja, új verziót menthet, vagy akár villát is létrehozhat egy új ághoz, hozzáadhatja a saját paramétereit stb. A szimuláció futtatásának eredményei az alsó táblázat tartalmazza a paraméterek és eredmények sorozatát.

Itt ismét a mester szimuláció az összes forráskóddal és paraméterrel. De először olvassa el ezt az írást, mivel jobban megértheti, mi folyik itt.

Népesség. Az egyszerűség és a sebesség kedvéért a 100K népességgel kezdjük, durván San Francisco-val 10-szeresére csökkentve. San Francisco-ban körülbelül 40 Coronavírus-eset fordul elő, és így 4-re csökkentjük, mint alapértelmezett betegségpopulációt. Tisztában vagyunk azzal, hogy ez a szám sokkal nagyobb lehet a nem tesztelt személyek miatt, és egy kicsit foglalkozunk ezzel.

Virulencia vagy ellenállás. Az ellenállás fogalmát definiáljuk informálisan és köznyelven: az emberek átlagos számát, akikkel kapcsolatba léptek, akik a betegséget hordozzák, és fertőzőek ahhoz, hogy az Ön számára terjedjen. Például 0,95 ellenállás azt jelentené, hogy átlagosan 20 fertőző egyénnel kell kölcsönhatásba lépnie, mielőtt a betegséget megbetegedné.

Inkubáció, betegség. Az inkubációs periódus a tünetmentes, de fertőző napok száma. A jelenlegi tudományos tanulmányok szerint az inkubációs periódus körülbelül 5 nap a COVID-19 esetében [1]. A betegség periódusa a betegség napjainak száma. Alapértelmezés szerint ezeket a paramétereket a 4 és a 7 használjuk, ami konzervatívnak tűnik.

Karantén. Karanténban van, ha beteg, így nincs esélyük a betegség terjedésére, miután tüneteket tapasztaltak. A valóságban a COVID-19 körülbelül 30% -kal nagyobb valószínűséggel képes fertőzött egyénekre, akik tünetmentesek, és ezért maguk nem karanténba kerülnek [2]. Noha alapértelmezés szerint ezt a tényezőt 1-re állítjuk (mindig karanténba helyezzük, ha tünetek vannak), nagyon konzervatívak vagyunk.

Interakciós modell. Van egy „globális” vagy „szomszédsági” interakciós modell. A globális modell azt jelenti, hogy véletlenszerű emberekkel találkozik, például üzlettársakkal, mozikban, éttermekben, konferenciákon, iskolákban stb.. A szomszédsági modell alapvetően akkor áll, amikor az emberek otthon vannak, és csak közvetlen családjukkal lépnek kapcsolatba. Pontosabban, mindenki többször is kapcsolatba lép korlátozott számú n emberrel. Az interakciók száma az emberek száma, amellyel naponta kölcsönhatásba lépnek.

Íme néhány érdekes forgatókönyv, amelyre kíváncsi voltunk. A szimulációs eredményeket a mester szimulációból visszaállíthatja a jobb oldali paraméterek beállításával és a „Futtatás” gomb megnyomásával.

Az élet mint mindig forgatókönyv. Túlreagálunk-e? Időnként ez biztosan úgy érzi. Tehát először egy konzervatív San Francisco-i napot tekintünk, távolodás nélkül. 100K populációt használunk, 4 beteget szenved, napi 10 véletlenszerű interakciót, 0,95 ellenállást és beteg esetén még a teljes karantént is használjuk. Az eredmény? Alapvetően nincs esélyünk a betegség megállítására - ez az SF népesség nagy részét (80% -át) nagyon gyorsan eléri. És ha ez az Egyesült Államok többi részének modellje, az az Egyesült Államok lakosságának nagy részét el fogja érni, amely önállóan elterjedt a városok között, és valójában nincs esélyünk. A dolgok még rosszabbá tétele érdekében ezek az eredmények meglehetősen robusztusak a paraméterek sok megváltoztatásakor, amelyek már nagyon konzervatívak.

Társadalmi távolság. Másodszor, azt a körülményt vesszük figyelembe, ahol nagyrészt otthonainkra korlátozódnak. Nem találkozunk véletlenszerű emberekkel konferenciákon, iskolákban, éttermekben, filmeken stb. Most az eredmények drámai változásokkal járnak. Próbáljon meg csak frissíteni az interakciós modellt „Global” -ról „Neighborhood” -re, miközben a többi paraméter változatlan marad. Először észreveszi, hogy drasztikusan csökkentettük a fertőzött százalékos arányt. Másodszor, észreveszi, hogy drámaian lelassítjuk a betegség terjedését. Ismét, ez valójában erőteljes ahhoz, hogy növelje az emberek számát, akivel kapcsolatba lépsz, mindaddig, amíg ugyanaz az embercsoport.

Maradj otthon. Harmadszor, ugyanazon „szomszédság” modell alapján egyszerűen csökkentse a 10–4 ember közötti interakciók számát, azaz egy tipikus család méretét. Most valójában gyorsan legyőzzük a betegséget, és teljesen kitöröljük. Még azokban az esetekben is, amikor nem töröljük ki (4–10 közötti interakció méretétől vagy kisebb ellenállástól), teljesen ellenőrzés alatt állunk. Ez ismét erőteljes az alacsonyabb rezisztenciaszintek és magasabb kiindulási betegségpopulációk esetében, ami jobban tükrözi a valóságot.

Vegyes vagy korlátozott globális interakció. Kíváncsi lehet, hogy mi lenne egy „vegyes” interakciós modellvel. A probléma itt az, hogy még egy kicsit a globális kölcsönhatásból (4-re állítva) és a 0,9-es ellenálláshoz (kissé alacsonyabb, mint 0,95) elegendő ahhoz, hogy a betegséget ellenőrizetbe vesszük, és a lakosság 2/3-át megfertőzzük, mielőtt elpusztulna. Ha a globális interakciót 4-ről 3-ra csökkentjük, akkor a betegség a lakosság kb. És ha nem karanténba helyeznénk a betegeket, akkor valójában szinte mindenki számára megismétlődik, hogy az élet normálisnak számít, még a nagyon konzervatív, korlátozott globális interakció esetén is csak csekély esélye van arra, hogy legyőzzük a betegséget.

A fent említett forgatókönyvek eredményei

Vegye el. Szóval mit tehetek ebből?

A szokásos élet nagyrészt lehetetlennek tűnik dolgozni. Számolnia kellett volna a természetes ellenállással, immunitással, az időjárással vagy más külső tényezőkkel a sebesség lassításához. Vagy el kell fogadnia, hogy a lakosság nagy része megfertőződik, és ez rendben van. Ezen kívül minden bizonnyal nem tűnik úgy, mintha túl reagálnánk. A válasz valójában abszolút brutális szükségszerűség.

Tekintettel arra, hogy San Franciscóban csaknem egy millió ember él, mindössze 40 esettel, okunk van optimistának lenni. Úgy tűnik, hogy időben továbbra is érvényesítettük a politikákat. Ez nagyrészt megköveteli az emberektől, hogy korlátozzák a véletlenszerű interakciókat. Elfelejtheti az iskolákat, konferenciákat és zenei koncerteket. Naponta egy maroknyi értelmes interakcióról beszélünk egy véletlenszerű emberrel, amire szükség lehet, hogy ez kiszabadulhasson az irányításból. A flip oldalán még mindig van időzítés a mi oldalunkon. Ha lecsökkentjük a véletlenszerű interakciók számát legfeljebb 2-re (csak minimálisra), akkor nagyon valószerűnek tűnik, hogy ezt a dolgot teljes ellenőrzés alatt tartjuk, esetleg akár töröljük is, ha rendkívül szerencsések vagyunk, és mindenki szerepet játszik. Ez minden bizonnyal legalábbis késleltetné a kórházak megkönnyítését, és időt adna nekünk orvosi küzdelemre. De valóban nagyon közeli, amikor a közvetlen családtagjain kívüli külső véletlenszerű kapcsolatokról van szó.

Köszönet Joshua Levy-nek, hogy ellenőrizte a kódomat hibákért, értékes paramétereket és betekintést nyújtva!