Een beter begrip van opkomende epidemieën
Onderzoekers aan de TU Delft hebben een baanbrekende methode ontwikkeld om epidemieën beter te begrijpen in hun vroege beginfase - een kritieke periode waarin elke kennis telt en levens kan redden. Deze innovatieve statistische methode, die tot twee keer nauwkeuriger is dan momenteel gebruikte epidemiemodellen, is gepubliceerd in het prestigieuze tijdschrift Proceedings of the National Academy of Sciences (PNAS) Nexus.
Een van de grootste uitdagingen bij een nieuwe epidemische uitbraak - een die veel levens kan kosten - is de vertraging in de rapportage van gegevens. Dit kan namelijk de voortgang van de epidemie vertekenen, wat vaak leidt tot ontoereikende maatregelen. Om dit probleem aan te pakken, ontwikkelden Maksim Kitsak en zijn team een statistische methode om de vertraging in de rapportage van gegevens te elimineren. "Dit is belangrijk omdat exponentiële groei, vooral in de vroege fasen, erg gevaarlijk is omdat je de groei van een epidemie onderschat," legt Kitsak uit. Behalve epidemische uitbraken, is de wiskunde methode ook toepasbaar op het volgen van infecties en het monitoren van de voortgang van ziekten en de effectiviteit van geneesmiddelen.
Je kunt de publicatie hier lezen: https://academic.oup.com/pnasnexus/article/3/6/pgae204/7679825
Het team van netwerkwetenschappers, met universitair hoofddocent Maksim Kitsak, professor Piet van Mieghem, en promovendi Zhihao Qiu en Long Ma maakte gebruik van het feit dat epidemieën een eenvoudig, inherent patroon volgen: de groeisnelheden van herstelde en overleden populaties worden verwacht evenredig te zijn met het aantal besmettelijke personen, zolang het virus niet muteert gedurende de observatieperiode. Door gebruik te maken van dit stabiele patroon kunnen de onderzoekers de gegevens zuiveren en de nauwkeurigheid van epidemische voorspellingen aanzienlijk verbeteren.
Een wiskundig model dat levens kan redden
De voordelen van deze schone gegevens zijn verregaand. Onderzoek toont aan dat deze methode de nauwkeurigheid van voorspellingen tot wel twee keer kan verbeteren. Deze verbetering is met name waardevol bij het begin van een epidemie wanneer het virus nog niet goed begrepen is en nauwkeurige informatie cruciaal is.
En hoewel de methode is ontwikkeld op basis van datasets van de COVID-19-uitbraak, is deze niet beperkt tot COVID-19: "dit is een raamwerk voor alle rommelige, nieuwe en onbekende epidemische datasets," legt Zhihao Qiu uit. Door deze methode toe te passen, geloven de onderzoekers dat het mogelijk is om epidemieën beter te beheren en voorspellen, wat uiteindelijk zal leiden tot effectievere responsmaatregelen en verbeterde volksgezondheidsresultaten. De implicaties van hun werk strekken zich uit voorbij de directe voordelen van nauwkeurigere epidemische voorspellingen. Deze methode vertegenwoordigt een significante vooruitgang in de epidemiologie, en biedt een krachtig instrument voor gezondheidsfunctionarissen en onderzoekers om de verspreiding van besmettelijke ziekten effectiever te bestrijden.
