Studie onderzoekt rol van luchthavens in verspreidingsziekte


Studie onderzoekt rol van luchthavens in verspreidingsziekte

De eerste studie om de dynamiek van de ziekte te verspreiden in de vroege stadia van een uitbraak, keek naar 40 Amerikaanse luchthavens en vindt degene die de ziekte zou verspreiden van zijn thuisstad naar andere plaatsen, de snelste zou de Kennedy International Airport van New York zijn. Door luchthavens in Los Angeles, Honolulu en San Francisco.

Onderzoekers in het ministerie van Civiele En Milieu-ingenieurswetenschappen (CEE) aan het Massachusetts Institute of Technology (MIT) schrijven over hun bevindingen in een online gepubliceerd document op 19 juli in PLOES ONE .

Model concentreert zich op vroege stadiums van uitbraak

In de afgelopen tien jaar hebben we een aantal uitbraken zien die zich verspreiden over de hele wereld. In 2003 nam het SARS-uitbraak slechts een paar weken van Hongkong naar 37 landen en verspreidde bijna 1.000 mensen. In 2009 vermoordde de H1N1 "varkensgriep" pandemie bijna 300.000 mensen wereldwijd.

Dergelijke uitbraken vergroten het bewustzijn dat nieuwe pathogenen snel kunnen verspreiden over de wereld met behulp van luchtreizigers.

Om dergelijke besmettingspatronen te onderzoeken, bouwen wetenschappers wiskundige modellen die ideeën uit complexe netwerksystemen bevatten en hoe informatie zich verspreidt in sociale netwerken.

Tot nu toe hebben deze modellen zich geconcentreerd op de laatste stadia van uitbraken, naar plaatsen die uiteindelijk de hoogste infectiesnelheden ontwikkelen.

Maar de MIT-onderzoekers namen een andere aanpak: ze besloten om Focus op de vroege stadia van epidemieën en vergelijk de waarschijnlijkheid van verspreiding van hun thuissteden naar andere plaatsen door de grootste 40 luchthavens van de VS .

Zo houdt hun model rekening met de reispatronen van personen, de geografische ligging van luchthavens, de verschillen in verband tussen luchthavens en de wachttijden bij individuele luchthavens. Door deze factoren bij elkaar te brengen, probeert het model dan te voorspellen waar en hoe snel een ziekte kan verspreiden.

De onderzoekers suggereren Deze manier van kijken naar het probleem kan helpen om de beste manieren te bepalen om infecties te bevatten en vaccin en behandelingen te verspreiden in de eerste paar dagen van een uitbraak .

Senior auteur Ruben Juanes, ARCO-docent in Energiewetenschappen bij MIT's afdeling CEE, vertelde de pers:

"Ons werk is de eerste die vroeger de ruimtelijke verspreiding van besmettingsprocessen bekijkt en een voorspeller voorstelt waarvoor 'nodes' - in dit geval luchthavens - tot een agressievere ruimtelijke verspreiding leiden. '

"De bevindingen kunnen de basis vormen voor een eerste evaluatie van de toewijzingsstrategieën voor vaccins in geval van een uitbraak, en zouden de nationale veiligheidsagentschappen kunnen informeren over de meest kwetsbare wegen voor biologische aanvallen in een dicht verbonden wereld", voegde hij eraan toe.

Nieuw model is meer realistisch

Het model brengt twee contrasterende mobiliteitspatronen samen: één geofysische en de andere mens. De eerste komt uit de studies van Juanes over de stroom vloeistoffen via fractuurnetwerken in ondergrondse rotsen en de tweede komt uit de studies van Marta González van de CEE die modellen van menselijke mobiliteitspatronen en traceerprocessen opsporen in sociale netwerken met behulp van mobiele telefoongegevens.

Met deze twee bronnen van kennis gaat het nieuwe MIT-model af van de conventionele aanpak die veronderstelt dat mensen reizen in een willekeurig diffusiepatroon bij het verplaatsen van de ene luchthaven naar het andere.

Het nieuwe model is realistischer. Mensen reizen niet willekeurig. Ze hebben de neiging om patronen te herhalen.

Het team heeft Monte Carlo simulaties toegepast op González's studie van menselijke mobiliteitspatronen om de kans te bepalen dat een enkele reiziger van een luchthaven naar de andere vliegt.

En ze hebben ook het conventionele willekeurige stromingsmodel vervangen door een "advective fluid" -model dat aanneemt dat het transportproces afhangt van de eigenschappen van de stof die beweegt.

Een conventioneel willekeurig stromingsmodel zou aantonen dat de grootste luchthavenhubs in termen van het verkeersvolume de meest invloedrijke verspreiders van ziekte zouden zijn.

Maar het team, met hun meer realistische model, liet zien dat niet het geval is.

Honolulu Airport: Minder verkeer, maar grote invloed

Een willekeurig diffusiemodel zou kijken naar Honolulu Airport, die slechts 30% van het luchtverkeer van de Kennedy International Airport van New York heeft. Eindelijk de helft van de reizigers gaat naar San Francisco en halverwege Anchorage, de ziekte naar die luchthavens nemen Het op andere reizigers, die op zijn beurt het doorgeven in verdere willekeurige reispatronen.

Maar het nieuwe MIT-model kijkt naar Honolulu Airport en voorspelt, ondanks dat het 70% minder verkeer heeft, dat in termen van de verspreiding van ziekten, bijna even invloedrijk is als de New York Kennedy International Airport.

Dit komt doordat Honolulu Airport een unieke positie inneemt in het luchtvervoersnetwerk. Het is gelegen in de Stille Oceaan en is goed verbonden met verre, grote en goed verbonden hubs. Zo komt het derde, voor San Francisco, in de lijst van 40 Amerikaanse luchthavens in termen van besmettingspreidende invloed.

Van de 40 Amerikaanse luchthavens die het model onderzocht heeft op invloed op de verspreiding van ziekten, zet het Kennedy Airport in de eerste plaats, gevolgd door luchthavens in Los Angeles, Honolulu, San Francisco, Newark, Chicago (O'Hare) en Washington (Dulles).

De hoogste luchthaven in termen van het aantal vluchten is Atlanta's Hartsfield-Jackson International Airport, maar het model gelanceert het achtste in besmetting invloed. De Logan International Airport van Boston is 15e.

González is de Gilbert W. Winslow Career Development Assistant Professor van CEE bij MIT. Ze zei dat de methode die ze gebruikt relatief nieuw maar zeer robuust is.

"Het onderzoek naar de verspreidende dynamiek en de mobiliteit van mensen, waarbij gebruik wordt gemaakt van gereedschappen van complexe netwerken, kan op veel verschillende gebieden van de studie worden toegepast om voorspellende modellen te verbeteren," aldus González, die suggereert dat de "incorporatie van statistische fysica methodes voor het ontwikkelen van predictieve modellen waarschijnlijk zal hebben Verreikende effecten voor modellering in veel toepassingen ".

Een Vergottis Graduate Fellowship en onderscheidingen van het NEC Corporation Fund, het Solomon Buchsbaum Research Fund en het Amerikaanse ministerie van Energie hielpen de studie te financieren.

50 AMAZING Facts to Blow Your Mind! #39 (Video Medische En Professionele 2021).

Sectie Kwesties Op De Geneeskunde: Medische praktijk