随机效应是遏制流行病的关键

华盛顿，2020年10月27日-为了控制疫情，当局经常会实施不同程度的封锁。在AIP Publishing发表在“混沌”(Chaos)杂志上的一篇论文中，科学家们利用数学和计算机模拟发现，为什么将一个庞大的种群划分为多个不混杂的子种群，可以帮助控制疫情，而不会在这些当地社区内施加接触限制。

“关键的观点是，在低感染人数的情况下，波动可以显著改变流行病的进程，即使你预计平均感染人数会呈指数级增长，”作者Ramin Golestarian说。

当感染人数较高时，随机效应可以忽略不计。但是细分一个种群可以创建非常小的社区，以至于随机效应很重要。

“当一个庞大的人口被划分成较小的社区时，这些随机效应完全改变了整个人口的动态。随机性导致高峰感染人数一路下降，“作者菲利普·比蒂恩(Philip Bittihn)说。

为了梳理出随机性影响流行病的方式，研究人员首先考虑了一个所谓的没有随机事件的确定性模型。在这项测试中，他们假设每个亚群中的个体与其他亚群中的个体相遇的速度与他们在大群体中遇到其他亚群的速率相同。即使亚群体不允许混合，但在细分群体中观察到与初始大群体中相同的动态。

然而，如果模型中包括了随机效应，那么即使子群体中的接触率与完整群体中的接触率相同，也会发生戏剧性的变化。

在采取温和的社会疏远措施的情况下，使用新冠肺炎的传染性接触率对800,000人和500名最初感染的人进行了研究。有了这些参数，疾病就会呈指数级传播，感染人数每12天翻一番。

Bittihn说：“如果允许这一群体均匀混合，动态将根据确定性预测演变，峰值约为5%的感染个体，”Bittihn说，“如果允许这一群体均匀混合，动态将根据确定性预测演变，峰值约为5%的感染者。”

然而，如果将人口分成100个亚群，每个亚群8万人，那么感染个体的峰值百分比将下降到3%。如果社区进一步分裂为500个小组，每个小组16,000人，感染高峰仅为初始人口的1%。

细分人口的主要原因是因为在很大一部分亚群中流行病被完全扑灭了。当感染链自发终止时，这种“灭绝效应”就会发生。

另一种细分的方式是使整个人口不同步。即使疫情发生在较小的社区，高峰也可能出现在不同的时间，并且不能同步和加在一起形成大量的疫情。

戈尔斯塔尼安说：“实际上，亚种群不可能是完全孤立的，因此局部灭绝可能只是暂时的。”“进一步的研究正在进行中，以考虑到这一点和适当的对策。”