【天维网综合报道】新西兰科学家正在做一个数据模型，可以模拟新冠疫情的传播。

比如在新西兰的任何城镇或城市中选择一个社区，然后将一个假设的新冠案例放入其中。通过这个数据模型，人们可以了解到病毒是怎么传播的。

这个模型非常复杂，需要用一台超级计算机来计算。

这个模型名为“网络传染network contagion”模型，是奥克兰大学 Te Pūnaha Matatini 的一个数据科学家团队花了几个月的工作，从疫情刚爆发是就开始搞，搞了六个月才建立起来。

自从第一例新冠社区病例出现在新西兰，人们似乎已经了解数据模型这个东西，但大部分模型都是不一样的。

一开始，研究人员使用一种传统类型的模型来分析疾病爆发，称为确定性隔间模型。这个模型预测出在没有任何控制措施的情况下，新西兰可能有数万人死亡。

这个模型提供了感染如何在人群中传播的一般情况，其中一个假设是人群中的任何两个人——比如汉密尔顿的一个人和莫斯吉尔的另一个人——可以在某一天相遇并相互感染。

我们可以将这种“充分混合”的假设想象成将牛奶倒入一杯咖啡中并搅拌。这个假设条件依然是不够理想的。

后来，Te Pūnaha Matatini 的专家转向了一种更复杂的模型形式，称为随机分支过程。

这个模型现在还在用，因为其轻巧且运行速度快，这些模型呈现出更准确的图像，并包括包含随机效应，假设条件改变为并非每个感染病例都会被假定感染相同数量的人。

这个模型还被用于运行与事实相反的场景，例如其最近计算出，去年的 4 级封城如果不及时，推迟三周再封城的话，可能导致 200 人死亡和 12,000 人感染，同时将消除战略实现的可能性降低到 7% 。

当我们听到卫生总干事 Ashley Bloomfield 博士讨论 Te Pūnaha Matatini 对当前 Delta 疫情的预测时，通常是根据这个随机分支过程模型得出的预测。

但现在的这个“网络传染”模型更厉害。为什么？

“它假设人们只能通过它模拟的一种交互环境感染其他人，”建模团队队长的 Dion O'Neale 博士解释说。

“比如有一个感染者，他可以感染其他人，但前提是，他需要通过一个特定场景，比如同一个工作场所或住所，去传染一个没有被其他人传染的人，”

建模师可以用它做的其他事情。

根据在新西兰的哪个郊区检测到感染，他们可以做出有数据依据的假设，关于该郊区的家庭中一般生活着几代人，或者住在那里的人的年龄、种族和性别做出预判

这些都是影响 Covid-19 感染风险和结果的因素。

他们可以模拟这些人的工作地点、每天旅行的距离，以及在流行病学调查找到他们之前，发现他们可能传播病毒的地方。

这个模型可让人们知道，通过邮政编码或郊区级别的封锁不太可能有效，或者了解来自该地区的病例是否可能面临健康不公平或更高的住院风险。

至关重要的是，这种传染模型的近粒度分辨率避免了假设新西兰任何地方的任何人都携带相同的个人资料而带来的数据陷阱。

奥克兰大学的Steven Turnbull博士说：“这使我们能够使用更加注重公平的方法来了解传播传播并制定缓解疫情爆发的策略，例如疫苗的推广，”

该模型的主要数据依据是由新西兰统计局运行的数据集构建的个人级交互网络，该数据集覆盖了新西兰 500 万人口中的大部分，称为综合数据基础设施或 IDI。