یک فیزیکدان آمریکایی، مدلی برای پیش بینی همه گیری کووید- ۱۹ و ارائه آمار موردنیاز ابداع کرده است.
به گزارش ایسنا به نقل از ساینس دیلی، کووید- ۱۹ در اواخر ماه جاری، جان بیش از ۳۲۵ هزار نفر را در جهان گرفته است. هرچند بنظر میرسد که بدترین وضعیت در کشورهایی مثل کشور چین و کره جنوبی پایان یافته ولی متخصصان بهداشت عمومی هشدار می‌دهند که موارد ابتلا و تلفات در بسياري از قسمت های جهان ادامه خواهد یافت. درک نحوه تکامل کووید- ۱۹ میتواند به این کشورها کمک کند تا برای رو به رو شدن با افزایش ابتلا آماده شوند.
محققان در مقاله این پژوهش، همه داده های دردسترس در خصوص مبتلاها و مرگ و میرها را بررسی کردند و به پیش بینی دوران اوج پیشرو پرداختند. ابزاری که آن ها بکار گرفتند، نوعی آزمایش آماری را بکار می برد که توسط "کنستانتینو تسالیس" (Constantino Tsallis)، فیزیکدان "مؤسسه سنتا فه" (Santa Fe Institute) آمریکا ابداع شده است. تسالیس بهمراه "اوگور تیرناکلی" (Ugur Tirnakli)، فیزیکدان "دانشگاه اژه" (Ege University) ترکیه، این مدل جدید را ابداع کرد.
تسالیس اظهار‌کرد: این فرمول، در همه کشورهایی که ما در آن ها آزمایش را انجام دادیم، کار می کند.
تا به حال هیچ فیزیکدانی سعی نکرده است تا یک بیمار همه گیر جهانی را مدل سازی کند ولی زمانی که تسالیس، نمودارهای منتشر شده در خصوص بیماران چین را مشاهده کرد، شکل هایی را تشخیص داد که پیشتر آن ها را دیده بود. او پیشتر چنین نمودارهایی را برای توصیف بازار دیده بود.
تسالیس در این مورد گفت: این شکل ها دقیقا مشابه بودند. آن ها در خصوص داده های تجاری، احتمال تغییر در بازار را توصیف می کنند ولی در خصوص کووید- ۱۹، بیماران را بصورت روزانه نشان می دهند.
شاید مدل سازی داده های تجاری و ردیابی همه گیری جهانی یک بیماری، نامربوط بنظر برسند ولی به گفته تسالیس، یک شباهت مهم میان آن ها وجود دارد.
او ادامه داد: هر دو نمونه، سیستم پیچیده ای دارند و چنین موضوعی همیشه در خصوص سیستم های پیچیده رخ می دهد. سیستم های گوناگون مرتبط با رشته های متفاوت من جمله زیست شناسی، علوم رایانه و ریاضیات معمولاً الگوهایی را به نمایش می گذارند که از شکل های پایه ای و تکامل یکسان پیروی می کنند.
تسالیس و تیرناکلی در پژوهش جدید خود برای تنظیم پارامترهای موردنیاز، از داده های حاصل شده از چین استفاده کردند برای این که باور داشتند که اوج در این کشور بیشتر بوده است. سپس، مدل خود را در کشورهای دیگری من جمله فرانسه، برزیل و انگلستان بکار بردند و متوجه شدند که این مدل میتواند به مرور زمان خود را با میزان ابتلا و مرگ و میر وفق دهد.
تسالیس باور دارد که شاید بتوان از این مدل، برای ابداع ابزار سودمند دیگری نیز استفاده کرد. برای نمونه، یک اپلیکیشن که در زمان واقعی با داده های دردسترس به روزرسانی می شود و میتواند پیش بینی های خود را طبق آن تنظیم کند.
این پژوهش، در مجله "Frontiers" به چاپ رسید.
- 10
- 4
