Artigos e Variedades
Saúde - Educação - Cultura - Mundo - Tecnologia - Vida
Para prever uma epidemia, a evolução não pode ser ignorada

Para prever uma epidemia, a evolução não pode ser ignorada

Seja o coronavírus ou a desinformação, os cientistas podem usar modelos matemáticos para prever como algo se espalhará pelas populações. Mas o que acontece se um patógeno sofre mutação ou a informação é modificada, alterando a velocidade com que se espalha? Os pesquisadores agora mostram pela primeira vez a importância dessas considerações.

Quando os cientistas tentam prever a disseminação de algo entre as populações - qualquer coisa, desde um coronavírus até desinformação - eles usam modelos matemáticos complexos para fazer isso. Normalmente, eles estudam as primeiras etapas em que o assunto se espalha e usam essa taxa para projetar até onde a propagação irá.

Mas o que acontece se um patógeno sofre mutação ou a informação é modificada, alterando a velocidade com que se espalha? Em um novo estudo publicado na edição desta semana da Proceedings da Academia Nacional de Ciências (PNAS) , uma equipe de pesquisadores da Universidade Carnegie Mellon mostra pela primeira vez a importância dessas considerações.

"Essas mudanças evolutivas têm um enorme impacto", diz Osman Yagan, professor do CyLab, professor associado de pesquisa em Engenharia Elétrica e de Computação (ECE) e autor correspondente do estudo. "Se você não considerar as possíveis mudanças ao longo do tempo, estará errado ao prever o número de pessoas que ficarão doentes ou o número de pessoas expostas a uma informação."

A maioria das pessoas está familiarizada com epidemias de doenças, mas as informações em si - hoje em dia viajam à velocidade da luz pelas mídias sociais - podem experimentar seu próprio tipo de epidemia e "se tornar viral". O fato de uma informação se tornar viral ou não pode depender de como a mensagem original é aprimorada.

"Algumas informações desinformadas são intencionais, mas outras podem se desenvolver organicamente quando muitas pessoas fazem sequencialmente pequenas alterações como um jogo de 'telefone'", diz Yagan. "Uma informação aparentemente chata pode evoluir para um Tweet viral, e precisamos prever como essas coisas se espalham".

Em seu estudo, os pesquisadores desenvolveram uma teoria matemática que leva em consideração essas mudanças evolutivas. Eles então testaram sua teoria contra milhares de epidemias simuladas por computador em redes do mundo real, como o Twitter para a disseminação de informações ou um hospital para a disseminação de doenças.

No contexto da disseminação de doenças infecciosas, a equipe realizou milhares de simulações usando dados de duas redes do mundo real: uma rede de contatos entre estudantes, professores e funcionários de uma escola secundária dos EUA e uma rede de contatos entre funcionários e pacientes de uma rede. hospital em Lyon, França.

Essas simulações serviram como banco de ensaio: a teoria que corresponde ao que é observado nas simulações seria a mais precisa.

"Mostramos que nossa teoria funciona em redes do mundo real", diz o primeiro autor do estudo, Rashad Eletreby, que era Ph.D. em Carnegie Mellon. aluno quando ele escreveu o papel. "Os modelos tradicionais que não consideram adaptações evolutivas falham em prever a probabilidade de surgimento de uma epidemia".

Embora o estudo não seja uma bala de prata para prever a disseminação do coronavírus de hoje ou a disseminação de notícias falsas no ambiente político volátil de hoje com 100% de precisão - seria necessário que dados em tempo real acompanhem a evolução do patógeno ou informações a serem feitas isso - os autores dizem que é um grande passo.

"Estamos um passo mais perto da realidade", diz Eletreby.

Outros autores do estudo incluíram ECE Ph.D. a estudante Yong Zhuang, professora do Instituto de Pesquisa de Software Kathleen Carley e o professor de engenharia elétrica de Princeton, Vincent Poor.


Fonte da história:

Materiais fornecidos pela Faculdade de Engenharia da Universidade Carnegie Mellon . Original escrito por Daniel Tkacik. Nota: O conteúdo pode ser editado por estilo e duração.

Referência da revista :

  1. Rashad Eletreby, Yong Zhuang, Kathleen M. Carley, Osman Yağan e H. Vincent Poor. Os efeitos de adaptações evolutivas na disseminação de processos em redes complexas . PNAS , 2020 DOI: 10.1073 / pnas.1918529117

Citar esta página :Faculdade de Engenharia, Universidade Carnegie Mellon. "Para prever uma epidemia, a evolução não pode ser ignorada." ScienceDaily. ScienceDaily, 2 de março de 2020. .

Faculdade de Engenharia, Universidade Carnegie Mellon

Comente essa publicação