Wie sich Viren über Raum und Zeit verbreiten: Vorhersage des Fortschreitens der Pandemie durch Modellierung geographisch-temporaler Interaktionen

Die COVID-19-Pandemie hat schwerwiegende Mängel im globalen Gesundheitssystem offenbart, die Fähigkeit, auf unerwartete Gesundheitskatastrophen zu reagieren. Ein großer Teil der Verwirrung und Fehlhandhabung der Situation kann der Unfähigkeit zugeschrieben werden, die Ausbreitung des Virus über geografische Standorte hinweg genau vorherzusagen. Ein globaler Ressourcenmangel an wesentlichen medizinischen Materialien und Ausrüstungen, wie persönliche Schutzausrüstung (PSA) und Beatmungsgeräte, führte zu einer beeinträchtigten globalen Lieferkette. Infolgedessen konnten Ressourcen nicht wie erforderlich zugewiesen werden, um die Ausbreitung des Erregers auf die effektivste Weise einzudämmen. Obwohl Prognosemodelle und maschinelles Lernen als unverzichtbare Werkzeuge bei der Entwicklung effektiver Reaktionsstrategien dienten, waren die meisten dieser Modelle durch ihre Fähigkeit eingeschränkt, die komplexen Interaktionen zu beschreiben, die den spatio-temporalen Dynamiken der virusproliferation zugrunde liegen. Um dieses Problem anzugehen, haben wir ein Vektorautoregressionsmodell eingesetzt, um die Entwicklung der Krankheit sowohl über die räumlichen als auch über die zeitlichen Achsen festzuhalten. Im Gegensatz zu herkömmlichen Autoregressionsmodellen ist das gegenwärtige Modell in der Lage, statistische Regelmäßigkeiten zu berücksichtigen, die sowohl innerhalb einer bestimmten Region als auch zwischen geografischen Standorten existieren. Unsere Ergebnisse zeigen, dass dieser Ansatz die Beziehungen zwischen nationalen und internationalen Lokalitäten während der Entwicklung der Krankheit genau beschrieben hat.