研究人员引入了一种开创性的方法来建模流行病，可能会彻底改变科学家和政策制定者预测传染病传播的方式。这项研究呈现了一种新的框架，考虑了与社会经济地位（SES）相关的因素——包括收入、教育和种族——在流行病模型中的作用。研究结果突显了在社会应对COVID-19持续影响并为未来疫情做准备时，对更具包容性的流行病建模框架的迫切需要。通过超越对年龄和背景的传统强调，这种创新的方法论使得人们能够更深入地理解疾病传播，并作为解决健康差距的有效工具。
一个国际研究团队设计了一种新的流行病建模方法，这可能会改变科学家和政策制定者估算传染病传播的方式。这个由应用数学讲师尼科拉·佩拉博士领导的倡议，详细介绍在《科学进展》上发表的研究中，揭示了一个将社会经济地位（SES）因素——如收入、教育和种族——纳入流行病模型的框架。
佩拉博士解释说：“传统的流行病模型往往主要关注与年龄相关的接触模式，但这只是整个情况的一部分。我们的新框架认识到，其他因素——如收入和教育——对于塑造个人互动和遵守公共卫生倡议至关重要。通过纳入这些SES变量，我们可以构建更准确地代表疫情实际结果的模型。”
佩拉博士和他的团队通过运用“广义接触矩阵”来分析不同因素（包括SES）之间的互动，填补了这一重要空白。这种方法允许对疾病如何在不同人口群体，尤其是那些经济处于劣势的群体之间传播进行更细致和现实的描述。研究表明，忽视这些因素可能导致流行病预测的重大不准确，从而妨碍公共卫生战略和政策制定。
该团队的方法基于正式的数学方程和现实世界的数据。他们的研究显示，忽视SES维度可能导致对重要指标（如基本繁殖数R0）的严重低估，该指标表示一个感染者所产生的平均次级感染人数。利用来自匈牙利的合成和真实数据，在COVID-19大流行期间收集，研究人员证明，纳入SES指标能够更好地理解疾病影响，并揭示不同社会经济群体之间健康结果的重要不平等。
佩拉博士指出：“COVID-19大流行明确地展示了感染疾病的负担并不是在社会中均匀分布的。社会经济因素对于不同群体的影响至关重要；然而，我们目前依赖的许多流行病模型仍未能整合这些重要方面。我们的框架强调了这些变量，提供了更丰富和更具可操作性的见解。”
研究人员还展示了他们的框架如何测量不同社会经济群体在遵守非药物干预措施（NPI，如社交疏离和佩戴口罩）方面的差异。他们发现，忽视这些元素在模型中不仅扭曲了对疾病传播的理解，还模糊了公共卫生措施的有效性。他们对匈牙利数据的分析揭示了接触行为中的社会经济差异如何在群体之间造成健康结果的显著差异，进一步强调了更具针对性的干预措施的必要性。
佩拉博士强调：“我们的结果表明，未来的接触调查不仅应涵盖传统的因素（如年龄），还应包括更详细的社会经济信息。纳入这些元素可能显著提高流行病模型的准确性，从而提高健康政策的成功。”
这项研究强调了对更全面的流行病建模框架的迫切需求，特别是当社会继续面临COVID-19的持续影响，并为潜在的未来大流行做准备。通过扩大对年龄和背景的传统关注，这种新颖的方法为更深入理解疾病传播铺平了道路，并提供了一个强有力的工具来解决健康不平等。
这项工作涉及与阿德里亚娜·曼纳（中央欧洲大学）、洛伦佐·达米科博士（ISI基金会）、米凯莱·蒂佐尼博士（特伦托大学）和马尔顿·卡萨伊博士（中央欧洲大学和雷尼数学研究所）的合作。
