Codzienne dojazdy do pracy czy szkoły to rutyna milionów ludzi na całym świecie. Jednak w czasie pandemii mogą one stać się jednym z kluczowych czynników napędzających transmisję chorób zakaźnych. Tradycyjne modele metapopulacyjne, stosowane w epidemiologii, często nie uwzględniają tego aspektu, koncentrując się raczej na migracji i traktując populacje jako względnie statyczne.
Zespół badaczy z Korei Południowej, publikując wyniki w czasopiśmie Chaos wydawanym przez AIP Publishing, zaprezentował nowy model metapopulacyjny oparty na dojazdach (Commuter Metapopulation Model, CMPM), który eliminuje te ograniczenia, włączając do analiz wzorce codziennej mobilności. Model został wykorzystany do symulacji rozprzestrzeniania się COVID-19 z użyciem rzeczywistych danych o dojazdach, uzyskanych od drugiego co do wielkości operatora sieci komórkowej w Korei Południowej. Wyniki potwierdziły, że CMPM znacznie lepiej odwzorowuje zróżnicowanie przestrzenne epidemii – od gwałtownych wybuchów w aglomeracjach po opóźnione i lokalne ogniska w regionach wiejskich.
Jak wyjaśnia autor badań, dr Jae Woo Lee, w przeciwieństwie do tradycyjnych modeli, CMPM „śledzi” pojedyncze osoby na podstawie ich rzeczywistych tras dojazdów. Dane z telefonów komórkowych pozwalają określić, kiedy ludzie opuszczają domy, gdzie przebywają w ciągu dnia i kiedy wracają. Dzięki temu naukowcy uzyskują znacznie bardziej realistyczną mapę rozprzestrzeniania się infekcji w zależności od codziennych zachowań populacji.
Model CMPM, zamiast opierać się na stałych granicach administracyjnych, dynamicznie przemieszcza populacje między regionami zgodnie z przepływami dojazdowymi, co lepiej odzwierciedla realne procesy mobilności. Na przykład, model może przewidzieć, jak infekcje szybko rozprzestrzeniają się w gęsto zaludnionych miastach, takich jak Seul, i jak przenoszą się do sąsiednich miejscowości połączonych ruchem dojazdowym. Natomiast regiony bardziej izolowane, jak wyspa Jeju, wykazują znacznie wolniejszy rozwój epidemii z powodu ograniczonej wymiany ludności.
Tradycyjne modele, jak zauważa Lee, pomijałyby te różnice, przewidując „wygładzony” przebieg epidemii, który nie odpowiada rzeczywistości. CMPM natomiast daje możliwość opracowania bardziej precyzyjnych strategii interwencji.
Badacze podkreślają, że realistyczne dane o mobilności ludności są kluczowe dla modelowania epidemii. Dzięki nim można nie tylko dokładniej przewidywać przebieg pandemii, ale też opracowywać skuteczniejsze, celowane środki zapobiegawcze.
„Nasze codzienne podróże definiują nie tylko nasz rytm dnia, ale także ścieżkę pandemii” – mówi Lee. „Dzięki analizie wzorców dojazdów w czasie rzeczywistym CMPM może pomóc władzom i służbom zdrowia projektować bardziej inteligentne reakcje. Zamiast jednolitych lockdownów, można skoncentrować się na korytarzach o największym natężeniu ruchu lub lepiej chronić regiony o ograniczonych połączeniach.”
Źródło: Chaos: An Interdisciplinary Journal of Nonlinear Science,
Tytuł artykułu: Commuter metapopulation models for epidemic spreading in human mobility networks
DOI: https://doi.org/10.1063/5.0284992
