无论是追踪疫情的未来传播，还是在疫情爆发时决定在哪里最好地分发疫苗，今天的疾病研究人员都依赖于可靠的计算机模型。

现在，东北大学的研究人员正在重新审视这些模型的一个基本假设:在流行病的早期阶段，每个感染者引起的平均新病例数量是相对恒定的。

“这个数字从来都不是恒定的，”他说亚历山德罗Vespignani斯滕伯格家族杰出大学物理学、计算机科学和健康科学教授。“来自数据的证据正在打破经典的观点。”

简单的模型通常以这个数字为基础的指数曲线显示流行病的开始，这个数字被称为基本繁殖数。零号病人得了流感她会传染给两个人。每个人都将病毒传播给另外两个人，以此类推。只有当生病的人太多，很难找到健康的人咳嗽时，曲线才开始趋于平稳。

但真正的流行病并不是这样容易用图表表示的。在东北的生物和社会技术系统建模实验室维斯皮纳尼和他的同事一直在分析网络，以建立更真实的模型。

他们早期的模型开始于这样一个想法:人们大部分时间都在自己的社交网络中度过，这将影响疾病的传播。零号病人更有可能感染她的朋友和家人而不是住在城市另一头的陌生人。但他们最近发表的论文美国国家科学院院刊更进一步:它表明并不是所有的网络都是平等的。

该团队分析了工作场所、家庭和社区等社会网络类型之间的差异，并将它们分层到一个更大的模型中。维斯皮纳尼预计每一层都有一个唯一的基本繁殖数量。

“实际上，这是完全不同的，”东北大学的主管维斯皮纳尼说网络科学研究所．“我们过去使用的繁殖数字在现实情况下并不适用。”

马可Ajelli他是东北大学的副研究科学家，也是最近这篇论文的高级作者之一，是第一个意识到动力学比他们想象的要复杂得多的人。即使在这些个体层内，基本的繁殖数量也在不断变化。Ajelli说，一个来自大家庭的中学生比一个独自生活的退休人员会感染更多的家庭成员。一开始，流行病往往会在学校和办公室等人流量大的地方蔓延，然后在传播到更孤立的地区时速度会减慢。

阿杰利说:“在疫情的不同时期，不同类型的接触者有不同的组合。”“你必须把所有的信息结合在一起。”

该研究小组使用了2009年意大利和荷兰爆发猪流感的数据，以检验该模型是否能准确地反映真实疫情的波动。研究人员收集了意大利和荷兰社会动态以及疾病本身的信息。

维斯皮纳尼说:“研究那个地方的家庭结构，获得工作场所的统计数据，然后将其整合到这个巨大的世界合成重建中，这真的是一项漫长、有时甚至乏味的工作。”但这非常重要。”

他们发现，他们的模型能够比使用恒定的基本繁殖数的模型更准确地跟踪疾病的生长和传播。但目前，这种模式只适用于意大利、荷兰和拥有类似联系网络的地方。为了在其他领域使用这个模型，维斯皮纳尼和他的团队将需要世界各地社会的详细数据。

与此同时，Vespignani和Ajelli提出，疾病建模者依靠一种不同的方法来预测流行病的传播。研究人员可以使用实际爆发时的数据来确定每天的繁殖数量，而不是使用单一的基本繁殖数量。

维斯皮纳尼说:“你可以用这个数字来进行更好的模拟，更好的预测，并更多地掌握疾病在人群中的实际传播，而不用猜测正在发生什么。”

本文最初由(电子邮件保护)2018年11月19日。