Další Ebola je těžké předvídat, ale "Outbreak Forecasting" může pomoci

Dvouletý chlapec na venkově Guinea zemřel na Ebolu v prosinci 2014. Během následujících dvou let by se v západní Africe nakazilo téměř 30 000 lidí v západní Africe.

Proč, na rozdíl od předchozích 17 epidemií Ebola, tento rostl tak velký, tak rychle? Co, pokud vůbec něco, může být provedeno, aby se zabránilo budoucím ohniskám? Tyto otázky, spolu s mnoha dalšími, jsou jádrem vznikající vědecké oblasti předpovídání ohnisek. A sázky nemohly být vyšší. V lednu Světové ekonomické fórum označilo pandemie za jedno z největších rizik pro podnikání a lidský život.

V posledních několika stoletích se vědci stali stále lepšími v předvídání mnoha aspektů světa, včetně orbity planet, odlivu a toku přílivů a cest hurikánů. Schopnost porozumět přirozeným a fyzickým systémům, které jsou dostatečně přesné na to, aby bylo možné přesně předpovědět, je možná jedním z největších úspěchů lidstva.

Hodně z tohoto úspěchu na předpovědi začíná základním pohledem Isaaca Newtona, že existují neměnné univerzální zákony, které řídí přírodní jevy kolem nás. Schopnost rychle provádět velké výpočty podpořila Newtonovu perspektivu, že vzhledem k dostatečnému datovému a výpočetnímu výkonu lze předvídat nejsložitější jevy.

Existují však meze. Jako vědci, kteří studují tyto druhy prediktivních systémů, pochybujeme o tom, že bude možné přesně předpovědět, co se bude dít dál v případě vypuknutí nemoci, protože nejdůležitější proměnné se mohou měnit od jednoho ohniska k druhému.

To je důvod, proč, stejně jako předpovědi počasí, shromažďování údajů v reálném čase je pravděpodobně nezbytné pro podporu schopnosti vědecké komunity předvídat propuknutí.

Hrozné epidemie

Myšlenka, že vědci mohou modelovat epidemie, je založena na myšlence, že trajektorie každého ohniska je předvídatelná z důvodu jejích vnitřních a neměnných vlastností.

Řekněme, že onemocnění je způsobeno přenosným patogenem. Infekčnost tohoto onemocnění může být zapouzdřena v čísle nazývaném „základní reprodukční poměr“ nebo R0, což je číslo popisující, jak se široce šíří patogen v dané populaci.

Pokud epidemiologové vědí dost o patogenním R0, je naděje, že mohou předvídat aspekty svého dalšího ohniska - a doufejme, že zabrání vzniku epidemií v malém měřítku. Mohou to udělat mobilizací zdrojů do oblastí, kde mají patogeny zvláště vysoké hodnoty R0. Nebo mohou omezit interakce mezi nositeli onemocnění a nejcitlivějšími členy dané společnosti, často dětmi a staršími lidmi.

Tímto způsobem je R0 interpretován jako neměnné číslo. Ale moderní studie dokazují, že tomu tak není.

Zvažte například epidemii viru Zika. Pro toto onemocnění se R0 pohyboval od 0,5 do 6,3. To je pozoruhodné rozpětí, od nemoci, která se rozptýlí sama od sebe až po nemoc, která způsobí dlouhodobou epidemii.

Dalo by se myslet, že tato široká škála hodnot R0 pro Ziku pramení ze statistické nejistoty - že vědci možná potřebují více dat. Ale to by bylo většinou nesprávné. Pro Zika, nesčetné faktory, od klimatu a komárů až po přítomnost jiných souvisejících virů, jako je Dengue, a role sexuálního přenosu, to vše vede k různým hodnotám R0 v různých prostředích.

Ukazuje se, že rysy epidemie - nakažlivost patogenu, rychlost přenosu, dostupnost vakcín a tak dále - se mění v průběhu jediného ohniska tak rychle, že vědci jsou schopni předvídat dynamiku pouze v průběhu této epidemie.. Jinými slovy, studium vypuknutí viru Ebola v dubnu 2014 může vědcům pomoci pochopit vypuknutí eboly v tomtéž prostředí příští měsíc, ale je často mnohem méně užitečné pro pochopení dynamiky budoucích epidemií Ebola, jako je ta, která se stala v květnu 2018.

Epidemie často nejsou čistými a vázanými jevy. Jsou to hlučné výskyty, kdy mnoho proměnných hraje základní, ale posouvající se role. Neexistuje žádná základní pravda o nemoci - pouze nestabilní sbírka detailů, které se liší, často se zaplétají, jak se nemoc šíří.

Lepší předpovědi

Pokud si vědci nejsou jisti, že dokáží porozumět epidemiologickým systémům dostatečně dobře, aby předvídali chování příbuzných, proč se obtěžovat studovat?

Odpověď může spočívat v tom, co nazýváme „měkká fyzika“ predikce: Vědci by měli přestat předpokládat, že každé ohnisko se řídí stejnými pravidly. Při porovnávání jednoho ohniska s druhým by měli mít na paměti všechny kontextové rozdíly mezi nimi.

Například biologové odhalili mnoho podrobností o infekcích chřipky. Vědí, jak se viry váží na hostitelské buňky, jak se replikují a jak se vyvíjejí rezistence na antivirotika. Jedna epidemie však mohla začít, když velká populace použila veřejnou dopravu v určitý den v měsíci, zatímco jiná mohla být zahájena sborem v náboženské službě. Ačkoli obě ohniska jsou zakořeněna ve stejném infekčním činiteli, tyto a mnoho dalších rozdílů v jejich údajích znamená, že vědci mohou potřebovat přeformulovat způsob, jakým každý postupuje.

Pro lepší pochopení těchto údajů potřebují vědci značné investice do dat v reálném čase. Zvažte, že národní meteorologická služba vynakládá více než 1 miliardu dolarů ročně na shromažďování dat a předvídání. CDC vynakládá na statistiku veřejného zdraví pouze čtvrtinu a nemá žádný vyhrazený rozpočet pro předpovědi.

Sledování nemocí zůstává jednou z nejvyšších oblastí vědy. Pečlivé zvážení jedinečných okolností, které způsobují propuknutí a odpovědnější sběr dat, by mohlo zachránit tisíce životů.

Tento článek byl původně publikován na Konverzaci C. Brandon Ogbunu, Randall Harp a Samuel V. Scarpino. Přečtěte si originální článek zde.