新模型考虑了行为变化对预测COVID-19病例的影响

通过将行为成分添加到传染病模型中，布朗大学的研究人员开发了一种新的建模方法，可以捕捉过去16个月新出现的COVID-19病例的高峰和低谷。

该方法发表在该杂志上科学报告，可用于预测当前大流行的未来趋势，以及预测未来趋势的进程。

“我们知道，就感染的传播方式而言，人们的行为很重要，”布朗大学工程学助理教授、该研究的首席研究员维卡斯·斯里瓦斯塔瓦(Vikas Srivastava)说。“我们想看看我们是否可以量化这些行为方面，将它们纳入一个模型看看这个模型是否能够捕捉到我们在美国和其他地方看到的感染率波动。”

一种常用的传染病传播建模方法是SIR模型。这种方法将人群分为不同的类别:易感人群、受感染人群和康复人群。该模型根据两个参数将人们从一个类别转移到另一个类别。这种疾病的传播能力，以及人们相互接触的速度，可以预测人们从易感人群到受感染人群的传播速度。康复的速度使人们从感染到康复。(在这些模型中，“康复”通常意味着“不再具有传染性”，也包括那些死于感染的人。)

标准的SIR模型产生了一条单峰曲线——传染病专家敦促人们通过保持社交距离、戴口罩和其他减少病毒传播的措施来平平这条曲线。但在过去的16个月里，个别州、整个美国和其他国家的实际病例率并没有形成一条曲线。相反，它们产生了多波感染，给传染病建模界带来了重大挑战，Srivastava说。

随着大流行的展开，斯里瓦斯塔瓦正在布朗大学工程学院教授一门课，其中包括传染病建模的一部分。他和他的学生惊讶地发现模型预测和实际病例率之间的不匹配。

斯里瓦斯塔瓦说:“我们看到病例起起落落，创造了多个高峰，但模型在捕捉它方面做得不够。”“这就是让我们考虑利用人口行为和反应来解释和预测正在发生的事情的原因。”

斯里瓦斯塔瓦与布朗大学的两名本科生扎卡里·拉乔伊和托马斯·亚瑟伍德合作，开发了新的建模策略。他们修改了一个标准的SIR模型，以包括疫苗接种的影响，并在模型中添加了两个行为参数。第一个是“谨慎程度”，随着报告病例的增加，估计人们倾向于采取安全行为——保持社交距离、戴口罩和其他安全措施。参数还捕获政府行为为了应对不断上升的病例率，例如关闭和隔离，这增加了安全行为。第二个参数是“安全感”，它模拟了随着接种疫苗的人越来越多，人们对恢复大流行前活动的信心。

然后，该团队使用优化算法根据美国报告的病例率校准新参数的值。经过参数优化，该团队发现该模型准确地再现了整个美国以及各个州和城市的病例率。

拉乔伊说:“以纽约市为例，我们发现，就在3月底政府行动生效的同时，我们的谨慎程度变量出现了飙升。”“后来随着病例的减少，我们看到谨慎程度下降，进入假期后病例又激增。”

在模型与数据适当拟合的情况下，它使人们能够深入了解大流行在未来可能如何展开。例如，该团队能够测量不同的疫苗接种率如何影响病例率。疫苗接种率的上升可能会导致病例的减少，但它们也可能降低未接种疫苗者的警惕程度，增加他们的安全感。这可能会给病例率带来上升压力，尽管疫苗正在降低病例率。事实上，该模型预测的情况是，随着疫苗的推出，感染率会出现短暂的上升，然后最终开始再次下降。

例如，在美国，该模型捕捉到了4月中旬感染人数增加的短暂时期，然后感染率开始再次下降。在像印度这样的地方，更大的激增看起来与该模型预测的更极端的疫苗接种后激增相似。按照目前的疫苗接种率，该模型预测，到2021年8月，美国的病例将接近零。

研究人员说，这样的见解可能对那些刚刚开始接种疫苗的地方有用。

拉乔伊说:“当我们开发这个模型时，我们关注的是美国，但它肯定会对印度、欧洲或南美等其他地区的预测有用，因为这些地区的病例率仍然很高。”

这种建模方法也可以应用于未来的疫情爆发或大流行。

阿瑟伍德说:“在这个模型中，真的没有任何东西将COVID-19限制为一种疾病。”“我们认为这适用于人们的行为很重要的任何情况，基本上是任何传染病。”