Panie, ale na wykresie zamiast mieszanej populacji
Klasyczny model SIR zakłada, że każdy może zarażać każdego z równą prawdopodobieństwem – mieszaną populację. Rzeczywiste wzorce kontaktu niczym nie przypominają tego: wchodzisz w interakcje z małą, uporządkowaną grupą osób, a ta grupa stanowi sieć. Symulacja ta zastępuje założenie o mieszaniu z wyraźnym wykładnią węzełków (osób) i krawędzi (kontaktów), a następnie uruchamia tę samą logikę SIR – podatny → zarażony → wyzdrowiał – wzdłuż tych krawędzi.
Każdy zainfekowany węzeł ma, co krok czasowy, prawdopodobieństwo β zakażenia każdego podatnego sąsiada, do którego jest połączony, oraz prawdopodobiebie γ przejścia na Wyzdrowiałego (po czym jest odporny i bezużyteczny). Podstawowe mnożenie reprodukcyjne uogólnia się od średniej wartości R₀ = β/γ do czegoś, co zależy od struktury sieci – konkretnie od rozkładu stopnia, czyli sposobu rozprzestrzeniania się kontaktów każdego węzła.
Dlaczego węzły centralne zmieniają wszystko
Na sieci o silnie skośnej dystrybucji stopni – kilka węzłów z bardzo dużą liczbą połączeń (węzłom centralnym lub superrozpylaczom) oraz większość węzłów z niewielką liczbą połączeń – liczba reprodukcyjna jest dominowana przez te węzły centralne. Odpowiednia wielkość to nie średni stopień ⟨k⟩, ale stosunek ⟨k²⟩/⟨k⟩, który rośnie wykładniczo wraz ze wzrostem wariancji dystrybucji stopni. To właśnie dlatego kilka zdarzeń superrozpylaczy może doprowadzić do wybuchu, którego na podstawie obliczona byłaby przez pryzmat naiwnego modelu SIR uwzględniającego jedynie średnią liczbę kontaktów, że powinien on zgasnąć.
R0_network ≈ β/γ · (⟨k²⟩ / ⟨k⟩ - 1) // for a scale-free network ⟨k²⟩ diverges as the network grows, // so R0 can be arbitrarily large even with a small per-contact β
Krytyczny próg epidemii znika w sieciach skalarnych
Dla dobrze wymieszanej populacji istnieje ostry próg epidemii: poniżej krytycznego β/γ, wybuch zawsze umiera; powyżej, skończona część populacji zaraża się. Pastor-Satorras i Vespignani pokazali w 2001 roku, że w sieciach skalarnych (rozkład stopni zgodnie z prawem potęg, jak w wielu rzeczywistych sieciach społecznych i technologicznych) ten próg może całkowicie zniknąć w granicznym przypadku dużego węzła – każda dodatnia prawdopodobieństwo infekcji może zasadniczo utrzymać wybuch, ponieważ węzłowe punkty działają jako wzmacniacze niezależnie od tego, jak słaby jest indywidualny współczynnik transmisji. To jedno z najbardziej wyraźnych przykładów, w jaki sposób topologia sieci, a nie tylko biologia patogenu, decyduje o tym, czy wybuch się rozwinie.
Symulacja Entanglowania Kwantowego
Ponieważ centra dominują transmisję, ukierunkowywana szczepionkowanie – czyli szczepienie węzłów o największym stopniu połączenia jako pierwszych – jest znacznie bardziej wydajne pod względem odporności skupionej niż losowe szczepionkowanie, które musi pokryć znacznie większą część populacji, aby osiągnąć ten sam poziom ochrony. Jest to wersja teoretyczna grafów codziennej porady, aby priorytetowo szczepić pracowników służby zdrowia i osoby z licznymi kontaktami społecznymi: usunięcie węzła z puli podatnych powoduje usunięcie wszystkich krawędzi, wzdłuż których mógłby on przenosić zakażenie.
Czytanie symulacji
Obserwuj, jak wybuch w tej symulacji nie rozprzestrzenia się płynną falą, tak jak robiłoby to na dobrze wymieszanej populacji lub regularnej strukturze siatki – wykorzystuje okazje do przeskoku przez węzły centralne, czasami uwalniając się w rozproszonych grupach i eksplodując natychmiast po dotarciu do gęsto połączonej. Ten nieregularny, skupiony wzorzec rozprzestrzeniania jest odciskami palca sieci i dokładnie odpowiada temu, jak wyglądają dane z kontaktu śladów w rzeczywistych ogniskach wirusowych, takich jak SARS, różyczka i COVID-19.
Frequently asked questions
Jak to się różni od standardowego modelu SIR?
Standardowy model SIR zakłada dobrze wymieszane populacje, w których każda osoba ma taką samą szansę na kontakt z inną. W tej symulacji te same przejścia S→I→R odbywają się wzdłuż krawędzi jawnej sieci kontaktów, więc infekcja może rozprzestrzeniać się tylko do rzeczywistych sąsiadów węzła – struktura, a nie tylko średnie wartości, decyduje o wyniku.
Dlaczego kilka kluczowych węzłów rozprzestrzeniania ma takie znaczenie?
Skuteczny współgęstość sieci zależy od ⟨k²⟩/⟨k⟩, a nie średniej stopnia. Mała liczba bardzo silnie połączonych węzłów centralnych nadmiernie zawyża ten stosunek, więc mogą one samodzielnie utrzymać epidemię, która w innym przypadku by wygasła wśród węzłów o niskim stopniu.
Czy szczepienie losowych osób działa tak samo dobrze, jak celowe szczepienie centrów?
Nie. Ponieważ transmisja jest skoncentrowana na węzłach o wysokim stopniu, ukierunkowane szczepienia najbardziej połączonych węzłów osiągają odporność zbiorową przy znacznie mniejszej liczbie dawek niż szczepienie losowego próbek tej samej wielkości – usunięcie jednego węzła centralnego eliminuje wszystkie krawędzie, wzdłuż których mógłby rozprzestrzeniać infekcję.
Wypróbuj na żywo
Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Epidemic on a Network i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.
▶ Otwórz symulację Epidemic on a Network