PL 
EnglishDomyślny
Українська🦠 Epidemic on a Network
SIR epidemic spreading on a heterogeneous contact network — super-spreader dynamics.
Choroba rozprzestrzenia się wyłącznie przez istniejące połączenia kontaktowe — nie jednorodnie. Topologia sieci jest głównym czynnikiem determinującym rozmiar i tempo ogniska.
Silnie połączone węzły-huby (żółte pierścienie) przekazują zakażenie z dwukrotnie większą częstością i wywołują większość przypadków wtórnych — zasada 20/80 w epidemiologii.
Każdy węzeł jest Podatny, Zakażony lub Ozdrowiały. R₀ = β·<k>/γ mówi, czy epidemia się rozwinie (R₀ > 1), czy wygaśnie.
O symulacji epidemii w sieci
Ta symulacja modeluje klasyczną epidemię SIR (Podatny-Zakażony-Ozdrowiały) rozprzestrzeniającą się w sieci kontaktów, a nie w dobrze wymieszanej populacji. Każdy węzeł reprezentuje jednostkę, a każda krawędź kontakt społeczny lub fizyczny, przez który może przenosić się choroba. Gdy sieć zbudowana jest z użyciem preferencyjnego dołączania (model Barabasiego-Albert), powstaje bezskalowy rozkład stopni: większość osób ma niewiele kontaktów, podczas gdy niewielka liczba silnie połączonych hubów — superroznosicieli — gromadzi ich dziesiątki. Huby te są oznaczone żółtymi pierścieniami i przekazują zakażenie z dwukrotnie większą częstością niż wartość bazowa, odzwierciedlając empiryczną zasadę 20/80 obserwowaną w ogniskach odry, SARS i COVID-19.
Prawdopodobieństwo transmisji β i prawdopodobieństwo wyzdrowienia γ na symulowany dzień łączą się ze średnim stopniem węzła <k>, dając podstawową liczbę reprodukcji R₀ = β·<k>/γ, wyświetlaną na żywo w panelu. Gdy R₀ > 1, epidemia się rozwija; gdy R₀ < 1, wygasa. Porównaj sieć bezskalową (heterogeniczne huby) z losowym grafem Erdosa-Renyiego (jednorodna łączność), by zobaczyć, jak struktura sieci zasadniczo zmienia tempo ogniska, szczytową liczbę zakażonych i ostateczną frakcję zakażonych. Zmieniaj β, by naśladować różną zakaźność patogenu, i γ, by modelować czas powrotu do zdrowia.
Najczęściej zadawane pytania
Czym jest model SIR?
SIR dzieli populację na trzy grupy: Podatnych (nigdy niezakażonych), Zakażonych (obecnie zaraźliwych) i Ozdrowiałych (odpornych). W każdym kroku czasowym każda zakażona osoba może zarazić podatnych sąsiadów z prawdopodobieństwem β i wyzdrowieć z prawdopodobieństwem γ. Prostota czyni go podstawą epidemiologii matematycznej, wykorzystywaną zarówno do modelowania grypy, odry, jak i COVID-19.
Czym jest superroznosiciel?
Superroznosiciel to osoba powodująca znacznie więcej zakażeń wtórnych niż przeciętnie. W sieci kontaktów superroznosiciele zwykle odpowiadają węzłom-hubom o wysokim stopniu — osobom z wieloma kontaktami społecznymi. Przyspieszają zapłon ogniska, generują duże skupiska zakażeń wtórnych i są priorytetowym celem szczepień lub kwarantanny.
Czym jest R₀ i dlaczego ma znaczenie?
R₀ (podstawowa liczba reprodukcji) to oczekiwana liczba zakażeń wtórnych wywołanych przez jeden przypadek w w pełni podatnej populacji. Gdy R₀ > 1, epidemia rośnie wykładniczo; gdy R₀ < 1, wygasa. W sieci R₀ w przybliżeniu równa się β razy średni stopień węzła podzielone przez γ. Obniżenie β (np. maseczki) lub γ (szybszy powrót do zdrowia) bezpośrednio obniża R₀.
Czym jest sieć bezskalowa?
Sieć bezskalowa ma rozkład stopni węzłów podlegający prawu potęgowemu: prawdopodobieństwo, że węzeł ma k połączeń, jest proporcjonalne do k podniesionego do ujemnego wykładnika. Kilka hubów ma bardzo wiele połączeń, podczas gdy większość węzłów ma ich niewiele. Ta topologia powstaje naturalnie w wyniku preferencyjnego dołączania — nowi członkowie sieci społecznych łączą się z już popularnymi członkami — i występuje w Internecie, sieciach cytowań i rzeczywistych wzorcach kontaktów.
Jak topologia sieci zmienia wyniki epidemii?
W modelu dobrze wymieszanym zakłada się, że wszyscy mają równe szanse na spotkanie. W sieci heterogenicznej huby działają jak mosty skracające dystans w populacji, umożliwiając chorobie szybkie przemieszczanie się między odległymi skupiskami. Sieci bezskalowe nie mają progu epidemicznego dla wielu parametrów choroby, co oznacza, że nawet bardzo niskie prawdopodobieństwo transmisji może z czasem opanować całą sieć, jeśli huby nie zostaną usunięte lub uodpornione.
Czym jest próg epidemiczny w sieci?
Dla sieci losowej próg epidemiczny wynosi R₀ = 1. Dla sieci bezskalowej o wykładniku typowym dla kontaktów społecznych próg dąży do zera wraz ze wzrostem rozmiaru sieci, ponieważ stosunek wariancji do średniego stopnia węzła rozbiega się. W praktyce oznacza to, że niektóre patogeny o niskiej zakaźności, które wygasłyby w populacji jednorodnej, mogą wciąż powodować duże ogniska w sieciach bezskalowych.
Dlaczego uodpornienie hubów tak skutecznie zatrzymuje epidemie?
Usunięcie lub zaszczepienie kilku procent węzłów o najwyższym stopniu niszczy krótkie ścieżki między skupiskami i podnosi efektywny próg epidemiczny. Takie celowane szczepienie jest znacznie skuteczniejsze niż losowe: ochrona 5% hubów może zmniejszyć szczytową liczbę zakażeń o ponad 50%, podczas gdy losowe szczepienia wymagają pokrycia 60-70%, aby osiągnąć odporność zbiorową w tej samej sieci.
Co pokazuje wykres szeregu czasowego w panelu?
Wykres przedstawia frakcje populacji w każdej grupie SIR w kolejnych symulowanych dniach: niebieski dla podatnych, czerwony dla zakażonych i zielony dla ozdrowiałych. Krzywa zakażonych zwykle ma charakterystyczny kształt dzwonu — szczyt epidemii — po czym następuje spadek w miarę wyczerpywania się podatnych i narastania liczby ozdrowiałych. Pole pod krzywą zakażonych odzwierciedla całkowite obciążenie chorobą.
Jak działa algorytm Barabasiego-Albert?
Symulacja zaczyna się od małej wyjściowej kliki węzłów. Każdy nowy węzeł dołącza i tworzy m krawędzi, wybierając istniejące cele z prawdopodobieństwem proporcjonalnym do ich bieżącego stopnia (preferencyjne dołączanie). Ten mechanizm „bogaty staje się bogatszy” naturalnie generuje rozkład stopni podlegający prawu potęgowemu, charakterystyczny dla rzeczywistych sieci społecznych, biologicznych i technologicznych.
Jak mogę wykorzystać symulację do badania interwencji?
Obniżenie β symuluje dystans fizyczny lub noszenie maseczek. Zmniejszenie rozmiaru sieci pokazuje, jak małe izolowane społeczności spowalniają rozprzestrzenianie. Przełączenie na sieć losową pokazuje, jak jednorodna łączność zmienia dynamikę ogniska w porównaniu z topologią bezskalową. Ponieważ superroznosiciele są zaszczepiani jako pierwsi, restart symulacji pokazuje, jak wczesne zakażenie huba determinuje ostateczny rozmiar epidemii.