సాంప్రదాయిక అంటు వ్యాధి మోడలింగ్ యొక్క ప్రాథమిక పరిమితులను అధిగమించడం

KAISTలో ప్రొఫెసర్ KIM జే క్యోంగ్ నేతృత్వంలోని పరిశోధనా బృందం మరియు ఇన్‌స్టిట్యూట్ ఫర్ బేసిక్ సైన్స్ (IBS)లోని బయోమెడికల్ మ్యాథమెటిక్స్ గ్రూప్ యొక్క చీఫ్ ఇన్వెస్టిగేటర్, నేషనల్ ఇన్‌స్టిట్యూట్ ఫర్ మ్యాథమెటికల్ సైన్సెస్ (NIMS) నుండి డాక్టర్ CHOI సున్హ్వా మరియు ప్రొఫెసర్ CHOI కొరియా యూనివర్శిటీకి చెందిన బోస్యుంగ్, ఇన్ఫెక్షియస్ డిసీజ్ మోడలింగ్‌లో దీర్ఘకాలిక సవాలును పరిష్కరించారు. మునుపటి నమూనాలు ప్రాథమికంగా చరిత్ర-స్వతంత్ర డైనమిక్స్‌ను ఉపయోగించాయి, ఇది బహిర్గతం అయినప్పటి నుండి సమయంతో సంబంధం లేకుండా వ్యాధి యొక్క వివిధ వ్యాధి దశల మధ్య మార్పు యొక్క స్థిరమైన సంభావ్యతను ఊహిస్తుంది. ఈ విధానం పునరుత్పత్తి సంఖ్య (R), గుప్త కాలం మరియు ఇన్ఫెక్షియస్ పీరియడ్ వంటి క్లిష్టమైన పారామితులను అంచనా వేయడంలో గణనీయమైన పక్షపాతానికి దారి తీస్తుంది.

దీనికి విరుద్ధంగా, బృందం కొత్తగా అభివృద్ధి చేసిన పద్ధతి చరిత్ర-ఆధారిత ఫ్రేమ్‌వర్క్‌ను అవలంబిస్తుంది, ఇక్కడ వ్యాధి దశల మధ్య పరివర్తన సంభావ్యత కాలక్రమేణా మారుతుంది. ఈ వాస్తవిక మోడలింగ్ విధానం సాంప్రదాయిక పద్ధతుల ద్వారా ప్రవేశపెట్టబడిన పక్షపాతాలను తొలగిస్తుంది మరియు ధృవీకరించబడిన కేసు డేటా మాత్రమే అందుబాటులో ఉన్నప్పటికీ, వ్యాధి వ్యాప్తి గురించి మరింత ఖచ్చితమైన అంచనాలను అనుమతిస్తుంది. సామాజిక దూరం మరియు టీకా ప్రచారాల వంటి జోక్య వ్యూహాల ప్రభావాన్ని నిర్ణయించడానికి ఇది చాలా కీలకం.

ప్రొఫెసర్ KIM జే క్యోంగ్ వివరించారు, “మా పరిశోధన ఎపిడెమియోలాజికల్ పారామీటర్ అంచనాలో ఒక నమూనా మార్పును సూచిస్తుంది. మునుపటి నమూనాల పరిమితులను అధిగమించడం ద్వారా, మేము ఇప్పుడు ప్రజారోగ్య అధికారులకు వ్యాధి డైనమిక్స్‌పై మరింత ఖచ్చితమైన డేటాను అందించగలము. ఇది చివరికి మరింత ప్రభావవంతమైన జోక్య వ్యూహాలను ఎనేబుల్ చేస్తుంది. అంటు వ్యాధి వ్యాప్తిని మెరుగ్గా నిర్వహించడానికి మరియు నియంత్రించడంలో మాకు సహాయం చేస్తుంది.”

కొరియా విశ్వవిద్యాలయానికి చెందిన మరొక సంబంధిత రచయిత డాక్టర్. CHOI బోసెంగ్ ఇలా అన్నారు, “ఈ కాలం వివిధ జోక్య చర్యలు మరియు వ్యాధి పరిణామం కారణంగా కాలక్రమేణా మారినప్పటికీ, సంక్రమణ కాల పంపిణీని ఖచ్చితంగా అంచనా వేయడానికి కొత్త పద్ధతి అనుమతిస్తుంది. పారామీటర్ అంచనాలో ఈ సౌలభ్యం సాంప్రదాయ నమూనాలను ఉపయోగించడం మునుపు సాధ్యం కాదు, భవిష్యత్తులో వచ్చే మహమ్మారిపై ఎపిడెమియాలజిస్టులు మరియు ప్రజారోగ్య అధికారులు స్పందించే విధానంపై మా పని గణనీయమైన ప్రభావాన్ని చూపుతుంది.

దక్షిణ కొరియాలోని సియోల్ నుండి ప్రారంభమైన COVID-19 డేటా వ్యాప్తిని ఉపయోగించి, సాంప్రదాయ పద్ధతులతో పోల్చితే పునరుత్పత్తి సంఖ్య యొక్క కొత్త పద్ధతి చాలా ఖచ్చితమైన అంచనాలను అందిస్తుందని బృందం ప్రదర్శించింది. సాంప్రదాయిక విధానాలు పునరుత్పత్తి సంఖ్యను రెండు రెట్లు ఎక్కువగా అంచనా వేయగలవని, ఇది తప్పుదారి పట్టించే విధాన నిర్ణయాలకు దారితీయవచ్చని వారు కనుగొన్నారు.

“ఈ పరిశోధన ఇన్ఫెక్షియస్ డిసీజ్ డైనమిక్స్‌పై మన అవగాహనలో గణనీయమైన పురోగతిని సూచిస్తుంది. కొత్త పద్దతి ప్రజారోగ్య అధికారులకు మరింత విశ్వసనీయమైన డేటాను అందించగలదు, ఇది మహమ్మారి సమయంలో మెరుగైన సమాచారంతో కూడిన నిర్ణయాలకు దారి తీస్తుంది” అని డాక్టర్ CHOI సన్హ్వా హైలైట్ చేశారు.

ఈ బృందం IONISE (ఇన్ఫెరెన్స్ ఆఫ్ నాన్-మార్కోవియన్ SEir మోడల్) పేరుతో వినియోగదారు-స్నేహపూర్వక గణన ప్యాకేజీని కూడా అభివృద్ధి చేసింది, ఇది వారి అధునాతన అనుమితి పద్ధతిని అమలు చేయడాన్ని సులభతరం చేస్తుంది. IONISE వివిధ రకాల ఎపిడెమియోలాజికల్ మోడళ్లకు మద్దతు ఇస్తుంది, ఇది వివిధ అంటు వ్యాధులు మరియు జోక్య పరిస్థితులకు అనుగుణంగా ఉంటుంది.

ఈ పద్దతి అంటు వ్యాధి మోడలింగ్ మరియు ఎపిడెమియోలాజికల్ పారామీటర్ అంచనా రంగంలో విప్లవాత్మక మార్పులు చేస్తుందని, భవిష్యత్తులో వచ్చే మహమ్మారిలో మరింత ప్రభావవంతమైన ప్రజారోగ్య ప్రతిస్పందనలు మరియు వ్యూహాలకు మార్గం సుగమం చేస్తుందని డాక్టర్ హాంగ్ హ్యూక్ప్యో నొక్కి చెప్పారు.

పరిశోధన బృందం గురించి

KAISTలోని డిపార్ట్‌మెంట్ ఆఫ్ మ్యాథమెటికల్ సైన్సెస్, IBS, NIMSలోని బయోమెడికల్ మ్యాథమెటిక్స్ గ్రూప్ మరియు కొరియా యూనివర్శిటీలోని బిగ్ డేటా సైన్స్ విభాగం నుండి సహకార పరిశోధన బృందం ఈ అధ్యయనాన్ని నిర్వహించింది. గణిత మోడలింగ్ మరియు ఎపిడెమియాలజీలో లోతైన నైపుణ్యంతో, అధునాతన గణిత ఫ్రేమ్‌వర్క్‌లు మరియు గణన పద్ధతుల ద్వారా అంటు వ్యాధి అంచనా మరియు నియంత్రణలో క్లిష్టమైన సవాళ్లను పరిష్కరించడానికి బృందం లక్ష్యంగా పెట్టుకుంది.

నేషనల్ రీసెర్చ్ ఫౌండేషన్ ఆఫ్ కొరియా, మినిస్ట్రీ ఆఫ్ ఎడ్యుకేషన్, శామ్‌సంగ్ సైన్స్ అండ్ టెక్నాలజీ ఫౌండేషన్ మరియు ఇన్‌స్టిట్యూట్ ఫర్ బేసిక్ సైన్స్ నుండి ఈ పరిశోధనకు మద్దతు లభించింది.