Aos primeiros indícios de um surto de doença, epidemiologistas, prestadores de cuidados de saúde, decisores políticos, e os cientistas recorrem a modelos preditivos sofisticados para determinar como uma doença está se espalhando e o que deve ser feito para minimizar o contágio. Uma colaboração de pesquisa entre a Escola de Engenharia Tandon da Universidade de Nova York e o Politecnico di Torino, na Itália, está revertendo o processo de modelagem tradicional, produzindo previsões que são mais simples de calcular e mais sintonizadas com um mundo hiperconectado.

Todos os modelos preditivos correlacionam o movimento de uma doença através de uma população ao longo do tempo, mas as simulações atuais não conseguem dar conta de uma ideia aparentemente óbvia:que a mobilidade e a atividade variam entre as pessoas, e que essas variações afetam a probabilidade de contrair ou disseminar uma doença.

Um novo paradigma foi explicado em um artigo publicado em Cartas de revisão física por Maurizio Porfiri, professor de engenharia mecânica e aeroespacial na NYU Tandon, Alessandro Rizzo, um professor visitante na NYU Tandon e um professor associado de engenharia de controle no Politécnico, e Lorenzo Zino, um estudante de doutorado do Politécnico em matemática pura e aplicada.

Os pesquisadores presumem que algumas pessoas são mais ativas, alguns menos, e seu modelo explica como essas diferenças podem impactar a disseminação de doenças. Sua abordagem permite modelagem diferenciada de diferentes doenças - de um vírus altamente contagioso transportado pelo ar, como a gripe, que se move rapidamente entre pessoas com alta mobilidade, mas é limitado por aqueles que se isolam, a um vírus como o HIV, que tem um longo período de latência e taxa de transmissão mais lenta.

"A maneira como me movo é a maneira como pego uma doença, "disse Porfiri." Estamos mudando o ponto de vista a partir do qual começamos as simulações de surto porque não podemos entender como um pequeno surto evolui para uma epidemia sem entender como os diferentes níveis de atividade das pessoas ajudam a propagá-lo. "

Vários modelos tradicionais pressupõem homogeneidade dentro da comunidade. "É como se todos os doentes estivessem em um lugar específico, conectando-se a um determinado número de pessoas, e isso não é realista, "disse Rizzo." Algumas pessoas fazem mais conexões do que outras, e a escala dessas conexões pode ser comparável à escala da doença. "

Porfiri e Rizzo explicaram que as simulações tradicionais usam uma abordagem de "tempo discreto / atividade contínua", que normalmente requer simulações extensas e demoradas. Os pesquisadores empregam sistemas mais simples de equações diferenciais acopladas que permitem a manipulação de fatores que podem influenciar a propagação de doenças.

Esta é a primeira pesquisa a emergir de um período de três anos, $ 375, Bolsa 000 da National Science Foundation atribuída à equipa para estudar a evolução simultânea da dinâmica das doenças infecciosas e das redes através das quais se propagam. A pesquisa também foi financiada em parte por doações do US Army Research Office (ARO) e da Compagnia di San Paolo.

A equipe desenvolveu uma das poucas abordagens de modelagem de doenças que usa heterogeneidades nos níveis de atividade como um fator na disseminação da doença. Em experimentos para testar seu modelo, a equipe previu com sucesso o movimento da gripe em um campus universitário e a disseminação de um tópico de tendência no Twitter.

“Temos infinitas possibilidades de ver o impacto das intervenções, "disse Porfiri." Podemos entender como vacinas, quarentena, ou outros parâmetros influenciam o contágio. Algumas doenças pegam fogo, enquanto outros são anulados imediatamente. Essa estrutura permite a análise de por que e como isso acontece. "

No futuro, os pesquisadores esperam que este modelo ajude os esforços de gestão durante um surto, incluindo a implementação de estratégias de vacinação, avaliando os riscos e benefícios da proibição de viagens, e avaliar a eficácia das campanhas de prevenção de doenças.