Οι πανδημίες γρίπης είναι οι πιο σοβαρές φυσικές καταστροφές που επηρεάζουν τον ανθρώπινο πληθυσμό. Νέα ευρήματα που δημοσιεύτηκαν στο PLoS Computational Biology δείχνουν ότι τόσο με τα έγκαιρα και ακριβή δεδομένα, όσο και με τα εξελιγμένα μαθηματικά μοντέλα, ο πιθανός αντίκτυπος μιας νέας πανδημίας μπορεί να αξιολογηθεί γρήγορα και αποτελεσματικά.
Νέα στελέχη του ιού της γρίπης αναδύονται παροδικά και θέτουν μεγάλες προκλήσεις στους υπεύθυνους της υγείας. Η ισπανική γρίπη του 1918, για παράδειγμα, ήταν υπεύθυνη για το θάνατο περίπου 50 εκατομμυρίων ανθρώπων. Μάλιστα μία πρόσφατη έκθεση του Υπουργικού γραφείου της Βρετανίας, National Risk Register of Civil Emergencies , ορίζει τη πανδημία γρίπης ως ύψιστη προτεραιότητα μεταξύ των φυσικών κινδύνων. Όταν βρισκόμαστε αντιμέτωποι με ένα νέο αναδυόμενο στέλεχος του ιού, οι υπεύθυνοι χάραξης πολιτικής θέλουν να γνωρίζουν: (1) πόσοι άνθρωποι πρόκειται να επηρεαστούν (2) πόσο σοβαρή θα είναι και (3) ποιες επιτυχημένες στρατηγικές μπορούν να εφαρμοστούν.
Σε μια νέα μελέτη μια διεθνής ομάδας ερευνητών που εκπροσωπούν εμπορικά, ακαδημαϊκά, και κυβερνητικά ιδρύματα, αυτά τα ζητήματα εξετάστηκαν μέσα από τη μελέτη ενός συνόλου δεδομένων από το ενεργό προσωπικό υπηρεσίας του στρατού των ΗΠΑ μέσω της ανάπτυξης ενός προηγμένου μαθηματικού μοντέλου. Η ομάδα επικεντρώθηκε στην πανδημία του 2009 (γνωστή ως “γρίπη των χοίρων”). Δημιούργησαν το προφίλ των περιστατικών μέσα από λεπτομερείς καταγεγραμμένες επισκέψεις σε στρατιωτικές κλινικές εγκαταστάσεις και ανέπτυξαν ένα ακριβές μοντέλο εκτίμησης στοιχείων που θα υπολογίζει από διάφορες βάσεις δεδομένων, τόσο τη μεταδοτικότητα της πανδημίας, όσο και τη σοβαρότητά της.
Η μεταδοτικότητα υπολογίζεται γενικά μέσω της παραμέτρου που είναι γνωστή ως ο βασικός αναπαραγωγικός αριθμός, R0, η οποία είναι ο μέσος αριθμός των δευτερευουσών κρουσμάτων που παράγονται από ένα μεταδοτικό άτομο σε έναν ευπαθή πληθυσμό. Με άλλα λόγια, είναι ο αριθμός των ατόμων που το μεταδοτικό άτομο πιθανότατα θα μολύνει. Για τη γρίπη, ο αριθμός αυτός είναι συνήθως μεταξύ 1.5-3. Η σοβαρότητα μπορεί να εκτιμηθεί με διάφορους τρόπους.
Οι ειδικοί ήταν σε θέση να αποδείξουν ότι η έγκαιρη συγκέντρωση δεδομένων από τις στρατιωτικές βάσεις που μολύνθηκαν πρώτες, θα μπορούσε να ενημερώσει το μοντέλο, το οποίο με τη σειρά του θα παρήγαγε ισχυρές προβλέψεις για μία επιδημία μεγάλης κλίμακας στις ΗΠΑ.
Για να ελέγξουν το όφελος αυτής της προσέγγισης, οι ερευνητές προσομοίωσαν ένα μελλοντικό μέτρια πανδημικό στέλεχος, στον υπολογιστή, περίπου 10 φορές μεγαλύτερης κλίμακας από αυτή του 2009. Τα αποτελέσματα έδειξαν ότι ακόμη και πριν τη κορύφωση τα πρώτα κρούσματα ανάμεσα στον πληθυσμό θα μπορούν να προβλεφθούν από τον υπολογιστή. Επιπλέον, θα ήταν σε θέση να αποδείξει ποιες θα είναι οι επιπτώσεις των στρατηγικών μετριασμού, από την άποψη του συνολικού αριθμού των ατόμων που έχουν μολυνθεί και τη σοβαρότητα της λοίμωξής τους.
Η μελέτη κατέδειξε τη σημασία της: (1) χρησιμοποιώντας ένα δισδιάστατο χώρο για την αξιολόγηση των μελλοντικών νέων αερόβιων παθογόνων (R0 και τη σοβαρότητα, (2) τα έγκαιρα και ακριβή στοιχεία για τις επιπτώσεις, και (3) η χρήση ειδικά διαμορφωμένων μοντέλων για τα συγκεκριμένα δεδομένα που αξιολογήθηκαν.
Η έρευνα βασίστηκε σε μια μεγάλη βάση κλινικών δεδομένων από διαφορετικές χώρες. Η ανάλυση που περιγράφεται στο παρόν έγγραφο και που θα μπορούσε να πραγματοποιηθεί σε οποιαδήποτε τέτοια βάση δεδομένων, ενισχύει το γεγονός ότι οι πληροφορίες αυτές πρέπει να συγκεντρώνονται σε πραγματικό χρόνο.