Моделирование COVID-19: прогноз второй волны и иммунологическая «темная материя»
Краткое изложение интервью, опубликованного в сообществе «Врачи РФ» от .
В интервью нейробиолог Карл Фристон рассказал о применении динамического причинно-следственного моделирования (DCM) для прогнозирования COVID-19. В отличие от подходов, которые экстраполируют исторические данные, DCM учитывает неопределенность и возможные состояния людей. По словам Фристона, моделирование вспышки в Шотландии с помощью DCM может занять минуту, тогда как традиционный подход потребует дня или больше.
Модели Фристона предполагают, что иммунитет после первой волны может сдерживать прирост новых случаев в ближайшие несколько недель, но новая волна возможна через несколько месяцев, когда иммунитет ослабнет. Фристон считает, что согласованные тестирование и отслеживание распространения инфекции могут отложить ее до появления лечения или вакцины. Сравнивая Великобританию и ФРГ, ученый предположил, что низкая смертность в Германии может быть связана с большим числом людей, не восприимчивых к инфекции, — так называемой иммунологической «темной материей».
Главное
- Нейробиолог Карл Фристон использует динамическое причинно-следственное моделирование для прогнозирования COVID-19.
- По оценке Фристона, моделирование вспышки в Шотландии с помощью DCM может занять минуту, а традиционный подход — день или больше.
- Модели Фристона предполагают, что вторая волна возможна через несколько месяцев после ослабления иммунитета.
- Фристон считает, что согласованные тестирование и отслеживание инфекции могут отложить вторую волну до появления лечения или вакцины.
- Фристон предположил, что низкая смертность в Германии может быть связана с большим числом людей, не восприимчивых к инфекции.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация