新模型预测COVID-19大流行的峰值

截至5月底，COVID-19已在全球造成超过32.5万人死亡。尽管对中国和韩国等国家来说，最糟糕的时期似乎已经过去，但公共卫生专家警告说，世界许多地区的病例和死亡人数将继续激增。了解这种疾病如何演变可以帮助这些国家为预期的病例上升做好准备。

在本周的杂志上前沿，研究人员描述了一个单一的功能，可以准确地描述所有现有的关于活跃病例和死亡的可用数据，并预测即将到来的高峰。该工具使用q-statistics、一组函数和概率分布由物理学家、圣达菲研究所外部教员康斯坦丁诺·萨利斯(Constantino Tsallis)开发。Tsallis与土耳其埃格大学的物理学家Ugur Tirnakli一起研究了这个新模型。

“这个公式在我们测试过的所有国家都有效，”Tsallis说。

两位物理学家都没有打算模拟全球流行病。但Tsallis说，当他看到代表中国每日活跃案例的已发表图表的形状时，他认出了他以前见过的形状——也就是说，在他近20年前帮助制作的描述股市行为的图表中。

“形状完全一样，”他说。为财务数据，函数描述证券交易的概率;对于COVID-19，它每天描述活跃病例数和死亡人数作为时间的函数。

模拟金融数据和追踪全球流行病似乎毫无关联，但萨利斯说，它们有一个重要的共同点。“他们都是复杂的系统他说，“在复杂的系统中，这种情况一直在发生。”来自不同领域的不同系统——生物学、网络理论、计算机科学、数学——经常揭示出遵循相同基本形状和进化的模式。

这张财务图表出现在2004年由萨利斯和已故诺贝尔奖得主默里·盖尔曼(Murray Gell-Mann)共同编辑的一卷书中。Tsallis在20世纪80年代后期发展了q统计，也被称为“Tsallis统计”，作为Boltzmann-Gibbs统计对复杂系统的推广。

在这篇新论文中，Tsallis和Tirnakli使用了来自中国的数据来设置公式的主要参数，中国的活跃病例率被认为已经达到峰值。然后，他们将其应用于包括法国、巴西和英国在内的其他国家，发现它与活跃病例和死亡率随时间的演变相匹配。

Tsallis说，这个模型可以用来创建有用的工具，比如一个可以更新的应用程序实时使用新的可用数据，并可以相应地调整其预测。此外，他认为还可以对其进行微调，以适应未来的疫情。

“这种功能形式似乎是通用的，”他说，“不仅对这种病毒，对可能出现的下一种病毒也是如此。”

---

---