Ebola Seterusnya Adalah Sulit untuk Ramalan, tetapi "Peramalan Peramalan" Boleh Membantu

Seorang lelaki berusia dua tahun di Guinea pedalaman meninggal dunia akibat Ebola pada bulan Disember 2014. Dalam tempoh dua tahun akan datang, hampir 30,000 orang di Afrika Barat akan dijangkiti virus Ebola.

Kenapa, tidak seperti 17 wabak Ebola sebelum ini, adakah ini berkembang begitu besar, begitu cepat? Apa, jika ada, boleh dilakukan untuk mencegah wabak masa depan? Persoalan-persoalan ini, bersama dengan yang lain, berada di tengah-tengah bidang saintifik penyebaran wabak yang baru muncul. Dan kepentingan tidak boleh lebih tinggi. Pada bulan Januari, Forum Ekonomi Dunia memanggil pandemik sebagai salah satu risiko terbesar kepada perniagaan dan kehidupan manusia.

Sejak beberapa abad yang lalu, saintis telah menjadi lebih baik dalam meramalkan banyak aspek dunia, termasuk orbit planet, surut dan aliran pasang surut, dan laluan angin ribut. Keupayaan untuk memahami sistem semulajadi dan fizikal dengan cukup baik untuk membuat ramalan yang tepat mungkin merupakan pencapaian terbesar manusia.

Kebanyakan kejayaan ini bermula dengan pernyataan mendasar Isaac Newton bahawa terdapat undang-undang universal yang tidak berubah yang mengawal fenomena semulajadi di sekeliling kita. Keupayaan untuk melakukan kalkulasi besar dengan cepat telah memupuk perspektif Newtonian yang, dengan memberikan data yang cukup dan kuasa pengkomputeran, fenomena yang paling rumit dapat diramalkan.

Terdapat, bagaimanapun, had. Sebagai saintis yang mengkaji jenis sistem ramalan ini, kami ragu-ragu bahawa ia mungkin untuk meramalkan apa yang akan berlaku seterusnya dalam wabak penyakit, kerana pembolehubah yang paling penting dapat berubah begitu banyak dari satu wabak ke yang lain.

Inilah sebabnya, seperti ramalan cuaca, pengumpulan data masa nyata mungkin penting untuk memajukan kemampuan komuniti saintifik untuk meramalkan wabak.

Wabak Capricious

Idea bahawa saintis boleh memodelkan wabak didasarkan pada tanggapan bahawa trajektori setiap wabak dapat diramalkan kerana ciri-ciri intrinsik dan tidak berubah.

Katakanlah penyakit disebabkan oleh patogen yang dapat ditularkan. Penyebaran penyakit itu dapat dikemas dalam sebilangan yang disebut "nisbah pembiakan asas" atau R0, angka yang menggambarkan betapa luasnya patogen yang mungkin menyebar ke dalam populasi tertentu.

Jika ahli epidemiologi mengetahui cukup tentang R0 patogen, harapannya adalah mereka boleh meramalkan aspek wabak seterusnya - dan semoga mencegah wabak kecil daripada menjadi epidemik berskala besar. Mereka mungkin melakukan ini dengan menggerakkan sumber ke kawasan di mana patogen mempunyai nilai R0 yang sangat tinggi. Atau mereka mungkin menghadkan interaksi antara pembawa penyakit dan ahli yang paling mudah terdedah kepada masyarakat tertentu, sering kanak-kanak dan orang tua.

Dengan cara ini, R0 ditafsirkan sebagai nombor yang tidak berubah. Tetapi kajian moden menunjukkan bahawa ini bukan kes itu.

Sebagai contoh, pertimbangkan wabak virus Zika. Untuk penyakit ini, R0 berkisar antara 0.5 hingga 6.3. Ini adalah jangkaan yang luar biasa, dari penyakit yang akan menghilangkannya sendiri kepada seseorang yang akan menyebabkan wabak jangka panjang.

Orang mungkin berpendapat bahawa nilai R0 yang luas untuk Zika ini berpunca dari ketidakpastian statistik - bahawa mungkin para saintis hanya memerlukan lebih banyak data. Tetapi itu akan menjadi sebahagian besarnya tidak betul. Bagi Zika, pelbagai faktor, dari iklim dan nyamuk ke kehadiran virus lain yang berkaitan seperti Dengue dan peranan penghantaran seksual, semuanya membawa kepada nilai R0 yang berbeza dalam tetapan yang berbeza.

Ternyata ciri-ciri wabak - jangkitan patogen, kadar penghantaran, ketersediaan vaksin, dan sebagainya - berubah begitu cepat semasa wabak tunggal yang saintis dapat meramalkan dinamika hanya dalam perjalanan wabak itu. Dalam erti kata lain, mengkaji wabak penyakit virus Ebola pada bulan April 2014 boleh membantu para saintis memahami wabak Ebola dalam penetapan yang sama pada bulan depan, tetapi sering kurang bermanfaat untuk memahami dinamika epidemik Ebola masa depan, seperti yang berlaku pada Mei 2018.

Epidemik sering tidak fenomena kemas dan dibekalkan. Mereka adalah kejadian yang bising di mana banyak pembolehubah memainkan peranan penting, tetapi beralih, peranan. Tidak ada kebenaran mendasari penyakit itu - hanya koleksi butiran yang tidak stabil yang berubah-ubah, seringkali menjadi terikat, ketika penyakitnya menyebar.

Ramalan yang lebih baik

Jika saintis tidak yakin mereka dapat memahami sistem epidemiologi dengan cukup baik untuk meramalkan tingkah laku yang berkaitan, kenapa perlu repotnya belajar?

Jawapannya mungkin terletak pada apa yang kita sebut sebagai "fizik lembut" ramalan: Para saintis harus berhenti menganggap bahawa setiap wabak mengikuti peraturan yang sama. Apabila membandingkan satu wabak dengan yang lain, mereka perlu mengingati semua perbezaan kontekstual antara mereka.

Sebagai contoh, ahli biologi telah menemui banyak maklumat mengenai jangkitan influenza. Mereka tahu bagaimana virus mengikat sel-sel tuan rumah, bagaimana mereka mereplikasi, dan bagaimana mereka mengembangkan ketahanan terhadap ubat-ubatan antiviral. Tetapi satu wabak mungkin telah bermula apabila penduduk yang banyak menggunakan pengangkutan awam pada hari tertentu, sementara yang lain mungkin telah dimulakan oleh jemaah dalam pelayanan keagamaan. Walaupun kedua-dua wabak ini berakar pada ejen berjangkit yang sama, ini dan banyak perbezaan lain dalam butir-butirnya bermakna bahawa para saintis mungkin perlu menyusun semula bagaimana mereka memodelkan bagaimana masing-masing berkembang.

Untuk memahami butir-butir ini lebih baik, saintis memerlukan pelaburan yang signifikan dalam data masa nyata. Pertimbangkan bahawa Perkhidmatan Cuaca Negara menghabiskan lebih dari $ 1 bilion setahun mengumpulkan data dan membuat ramalan. CDC membelanjakan hanya satu perempat daripada statistik kesihatan awam dan tidak mempunyai belanjawan khusus untuk ramalan.

Surveillance penyakit kekal sebagai salah satu kawasan ilmu pengetahuan tertinggi. Pertimbangan yang teliti untuk keadaan unik yang menyebarkan wabak dan koleksi data yang lebih bertanggungjawab dapat menyelamatkan beribu-ribu nyawa.

Artikel ini pada asalnya diterbitkan pada Perbualan oleh C. Brandon Ogbunu, Randall Harp, dan Samuel V. Scarpino. Baca artikel asal di sini.