Выявите скрытых распространителей пандемии с помощью сетей отслеживания контактов

Sep 18, 2023

Том 13 научных отчетов, номер статьи: 11621 (2023) Цитировать эту статью

239 Доступов

1 Альтметрика

Подробности о метриках

Число случаев заражения Covid-19 резко возросло во всем мире, что нанесло ущерб как обществу, так и экономике. Ключевым фактором, способствующим устойчивому распространению, является наличие большого количества бессимптомных или скрытых распространителей, которые смешиваются с восприимчивым населением, не будучи обнаруженными или помещенными в карантин. В связи с постоянным появлением новых вариантов вируса, даже несмотря на широкое применение вакцин, выявление бессимптомных инфицированных лиц по-прежнему важно для борьбы с эпидемией. Основываясь на уникальных характеристиках динамики распространения COVID-19, мы предлагаем теоретическую основу, отражающую вероятности перехода между различными инфекционными состояниями в сети, и расширяем ее до эффективного алгоритма для выявления асимптотических людей. Мы обнаружили, что, используя чисто физические уравнения распространения, скрытые распространители COVID-19 могут быть идентифицированы с поразительной точностью, даже при наличии неполной информации сетей отслеживания контрактов. Кроме того, наша концепция может быть полезна для других эпидемических заболеваний, которые также имеют бессимптомное распространение.

Поскольку пандемия COVID-19 продолжает распространяться быстрыми темпами1,2,3, а разработка эффективных фармакологических методов лечения, по данным ВОЗ, все еще остается неопределенной, нефармакологические вмешательства, такие как изоляция инфекционного заболевания посредством карантина4,5, являются наиболее эффективными и, возможно, наиболее эффективными. единственный способ сдерживания продолжающихся вспышек, поскольку он эффективно снижает передачу вируса от человека к человеку. 6. Однако, в отличие от других инфекционных заболеваний, таких как атипичная пневмония и Эбола, COVID-19 уникален тем, что большая часть инфицированного населения протекает в легкой форме или бессимптомно7. Даже некоторые из асимптотических инфекций не проявляют никаких клинических симптомов до полного выздоровления8,9. Не будучи обнаруженным и впоследствии помещенным в карантин, бессимптомное население (т.е. скрытые распространители) бессознательно поддерживает продолжающееся распространение болезни среди восприимчивого населения10,11. Это представляет собой серьезную проблему для эффективного смягчения последствий распространения пандемии. Более того, эмпирические исследования показали, что такие бессимптомные инфекции составляют значительную долю населения12,13,14,15,16,17,18, до 80%18. В настоящее время оценка бессимптомных случаев осуществляется посредством тщательного скрининга близких контактов известных инфицированных случаев в сетях отслеживания контактов17. Этот нецелевой метод требует большого количества ресурсов и отнимает много времени, что, в свою очередь, приводит к неэффективным или запоздалым мерам по карантину бессимптомных случаев. С другой стороны, сочетание сети отслеживания контактов на основе мобильных приложений19 и статистической системы20 демонстрирует потенциал для точной локализации распространителей высокого риска21,22. Следовательно, целенаправленный скрининг в сети отслеживания контактов является целесообразным, чтобы можно было с высокой точностью оценить лиц, не имеющих симптомов, для вмешательства и смягчения последствий распространения.

Здесь мы включаем эмпирические характеристики динамики распространения COVID-19 в марковский процесс, то есть векторы, которые представляют различные стадии заражения и связанные с ними вероятности перехода. Встраивая процесс перехода в сеть отслеживания контактов, включающую известные зараженные узлы (отдельные лица), мы разрабатываем метод, который с высокой точностью прогнозирует инфекционные состояния остальной части сети. Объединив такие прогнозы со структурой сети, мы затем получаем мощность распространения каждого узла, принимая во внимание как его инфекционный статус, так и его конкретное расположение в сети, так что скрининг бессимптомных больных может быть соответствующим образом расставлен по приоритетам. Эффективность нашего метода подтверждена эмпирическими данными двух сетей передачи COVID-19 в Сингапуре. Более того, в моделируемом эксперименте по передаче COVID-19 в сети отслеживания контактов мы обнаружили, что схема скрининга, разработанная с помощью предлагаемой вычислительной системы, превосходит несколько базовых линий машинного обучения, разработанных в этой работе, и случайный скрининг соседей по заражению. Последний широко использовался при первых вспышках COVID-19 в Китае. Более того, даже в реальной ситуации неполной информации о сети отслеживания контактов, с отсутствующими звеньями или подсетями, состоящими только из контактов инфицированных случаев, наш метод сохраняет высокую точность. Таким образом, наш метод очень эффективен при оценке бессимптомных случаев и может быть реализован в любых сетях отслеживания контактов, созданных вручную23,24 или с помощью технологических средств25, таких как Bluetooth26,27, GPS28 и цифровых технологий регистрации и выезда (например, QR-коды здравоохранения29). широко используется в Китае).