یک فیزیکدان آمریکایی، مدلی برای پیش بینی همه گیری کووید- ۱۹ و ارائه آمار مورد نیاز ابداع کرده است.
به گزارش ایسنا و به نقل از ساینس دیلی، کووید- ۱۹ در اواخر ماه جاری، جان بیش از ۳۲۵ هزار نفر را در جهان گرفته است. اگرچه به نظر می رسد که بدترین وضعیت در کشورهایی مانند چین و کره جنوبی پایان یافته اما متخصصان بهداشت عمومی هشدار می دهند که موارد ابتلا و تلفات در بسیاری از قسمت های جهان ادامه خواهد یافت. درک نحوه تکامل کووید- ۱۹ می تواند به این کشورها کمک کند تا برای روبرو شدن با افزایش ابتلا آماده شوند.
پژوهشگران در مقاله این پژوهش، همه داده های در دسترس در مورد مبتلاها و مرگ و میرها را بررسی کردند و به پیش بینی دوران اوج پیش رو پرداختند. ابزاری که آنها به کار گرفتند، نوعی آزمایش آماری را به کار می برد که توسط" کنستانتینو تسالیس"( Constantino Tsallis)، فیزیکدان" مؤسسه سنتا فه"( Santa Fe Institute) آمریکا ابداع شده است. تسالیس به همراه " اوگور تیرناکلی"( Ugur Tirnakli)، فیزیکدان" دانشگاه اژه"( Ege University) ترکیه، این مدل جدید را ابداع کرد.
تسالیس گفت:این فرمول، در همه کشورهایی که ما در آنها آزمایش را انجام دادیم، کار می کند.
تاکنون هیچ فیزیکدانی سعی نکرده است تا یک بیمار همه گیر جهانی را مدل سازی کند اما هنگامی که تسالیس، نمودارهای منتشر شده در مورد بیماران چین را مشاهده کرد، شکل هایی را تشخیص داد که پیشتر آنها را دیده بود. او پیشتر چنین نمودارهایی را برای توصیف بازار دیده بود.
تسالیس در این باره گفت:این شکل ها دقیقا مشابه بودند. آنها در مورد داده های تجاری، احتمال تغییر در بازار را توصیف می کنند اما در مورد کووید- ۱۹، بیماران را به صورت روزانه نشان می دهند.
شاید مدل سازی داده های تجاری و ردیابی همه گیری جهانی یک بیماری، نامربوط به نظر برسند اما به گفته تسالیس، یک شباهت مهم میان آنها وجود دارد.
وی افزود:هر دو نمونه، سیستم پیچیده ای دارند و چنین موضوعی همیشه در مورد سیستم های پیچیده رخ می دهد. سیستم های گوناگون مرتبط با رشته های متفاوت از 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 مورد نیاز ، از داده های به دست آمده از چین استفاده کردند زیرا باور داشتند که اوج در این کشور بیشتر بوده است. سپس، مدل خود را در کشورهای دیگری از جمله فرانسه، برزیل و انگلستان به کار بردند و دریافتند که این مدل می تواند 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 در دسترس به روزرسانی می شود و می تواند پیش بینی های خود را براساس آن تنظیم کند.
این پژوهش، در مجله" Frontiers" به چاپ رسید.
- 15
- 4