مدلی که اوج کووید-۱۹ را پیش‌بینی می‌کند

به گزارش ایسنا، کووید-۱۹ در اواخر ماه جاری، جان بیش از ۳۲۵ هزار نفر را در جهان گرفته است. اگرچه به نظر می‌رسد که بدترین وضعیت در کشورهایی مانند چین و کره جنوبی پایان یافته اما متخصصان بهداشت عمومی هشدار می‌دهند که موارد ابتلا و تلفات در بسیاری از قسمت‌های جهان ادامه خواهد یافت. درک نحوه تکامل کووید-۱۹ می‌تواند به این کشورها کمک کند تا برای روبرو شدن با افزایش ابتلا آماده شوند.پژوهشگران در مقاله این پژوهش، همه داده‌های در دسترس در مورد مبتلاها و مرگ و میرها را بررسی کردند و به پیش‌بینی دوران اوج پیش رو پرداختند. ابزاری که آنها به کار گرفتند، نوعی آزمایش آماری را به کار می‌برد که توسط "کنستانتینو تسالیس"(Constantino Tsallis)، فیزیکدان "موسسه 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 می‌کند.
تاکنون هیچ فیزیکدانی سعی نکرده است تا یک بیمار همه‌گیر جهانی را مدل‌سازی کند اما هنگامی که تسالیس، نمودارهای منتشر شده در مورد بیماران چین را مشاهده کرد، شکل‌هایی 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 شکل‌ها دقیقا مشابه بودند. آنها در مورد داده‌های تجاری، احتمال تغییر در بازار را توصیف می‌کنند اما در مورد کووید-۱۹، بیماران را به صورت روزانه نشان می‌دهند.

شاید مدل‌سازی داده‌های تجاری و ردیابی همه‌گیری جهانی یک بیماری، نامربوط به نظر برسند اما به گفته تسالیس، یک شباهت مهم میان آنها وجود دارد.وی افزود: هر دو نمونه، سیستم پیچیده‌ای دارند و چنین موضوعی همیشه در مورد سیستم‌های پیچیده رخ می‌دهد. سیستم‌های گوناگون مرتبط با رشته‌های متفاوت از جمله زیست‌شناسی، علوم رایانه و ریاضیات معمولا الگوهایی را به نمایش می‌گذارند که از شکل‌های پایه‌ای و تکامل یکسان پیروی می‌کنند.تسالیس و تیرناکلی در پژوهش جدید خود برای تنظیم پارامترهای مورد نیاز، از داده‌های 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 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 داده‌های در دسترس به روزرسانی می‌شود و می‌تواند پیش‌بینی‌های خود را براساس آن تنظیم کند.