Alle krankheitsmodelle sind ‚falsch‘, aber Wissenschaftler arbeiten, um das zu beheben

Ein internationales team von Forschern hat eine neue mathematische Werkzeug, das helfen könnte, die Wissenschaftler zu liefern genauere Vorhersagen, wie sich Krankheiten, einschließlich COVID-19, verbreitet durch die Orte und Städte rund um die Welt.

Rebecca Morrison, ein Assistent professor für computer science an der Universität Boulder in Colorado, führte die Forschung. Seit Jahren leitet Sie eine Werkstatt der möglichen mathematischen Modelle—strings von Gleichungen und Annahmen, die die Wissenschaftler verwenden, um besser zu verstehen, die Welt um Sie herum, von der Flugbahn des Klimawandels, wie Chemikalien, brennen in eine explosion.

Wie Morrison es ausdrückte, „Meine Arbeit beginnt, wenn die Modelle beginnen zu Versagen.“

Sie und Ihre Kollegen vor kurzem Ihre Sehenswürdigkeiten auf eine neue Herausforderung: epidemiologische Modelle. Was können Wissenschaftler tun, in anderen Worten, wenn Ihre Prognosen für die Ausbreitung von Infektionskrankheiten nicht mit der Realität übereinstimmen?

In einer Studie, veröffentlicht heute in der Zeitschrift Chaos, Morrison und Brasilianische Mathematiker Americo Cunha wandte sich an die 2016 Ausbruch des Zika-virus als Testfall. Sie berichten, dass eine neue Art von tool namens „embedded Diskrepanz operator“ könnte in der Lage sein, um den Wissenschaftlern helfen, fix Modelle verfehlen Ihre Ziele—effektiv ausrichten von Modell-Ergebnissen mit Daten aus der realen Welt.

Morrison ist schnell darauf hin, dass Ihre Forschungsergebnisse sind spezifisch für Zika. Aber das team ist schon versucht, die Anpassung Ihrer Methoden, um den Forschern helfen, Holen Sie sich vor einem zweiten virus, COVID-19.

„Ich glaube nicht, dass dieses Werkzeug wird zum lösen eines epidemiologischen Krise auf seine eigene,“ Morrison sagte. „Aber ich hoffe, es wird ein anderes Werkzeug im arsenal der Epidemiologen und Modellbauer voran.“

Wenn Modelle Versagen

Die Studie weist auf ein häufiges Problem, dass Modellierer Gesicht.

„Es gibt sehr wenige Situationen, in denen ein Modell perfekt mit der Realität übereinstimmt. Per definitionem sind Modelle vereinfachte, von der Wirklichkeit,“ Morrison sagte. „In der einen oder anderen Weise, alle Modelle sind falsch.“

Cunha, assistant professor an der Rio de Janeiro State University, und seine Kollegen, lief gegen das problem vor einigen Jahren. Sie versuchten, sich eine gemeinsame Art der Erkrankung-Modell—als Anfällig, Ausgesetzt, Infiziert oder Wiederhergestellt werden (SEIR) – Modell—zu erstellen das Zika-virus Ausbruch von Anfang bis Ende. In 2015 und 2016, dieser Erreger lief grassierende durch Brasilien und anderen teilen der Welt, wodurch Tausende von Fällen von schweren Missbildungen bei Säuglingen.

Das problem: egal, was die Forscher versucht, Ihre Ergebnisse nicht übereinstimmen, wird die aufgezeichnete Anzahl von Zika Fällen, in einigen Fällen Fehleinschätzung der Zahl der infizierten Personen, die von Zehntausenden.

Eine solche Unterdeckung ist nicht ungewöhnlich, Cunha sagte.

„Die Aktionen, die Sie heute wird sich auf den Verlauf der Krankheit“, sagte er. „Aber Sie sehen nicht die Ergebnisse, die Aktion für eine Woche oder sogar einen Monat. Dieser feedback-Effekt ist extrem schwer zu erfassen in einem Modell.“

Eher als Aufgabe des Projektes, Cunha und Morrison sich zusammengetan, um zu sehen, ob Sie beheben könnte das Modell. Konkret gefragt: Wenn das Modell nicht replizieren von Daten aus der realen Welt, konnten Sie verwenden, die Daten zu Mode-ein besseres Modell?

Geben Sie die eingebettete Diskrepanz Betreiber. Sie können das Bild-Werkzeug, mit dem Morrison zuerst entwickelt zur Untersuchung der Physik der Verbrennung, als eine Art Spion, der sitzt in den Eingeweiden eines Modells. Als die Forscher die feed-Daten zu dem Werkzeug, das Sie sieht, und reagiert auf die Informationen, dann schreibt das Modell die zugrunde liegenden Gleichungen, um besser mit der Realität übereinstimmen.

„Manchmal wissen wir nicht, die richtigen Gleichungen für die Verwendung in einem Modell,“ Cunha sagte. „Die Idee hinter diesem tool ist, um eine Korrektur zu unseren Gleichungen.“

Die Methode funktioniert hat. Nach dem loslassen Ihr Betreiber seine Sache tun, Morrison und Cunha entdeckt, dass Sie hatte fast beseitigt die Lücke zwischen dem Modell, die Ergebnisse und die öffentliche Gesundheit Aufzeichnungen.

Ehrlich

Das team ist nicht zu stoppen, beim Zika. Morrison und Cunha arbeiten bereits an der Implementierung Ihres gleichen Strategie, um zu versuchen, zur Verbesserung der Modelle der Corona-Virus-Pandemie.

Morrison bezweifelt, dass jede Krankheit Modell wird jemals 100% genau. Aber, sagte Sie, diese Werkzeuge sind immer noch von unschätzbarem Wert für die Unterrichtung der öffentlichen Gesundheit Entscheidungen zu treffen—vor allem, wenn die Modellbauer sind vorne über das, was Ihre Ergebnisse kann oder kann nicht sagen, dass Sie über eine Krankheit.