ALTIN 461,55
DOLAR 7,8158
EURO 9,4809
BIST 1.331
Adana Adıyaman Afyon Ağrı Aksaray Amasya Ankara Antalya Ardahan Artvin Aydın Balıkesir Bartın Batman Bayburt Bilecik Bingöl Bitlis Bolu Burdur Bursa Çanakkale Çankırı Çorum Denizli Diyarbakır Düzce Edirne Elazığ Erzincan Erzurum Eskişehir Gaziantep Giresun Gümüşhane Hakkari Hatay Iğdır Isparta İstanbul İzmir K.Maraş Karabük Karaman Kars Kastamonu Kayseri Kırıkkale Kırklareli Kırşehir Kilis Kocaeli Konya Kütahya Malatya Manisa Mardin Mersin Muğla Muş Nevşehir Niğde Ordu Osmaniye Rize Sakarya Samsun Siirt Sinop Sivas Şanlıurfa Şırnak Tekirdağ Tokat Trabzon Tunceli Uşak Van Yalova Yozgat Zonguldak
İstanbul 17 °C
Parçalı Bulutlu

İnsanlar Her Zamankinden Daha Yoğun Seyahat Ediyor – Hastalığın Yayılmasını Nasıl Etkiliyor?

22.09.2020
73
A+
A-
İnsanlar Her Zamankinden Daha Yoğun Seyahat Ediyor – Hastalığın Yayılmasını Nasıl Etkiliyor?

Ulaşım teknolojisindeki sürekli gelişmeler nedeniyle, insanlar her zamankinden daha yoğun seyahat ediyor. Uzak ülkeler arasındaki bu güçlendirilmiş bağlantı birçok faydayla birlikte gelse de, aynı zamanda hastalıkların kontrolü ve önlenmesi için ciddi bir tehdit oluşturmaktadır. Enfekte insanlar, belirli bulaşıcılıkların olmadığı bölgelere seyahat ettiklerinde, enfeksiyonlarını yanlışlıkla yerel sakinlere bulaştırabilir ve hastalık salgınlarına neden olabilirler. Bu süreç tarih boyunca defalarca yaşandı; bazı yeni örnekler arasında 2003’teki SARS salgını, 2009’daki H1N1 influenza pandemisi ve – en önemlisi – devam eden COVID-19 pandemisi sayılabilir .

İthal vakalar, endemik olmayan ülkelerin – söz konusu hastalığın düzenli olarak görülmediği ülkelerin – bulaşmayı tamamen ortadan kaldırma becerisine meydan okur. Patojenlerde genetik mutasyon gibi ek faktörlerle birleştiğinde bu sorun birçok hastalığın küresel olarak ortadan kaldırılmasını imkansız değilse de fazlasıyla zorlaştırmaktadır. Bu nedenle, enfeksiyonların sayısını azaltmak genellikle daha uygun bir hedeftir. Ancak bir hastalığı kontrol altına almak için sağlık kurumları, farklı bölgeler arasındaki seyahatin hastalığın yayılmasını nasıl etkilediğini anlamalıdır.

SIAM Uygulamalı Matematik Dergisi’nde Salı günü yayınlanan bir makalede, Shanghai Normal Üniversitesi’nden Daozhou Gao, insan yayılmasının hastalık kontrolünü ve bir enfeksiyonun yayılmasının toplam boyutunu nasıl etkilediğini araştırdı. Daha önce çok az çalışma, insan hareketinin farklı bölgelerdeki belirli bir patojenle enfekte olmuş bir popülasyondaki bireylerin oranı olarak tanımlanan enfeksiyon boyutu veya hastalık prevalansı üzerindeki etkisini araştırdı. Bu araştırma alanı, özellikle ciddi hastalık salgınları sırasında, yönetici liderlerin sınırları kapatarak ve seyahati kısıtlayarak insan hareketliliğini önemli ölçüde azaltabildiklerinde geçerlidir. Bu zamanlarda, insanların hareketlerini kısıtlamanın hastalığın yayılmasını nasıl etkilediğini anlamak önemlidir.

Hastalığın bir popülasyona yayılmasını incelemek için, araştırmacılar genellikle bireyleri birden çok farklı gruba veya “bölmelere” ayıran matematiksel modeller kullanır. Gao, çalışmasında duyarlı enfekte duyarlı (SIS) yama modeli adı verilen özel bir bölmeli model kullandı. Her yamadaki nüfusu – bir topluluk, şehir veya ülke gibi bir grup insanı – iki bölüme ayırdı: şu anda belirlenmiş hastalığa sahip enfekte insanlar ve hastalığa yakalanmaya yatkın insanlar. İnsan göçü daha sonra yamaları birbirine bağlar. Gao, duyarlı ve enfekte alt popülasyonların aynı oranda yayıldığını varsaydı; bu, genellikle nezle gibi hareketliliği sadece hafif bir şekilde etkileyen hastalıklar için geçerlidir.

Gao’nun SIS modelindeki her yamanın, temel üreme numarasıyla (R 0 ) temsil edilen belirli bir enfeksiyon riski vardır – bu, duyarlı bir popülasyonda tek bir bulaşıcı kişinin varlığından kaç vakaya neden olacağını tahmin eden miktar. Gao, “Üreme sayısı ne kadar büyükse enfeksiyon riski o kadar yüksek” dedi. “Dolayısıyla, daha yüksek riskli bir yamanın yama çoğaltma sayısının, düşük riskli yamanınkinden daha yüksek olduğu varsayılıyor.” Ancak bu sayı yalnızca ilk iletim potansiyelini ölçer; gerçek enfeksiyon boyutunu nadiren tahmin edebilir.

Gao, modelini ilk olarak, bireylerin hızlı ve yavaş dağıldığında ortaya çıkan toplam enfeksiyon boyutlarını karşılaştırarak insan hareketinin hastalık kontrolü üzerindeki etkisini araştırmak için kullandı. Tüm yamalar aynı oranda iyileşirse, büyük yayılmanın küçük yayılmalardan daha fazla enfeksiyonla sonuçlandığını buldu. Şaşırtıcı bir şekilde, insanların yayılma miktarındaki bir artış, toplam enfeksiyon miktarını artırmaya devam ederken aslında R 0’ı azaltabilir.

SIS yama modeli ayrıca, yayılmanın enfeksiyonların dağılımını ve her bir yama içindeki hastalığın yaygınlığını nasıl etkilediğini açıklamaya yardımcı olabilir. Yamalar arasında difüzyon olmadan, daha yüksek riskli bir yama her zaman daha yüksek bir hastalık prevalansına sahip olacaktır, ancak Gao, insanlar o yüksek riskli bölgeye gidip geldiklerinde aynısının doğru olup olmadığını merak etti. Model, difüzyonun, ithal ettiğinden daha fazla enfeksiyon ihraç ettiği için en yüksek riskli yamada enfeksiyon boyutunu azaltabileceğini, ancak bunun sonucunda en düşük riske sahip yama içindeki enfeksiyonları artırdığını ortaya koydu. Bununla birlikte, en yüksek riskli yamanın en düşük hastalık prevalansına sahip olması asla mümkün değildir.

Gao, soğuk algınlığına dayalı sayısal bir simülasyon kullanarak – özellikleri iyi incelenmiş – insan göçünün bir enfeksiyonun toplam boyutu üzerindeki etkisini daha derinlemesine araştırdı. Gao sadece iki yama dahil ettiğinde, modeli farklı çevresel koşullar altında çok çeşitli davranışlar sergiledi. Örneğin, insanların yayılması genellikle hiç yayılmamasından daha büyük bir toplam enfeksiyon boyutuna yol açtı, ancak bir senaryodaki hızlı insan saçılımı aslında enfeksiyon boyutunu azalttı. Farklı koşullar altında, küçük dağılım zararlıydı, ancak sonuçta büyük dağılım hastalık yönetimi için yararlı oldu. Gao, iki yamalı bir ortamda dağılma eksikliğine kıyasla dağılmanın daha fazla enfeksiyona neden olduğu matematiksel parametrelerin kombinasyonlarını tamamen sınıflandırır. Bununla birlikte, model ikiden fazla yama içeriyorsa durum daha karmaşık hale gelir.

Gao’nun SIS yama modelleme yaklaşımına ilişkin daha fazla araştırma, seyahat kısıtlamalarının hastalık yayılması üzerindeki etkisinin karmaşıklığı hakkında daha ayrıntılı bilgileri ortaya çıkarabilir; bu, COVID-19 salgını sırasında sınırların kapatılması gibi gerçek dünyadaki durumlarla ilgilidir. Gao, “Bildiğim kadarıyla, bu muhtemelen insan hareketinin toplam enfeksiyon sayısı ve bunların dağılımı üzerindeki etkisi üzerine ilk teorik çalışmadır” dedi. “Mevcut çalışmayı iyileştirmek ve genişletmek için çok sayıda yön var.” Örneğin, gelecekteki çalışmalar, ABD’nin COVID-19’un yayılmasını engellemek için Çin’den seyahati yasaklaması, ancak Avrupa’dan gelen vakaları engelleyememesi gibi, yalnızca bazı seyahat rotalarında bir yasağın sonucunu araştırabilir. Bu karmaşık etkilere ilişkin araştırmaya devam etmek, sağlık kurumlarının ve hükümetlerin tehlikeli hastalıkları kontrol etmek için bilinçli önlemler geliştirmesine yardımcı olabilir.

Referans: “Yayılma, enfeksiyon boyutunu nasıl etkiler?” Yazan: Gao, Daozhou, 22 Eylül 2020, SIAM Uygulamalı Matematik Dergisi.


Bilim Portal
Bilim Portal
Bilim Portal | Türkiye'nin En Güncel Bilim ve Teknoloji Sitesi Bilim Portal, Bilim ve Teknoloji, Arkeoloji, Astronomi, Sağlık, Tarih ve İlginç Haberleri kısa makaleler veya özetler halinde sunar. Bilim Portal’da günlük bilim haberleri ve ilginç bilim araştırma makaleleri, en iyi üniversitelerde ve araştırma tesislerinde yapılan en son bilim haberlerini ve atılımlarını yayınlıyoruz.
YAZARA AİT TÜM YAZILAR
ZİYARETÇİ YORUMLARI - 0 YORUM

Henüz yorum yapılmamış.