ในฐานะนักฟิสิกส์ ฉันได้รับการฝึกฝนให้ค้นหารูปแบบในข้อมูล ตัวอย่างเช่น การเคลื่อนที่ของอนุภาคที่เล็กที่สุดอาจดูเหมือนเป็นแบบสุ่ม แต่ก็มีรูปแบบและความสมมาตร เช่นเดียวกับการเคลื่อนไหวและปฏิสัมพันธ์ของมนุษย์ มนุษย์ส่วนใหญ่มักย้ายไปและมาระหว่างสถานที่ที่คุ้นเคย (เช่น บ้านและที่ทำงาน) และอาจพบเจอกับคนๆ เดียวกัน เช่น เพื่อนร่วมงานเกือบทุกวัน แต่โดยธรรมชาติแล้ว ยังมีปฏิสัมพันธ์แบบสุ่มในโลกสมัยใหม่ที่ซับซ้อนของเราด้วย
มีโอกาสดีที่เราจะได้พบกับคนแปลกหน้าแบบสุ่มเมื่อเราเดินทาง
จากที่หนึ่งไปยังอีกที่หนึ่ง การเคลื่อนไหวของมนุษย์ประกอบด้วยทั้ง “รูปแบบปกติและการแปรผันแบบสุ่ม” ความสามารถในการติดตามและทำนายการเคลื่อนไหวและการโต้ตอบของมนุษย์นั้นมีประโยชน์อย่างยิ่งในการศึกษาการแพร่กระจายของโรคติดเชื้อ แต่บัญชีหนึ่งบัญชีสำหรับการสุ่มโดยธรรมชาติได้อย่างไร นักวิทยาศาสตร์บางคนใช้ข้อมูลโทรศัพท์มือถือในเยอรมนีเพื่อติดตามผลกระทบของการเคลื่อนที่ของมนุษย์ต่อการแพร่ระบาดของโควิด-19
รับข่าวสารของคุณจากผู้ที่รู้ว่าพวกเขากำลังพูดถึงอะไร
บทความเดือนมีนาคม 2020ใน Washington Post ให้แนวคิดกับฉันและเพื่อนร่วมงาน บทความนี้พยายามอธิบายให้ผู้อ่านทราบว่าการเว้นระยะห่างทางสังคมสามารถชะลอการแพร่กระจายของไวรัสโคโรนาสายพันธุ์ใหม่ได้อย่างไร ผู้เขียนสร้างการจำลองโดยใช้จุดสีต่างๆ ซึ่งเคลื่อนไปในทิศทางสุ่มและชนกัน จุดที่ “ติดเชื้อ” (แทนผู้คน) ชนเข้ากับจุดที่ “ไม่ติดเชื้อ” และแพร่เชื้อต่อไป
การจำลองของ Washington Post ศึกษาการแพร่กระจายของโรคเป็นกระบวนการติดต่อ ซึ่งเป็นแนวคิดที่ได้รับการศึกษาอย่างละเอียดทางคณิตศาสตร์ จุดต่างๆ ยังเตือนเราถึงการเคลื่อนที่แบบสุ่ม ( แบบบราวเนียน ) ของอะตอมของแก๊สและการแพร่ ซึ่งเป็นปัญหาที่ได้รับการศึกษาอย่างดีในวิชาฟิสิกส์ เคมี และวิศวกรรม
ด้วยแรงบันดาลใจจากบทความดังกล่าว เราจึงมองหาวิธีค้นหารูปแบบที่เป็นประโยชน์ในการสุ่มตัวอย่างการเคลื่อนไหวของมนุษย์ เพื่อศึกษาการแพร่กระจายของโรคติดเชื้อร้ายแรงอย่างโควิด-19 แบบฝึกหัดเริ่มต้นจากการเบี่ยงเบนทางปัญญาระหว่างการล็อกดาวน์ ส่งผลให้มีการตีพิมพ์ บทความที่ ผ่านการตรวจสอบโดยเพื่อน 3 บทความ แบบจำลองของเราได้รับการพิสูจน์แล้วว่าแม่นยำมากเมื่อเทียบกับการสังเกต
สำหรับบทความที่สามศาสตราจารย์ DP Mahapatra และฉันได้ศึกษา
แง่มุมที่ซับซ้อนมากขึ้นของการทำนายคลื่นการติดเชื้อจำนวนมากโดยใช้แบบจำลองมอนติคาร์โลของเรา ผลลัพธ์ถูกนำมาเปรียบเทียบกับข้อมูลที่รายงานจากสี่ประเทศที่มีขนาดตัวแทน ได้แก่ อินเดีย (ประมาณ 1.4 พันล้านคน) สหรัฐอเมริกา (330 ล้านคน) แอฟริกาใต้ (60 ล้านคน) และเซอร์เบีย (7 ล้านคน) สิ่งเหล่านี้แสดงให้เห็นถึงข้อตกลงที่สมเหตุสมผลกับช่วงเวลาของคลื่น COVID-19 ที่พบในประเทศต่างๆ เหล่านี้
เกมแห่งโอกาส
ในการสร้างแบบจำลองของเรา เราใช้สิ่งที่เรียกว่าการจำลองแบบมอนติคาร์โลซึ่งใช้กันทั่วไปในฟิสิกส์และสาขาต่างๆ เช่น วิศวกรรมและการเงิน วิธีการของมอนติคาร์โลได้รับการตั้งชื่อตามแหล่งการพนันที่หรูหราในโมนาโก ซึ่งเกมแห่งโอกาสก็เหมือนกับคาสิโนอื่นๆ
สิ่งที่ทำให้การจำลองแบบมอนติคาร์โลน่าดึงดูดคือความสามารถในการทำนายผลลัพธ์ที่เป็นไปได้ต่างๆ เนื่องจากมีการจัดเตรียมตัวแปรหรือองค์ประกอบแบบสุ่ม ตัวอย่างเช่น ในการพนัน ตัวแปรอาจรวมถึงผู้เล่น เจ้ามือ การสับไพ่ และจำนวนผู้เล่นรอบโต๊ะ
ในกรณีของการแพร่กระจายของโรคผ่านการสัมผัส (หรือตามความใกล้ชิด) ตัวแปรสุ่มหนึ่งตัวคือการเคลื่อนไหวของมนุษย์ ในการอธิบายสิ่งนี้ในการจำลองของเรา เราใช้สิ่งที่เป็นที่รู้จักกันในทฤษฎีความน่าจะเป็นและฟิสิกส์เชิงสถิติว่าเป็น “การเดินแบบสุ่ม” กระบวนการนี้มีจุดมุ่งหมายเพื่อกำหนดตำแหน่งที่เป็นไปได้ของวัตถุใด ๆ ที่อยู่ในการเคลื่อนไหวแบบสุ่ม ผลลัพธ์ที่แตกต่างกันแต่ละรายการคือสแนปชอต ซึ่งผลรวมจำนวนมากจะรวมกันเป็นหนึ่งเดียว
เอกสารฉบับแรกของเราซึ่งตีพิมพ์ในปี 2021 ศึกษาผลกระทบของการจำกัดการเดินทางและกลยุทธ์การแทรกแซงในการควบคุมการแพร่กระจายของ COVID-19 การจำลองแสดงให้เห็นว่าการเพิ่มขึ้นของจำนวนการติดเชื้อภายในกลุ่มประชากรที่ถูกควบคุมและจำกัดเป็นไปตามกฎแห่งอำนาจ แทนที่จะเป็นการ เติบโตแบบทวีคูณที่สมมติ ขึ้นซึ่ง ใช้ในการสร้างแบบจำลองทางระบาดวิทยา ส่วนใหญ่
มาตราส่วนกฎแห่งอำนาจแสดงให้เห็นว่าจำนวนผู้ติดเชื้อ (หรือผู้เสียชีวิต) ภายในกลุ่มประชากรที่จำกัดเพิ่มขึ้นในลักษณะที่เป็นสัดส่วนกับอำนาจ (เศษส่วน) ของเวลา ประเด็นที่น่าสนใจประการหนึ่งจากเอกสารฉบับนี้คือ พฤติกรรมกฎแห่งอำนาจสำหรับการเติบโตของการแพร่ระบาดเกิดขึ้นตามธรรมชาติจากการจำลองของเรา การเติบโตของกฎแห่งอำนาจดังกล่าวถูกพบในข้อมูลช่วงต้นๆ จากจีนและอธิบายโดยใช้แบบจำลองทางระบาดวิทยาที่ปรับเปลี่ยนซึ่งรวมเอาการล็อกดาวน์และสถานการณ์การเว้นระยะห่างทางสังคมอื่นๆ
บทความนี้ตามมาด้วยการ เผยแพร่ ครั้งที่สองในเดือนธันวาคม 2021 ซึ่งให้แบบจำลองเชิงประจักษ์เพื่อวิเคราะห์และคาดการณ์ที่แม่นยำสำหรับเส้นโค้งการเติบโตของการแพร่ระบาดที่ไม่สมบูรณ์ตามการปรับสเกลของกฎแห่งอำนาจ
การประเมินคลื่นต่อเนื่อง
การจำลองเพิ่มเติมที่อธิบายไว้ในรายงานฉบับที่สาม ของเราพยายามที่จะคำนึงถึงผลกระทบของกลยุทธ์การลดผลกระทบ เช่น การล็อกดาวน์ ร่วมกับการฟื้นตัวและอัตราการติดเชื้อ เพื่อศึกษาการติดเชื้อหลายระลอก ด้วยการใช้การจำลองของเรากับจำนวนผู้ติดเชื้อที่บันทึกไว้และประมาณการ เราพบว่าแบบจำลองของเรามีความแม่นยำมาก การจำลองเหล่านี้ชี้ให้เห็นถึงคลื่นลูกที่ 5 ที่เป็นไปได้สำหรับแอฟริกาใต้ ผลลัพธ์ยังบ่งชี้ว่าจำเป็นต้องมีการทำงานเพิ่มเติมเพื่อรวมอัตราการติดเชื้อซ้ำ ในแง่ของสายพันธุ์ใหม่ เช่น omicron ซึ่งแสดงให้เห็นอย่างชัดเจนถึงความสามารถในการหลบเลี่ยงภูมิคุ้มกันก่อนหน้านี้ งานชิ้นนี้ยังแสดงให้เห็นว่าจำนวนของการติดเชื้อ COVID-19 ในประเทศใดๆ ก็ตามขึ้นอยู่กับความหนาแน่นของประชากร อัตราการปะปน และที่สำคัญที่สุดคือระยะเวลาและระยะเวลาของมาตรการควบคุม เช่น การกักกันและการล็อกดาวน์
โควิดอยู่ที่นี่
เราได้ปรับแต่งแบบจำลองของเราอย่างต่อเนื่อง โดยเฉพาะอย่างยิ่งในส่วนที่เกี่ยวกับการติดเชื้อซ้ำจากสายพันธุ์ใหม่ ขณะนี้เราได้รวมบทเรียนสำคัญสองประการที่เรียนรู้จากการจำลองของเรา: การเคลื่อนไหวที่เพิ่มขึ้นของสมาชิกที่อ่อนแอที่สุดของประชากรเมื่อมีการผ่อนปรนข้อจำกัด; และการติดเชื้อซ้ำที่เพิ่มขึ้นเนื่องจากบุคคลที่หายดีแล้วนั้นติดเชื้อจากสายพันธุ์ใหม่
ปัจจัยเหล่านี้ยังนำไปใช้กับแอฟริกาใต้ ซึ่งชีวิตกำลังกลับสู่”ปกติ”สำหรับคนจำนวนมาก แบบจำลองล่าสุดของเราทำนายคลื่นลูกที่ห้าที่สำคัญ ซึ่งผู้เชี่ยวชาญได้ยืนยันแล้ว ในการจำลองของเรา ตัวเลขของแอฟริกาใต้จะเพิ่มขึ้นอย่างรวดเร็วในช่วงปลายเดือนพฤษภาคมและต้นเดือนมิถุนายน หากไม่ลดลง สิ่งนี้จะนำไปสู่คลื่นลูกใหญ่ที่ยาวนาน โดยคลื่นลูกที่ 5 นี้จะถึงจุดสูงสุดในช่วงปลายปี 2565 เท่านั้น การไต่ระดับและจุดสูงสุด และระลอกคลื่นอื่นๆ ที่เป็นไปได้ตามมา จะขึ้นอยู่กับขั้นตอนที่ตามมาเพื่อลดความรุนแรง
แบบจำลองและการทำงานอย่างต่อเนื่องของเราแสดงให้เห็นฉันทามติที่เพิ่มขึ้นว่า COVID-19 เป็นโรคประจำถิ่นทั่วโลกและจะอยู่ต่อไป
credit: webonauta.com
hermeselling.com
webam10.com
WhenPigsFlyBlog.com
aikidozaragoza.com
FrodoWeb.com
nflchampionshipblog.com
sysadminblogs.com
iqbeatsblog.com
buyorsellhillcountry.com
