Ushbu tadqiqotdagi stoxastik meta-populyatsion kompartman modeli, Ebola virusi kasalligining (EVD) bir nechta geografik patch o‘rtasida tarqalishini; hayvon rezervuaridan zoonotik kirishlarni, simptomatik zararlangan shaxslardan to‘g‘ridan-to‘g‘ri yuqishni, yuqumli dafn marosimi ta’sirini, rekonvalessent shaxslardan yaqin kontakt orqali yuqishni hamda emlash, kontaktni kamaytirish va xavfsiz/munosib dafn kabi aralashuvlarni bir xil matematik doirada ifodalovchi diskret vaqtli epidemiya simulyatsiyasi modelidir.

Modelda odamlar sezgir (S), zararlangan, biroq hali yuqumli bo‘lmagan (E), yuqumli va tirik (I), yuqumli dafn marosimi ta’sirini yuzaga keltiradigan vafot etganlar (F), dafn qilingan va endi yuqumli bo‘lmagan vafot etganlar (D), cheklangan yuqumliligi davom etayotgan rekonvalessentlar (C), to‘liq sog‘aygan shaxslar (R) va emlanib to‘liq immunitet hosil qilgan shaxslar (V) o‘rtasida stoxastik tarzda o‘tadi. Har bir geografik patch boshqa patchlar bilan bog‘lanish matritsasi orqali epidemiologik jihatdan aloqador.

Tadqiqotchilar modelni Kongo Demokratik Respublikasida zoonotik Ebola kirish xavfi yuqori deb ilgari aniqlangan taxminan 18.320 km² hududda namunalashtirgan. 2015 yil aholi baholaridan foydalanib, taxminan 5×5 km o‘lchamdagi 857 patch va jami 1.877.034 kishi modellashtirilgan; boshlanishida butun aholi sezgir deb qabul qilingan. Har biri 365 kun davom etadigan 200 ta mustaqil EVD epidemiyasi simulyatsiyasi o‘tkazilgan.

200 simulyatsiyada epidemiyaning o‘rtacha umumiy hajmi 47,0 holat, medianasi 11,0 holat va kvartillar oralig‘i 3,8–43,8 holat bo‘lgan. Eng katta simulyatsiya 770 holatga yetgan. Epidemiya hajmi va fazoviy tarqalishi simulyatsiyalar orasida sezilarli darajada farq qilgan. Birinchi holatdan 365 kun o‘tib, 200 simulyatsiyaning 109 tasida epidemiya hali nazorat ostiga olinmagan.

Reaktiv emlash ham juda geterogen natija bergan: har bir simulyatsiyaga o‘rtacha 764,4 doza, mediana 94,5 doza va IQR 0–713,8 doza qo‘llangan. Barcha patchlar va simulyatsiyalar birgalikda baholanganda patch darajasidagi emlash qamrovi %0 dan %9,6 gacha o‘zgargan.

Bu qiymatlar real DRC epidemiyasining kuzatilgan natijalari emas. Tadqiqot tarixiy Ebola parametrlari va geografik kirish ma’lumotlari asosida bajarilgan simulyatsiya ssenariylarini ko‘rsatadi. Mualliflar, shuningdek, model davom etayotgan real epidemiyada qisqa muddatli holatlar sonini prognozlash uchun mo‘ljallanmaganini ochiq bildiradi.

Tadqiqot muammosi

Ebola virusi kasalligini modellashtirish bitta yuqish yo‘lini modellashtirishdan murakkabroq. Epidemiya hayvon rezervuaridan odamlarga zoonotik kirish bilan boshlanishi mumkin; keyin tirik simptomatik shaxslar, zararlangan shaxsning jasadi va ayrim rekonvalessent shaxslar turli darajada yuqishga hissa qo‘shishi mumkin. Yuqish geografik jihatdan ham tarqalishi mumkin va jamoat salomatligi aralashuvlari patchdan patchga turli vaqtlarda ishga tushishi mumkin.

Manba tadqiqot avvalgi modellarning aksariyati ushbu xususiyatlarning faqat ayrimlariga e’tibor qaratganini bildiradi. Tadqiqotchilarning maqsadi bu qismlarni yagona va hisoblash jihatidan samarali doirada birlashtirib, kuzatuv, tayyorgarlik, emlash va aralashuvni masshtablash kabi jamoat salomatligi savollarini o‘rganishga xizmat qiladigan umumiy maqsadli EVD simulyatorini ishlab chiqishdir.

Tadqiqot jamoasi EVDga javob choralari manfaatdor tomonlari bilan maslahatlashgach, model ayniqsa to‘rt turdagi savolga javob bera olishini maqsad qilgan: qaysi jamoalarni kuchaytirilgan kuzatuv uchun ustuvorlashtirish kerakligi; ma’lum joydagi holatdan keyin qaysi jamoalarda tarqalish xavfi yuqoriroq ekanligi; turli aralashuv kombinatsiyalarining epidemiologik natijalari qanday bo‘lishi mumkinligi; va bu savollarning turli fazoviy hamda vaqt miqyoslarida o‘rganilishi.

Stoxastik Meta-Populyatsion Model Nima?

Stoxastik meta-populyatsion model aholini epidemiologik jihatdan o‘zaro bog‘langan ko‘plab geografik kichik birliklarga bo‘ladi va shaxslarning kasallik holatlari o‘rtasidagi o‘tishlarini aniq sonlar o‘rniga ehtimollik taqsimotlaridan tasodifiy olinadigan hodisalar sifatida simulyatsiya qiladi; ushbu tadqiqotda har bir patch o‘zining S–E–I–F–D–C–R–V dinamikasiga ega, patchlar esa yuqish bog‘lanish matritsasi orqali o‘zaro ulanadi.

“Stoxastik” nimani anglatadi?

Deterministik model bir xil boshlang‘ich sharoitda har safar ishga tushirilganda bir xil natija beradi. Stoxastik modelda esa yuqish, sog‘ayish, o‘lim yoki emlash kabi hodisalar ehtimollik taqsimotlaridan olinadi, shu sababli bir xil umumiy parametrlar bilan bajarilgan ikki simulyatsiya turli epidemiya hajmlari va turli fazoviy tarqalish naqshlarini berishi mumkin.

Shu sababli tadqiqotchilar bitta simulyatsiyani “kutilayotgan kelajak” sifatida qabul qilish o‘rniga modelni 200 marta mustaqil ishga tushirgan. Natijalar o‘rtacha, mediana, IQR va percentillar kabi taqsimot ko‘rsatkichlari bilan berilishining sababi shu.

“Meta-populyatsiya” nimani anglatadi?

Meta-populyatsiya yondashuvida yagona va to‘liq aralashgan aholi o‘rniga o‘zaro bog‘langan geografik subpopulyatsiyalar ishlatiladi. Tadqiqot bu kichik birliklarni patch deb ataydi.

Patch manbada bir jinsli geografik birlik sifatida ta’riflanadi. Patch ichidagi shaxslar bir xil holat o‘tish tezliklariga duch keladi deb taxmin qilinadi. Patchlar bir-biridan mustaqil emas; bir patchda hosil bo‘lgan infeksiya kuchining bir qismi boshqa patchda yangi infeksiya yuzaga keltirishi mumkin.

Patch bog‘lanish matritsasi Δ nimani ifodalaydi?

Modelda geografik bog‘lanish \(\Delta=\{\delta_{i,j}\}\) matritsasi bilan ifodalanadi. \(\delta_{i,j}\) , manba patch \(i\) da hosil bo‘lgan infeksiya kuchining qanchasi maqsad patch \(j\) dagi yangi holatlarni ta’minlashini ko‘rsatadi.

Matritsa row-stochastic sifatida ta’riflangan; ya’ni har bir qator yig‘indisi 1 ga teng. Diagonal elementlar infeksiya kuchining manba patchning o‘zida qoladigan qismini ifodalaydi.

Simulyatsiya tadqiqotidagi bog‘lanish matritsasi avval e’lon qilingan usulga ko‘ra yo‘l tarmog‘i bilan cheklangan gravity model yordamida tuzilgan.

Zoonotik kirish matritsasi H nimani ifodalaydi?

Hayvon rezervuaridan odamlarga yangi Ebola kirishlari vaqt va joyga qarab o‘zgarishi mumkin bo‘lgan \(\eta_{t,j}\) individual zoonotik infeksiya tezligi bilan modellashtirilgan.

Manbada qo‘llangan yondashuvda kirish xavfi Ebola hayvon xostlarining yashash muhiti mosligi va odamlarning bu xostlar bilan uchrashish tez-tezligi bilan bog‘langan.

Bu mexanizm faqat birinchi inson holatini simulyatsiya boshida qo‘shish bilan cheklanmay, simulyatsiya davomida yangi zoonotik kirish ehtimoli saqlanib qolishini ta’minlaydi.

Modeldagi sakkiz asosiy holat

Holat tenglamalari qanday ishlaydi?

Har bir vaqt qadamida kompartmandagi shaxslar soni oldingi vaqt qadamidagi songa o‘sha kompartmanga kirganlarni qo‘shish va undan chiqqanlarni ayirish orqali yangilanadi.

\(S_{t+1,j}=S_{t,j}-n_{S_{t,j}\rightarrow E_{t,j}}-n_{S_{t,j}\rightarrow V_{t,j}}\)

Sezgir shaxslar S kompartmanidan ikki yo‘l bilan chiqadi: infeksiyalanib E holatiga o‘tishi yoki emlanib V holatiga o‘tishi mumkin.

\(E_{t+1,j}=E_{t,j}+n_{S_{t,j}\rightarrow E_{t,j}}-n_{E_{t,j}\rightarrow I_{t,j}}\)

E kompartmaniga yangi infeksiyalar kiradi; inkubatsiya tugagach shaxslar I holatiga o‘tadi.

\(I_{t+1,j}=I_{t,j}+n_{E_{t,j}\rightarrow I_{t,j}}-n_{I_{t,j}\rightarrow F_{t,j}}-n_{I_{t,j}\rightarrow D_{t,j}}-n_{I_{t,j}\rightarrow R_{t,j}}-n_{I_{t,j}\rightarrow C_{t,j}}\)

I holatidagi shaxs kasallik jarayonining oxirida to‘rtta mumkin bo‘lgan chiqishdan biriga o‘tadi: xavfsiz bo‘lmagan dafn bilan bog‘liq yuqumli jasad holati F, to‘g‘ridan-to‘g‘ri yuqumli bo‘lmagan o‘lim holati D, to‘liq sog‘ayish R yoki rekonvalessent C.

\(D_{t+1,j}=D_{t,j}+n_{I_{t,j}\rightarrow D_{t,j}}+n_{F_{t,j}\rightarrow D_{t,j}}\)

\(F_{t+1,j}=F_{t,j}+n_{I_{t,j}\rightarrow F_{t,j}}-n_{F_{t,j}\rightarrow D_{t,j}}\)

\(R_{t+1,j}=R_{t,j}+n_{I_{t,j}\rightarrow R_{t,j}}+n_{C_{t,j}\rightarrow R_{t,j}}\)

\(C_{t+1,j}=C_{t,j}+n_{I_{t,j}\rightarrow C_{t,j}}-n_{C_{t,j}\rightarrow R_{t,j}}\)

\(V_{t+1,j}=V_{t,j}+n_{S_{t,j}\rightarrow V_{t,j}}\)

Bu yerda \(n_{A\rightarrow B}\) , bir vaqt qadamida A holatidan B holatiga o‘tgan shaxslar sonini bildiradi. Bu sonlar deterministik hisoblanmaydi; modelning stoxastik tuzilishi sababli ehtimollik taqsimotlaridan olinadi.

Faqat bitta o‘tish bo‘lganda binom taqsimoti

A holatidan faqat bitta B holatiga o‘tish mumkin bo‘lsa, manba quyidagi umumiy tuzilmani qo‘llaydi:

\(n_{A\rightarrow B}\sim \mathrm{B}\left(A,1-e^{-\lambda}\right)\)

Formula nimani hisoblaydi? A kompartmanidagi nechta shaxs bir model vaqt qadamida B holatiga o‘tishini stoxastik tarzda hosil qiladi.

\(A\), boshlanishida xavf ostida bo‘lgan shaxslar soni.

\(\lambda\), o‘tish tezligidir.

\(1-e^{-\lambda}\), uzluksiz-vaqt hodisasi tezligini bir vaqt qadamida sodir bo‘lish ehtimoliga aylantiradi.

\(\mathrm{B}(n,p)\), n ta shaxs va p hodisa ehtimoliga ega binom taqsimotini bildiradi.

Manba bu tuzilmani uchta asosiy o‘tish uchun aniq beradi:

\(n_{E_{t,j}\rightarrow I_{t,j}}\sim \mathrm{B}\left(E_{t,j},1-e^{-\alpha}\right)\)

\(n_{F_{t,j}\rightarrow D_{t,j}}\sim \mathrm{B}\left(F_{t,j},1-e^{-\tau}\right)\)

\(n_{C_{t,j}\rightarrow R_{t,j}}\sim \mathrm{B}\left(C_{t,j},1-e^{-\rho}\right)\)

Bu yerda \(\alpha\) o‘rtacha inkubatsiya davrining teskarisini, \(\tau\) yuqumli jasad dafn qilinishigacha bo‘lgan o‘rtacha vaqtning teskarisini va \(\rho\) rekonvalessent davrining o‘rtacha davomiyligi teskarisini ifodalaydi.

Masalan, o‘rtacha inkubatsiya davri uzayganda \(\alpha\) kichrayadi; bu esa bir vaqt qadamida E dan I ga o‘tish ehtimolini kamaytiradi. Bu izoh manba tenglamasining matematik ma’nosidir; yangi simulyatsiya natijasi emas.

Bir nechta mumkin bo‘lgan chiqish bo‘lganda ikki bosqichli jarayon

Bir kompartmandan bir nechta maqsad holatiga o‘tish mumkin bo‘lsa, avval kompartmandan jami nechta shaxs chiqishi binom taqsimoti bilan aniqlanadi:

\(n_{A\rightarrow\bullet}\sim \mathrm{B}\left(A,1-e^{-\sum_k\lambda_k}\right)\)

Keyin chiqqan shaxslar mumkin bo‘lgan maqsad holatlariga multinom taqsimoti orqali taqsimlanadi:

\(\left(n_{A\rightarrow B_1},\ldots,n_{A\rightarrow B_K}\right)\sim \mathrm{M}\left(n_{A\rightarrow\bullet},\frac{\lambda_1}{\sum_k\lambda_k},\ldots,\frac{\lambda_K}{\sum_k\lambda_k}\right)\)

Bu ikki bosqich muhim. Birinchi qadam “nechta shaxs chiqadi?”, ikkinchi qadam esa “chiqqanlar qaysi maqsad holatlariga boradi?” savolini hal qiladi.

Sezgir shaxslar infeksiya va emlash o‘rtasida qanday taqsimlanadi?

Sezgir kompartmandan chiqishning umumiy tezligi infeksiya kuchi bilan emlash tezligining yig‘indisidir:

\(n_{S_{t,j}\rightarrow\bullet}\sim \mathrm{B}\left(S_{t,j},1-e^{-(\Lambda_{t,j}+\nu_{t,j})}\right)\)

Manba PDFdagi terimda daraja qavslarining ko‘rinishi vizual jihatdan siqilgan; keyingi multinom maxraji va usul izohi umumiy chiqish tezligi \(\Lambda+\nu\) ekanini aniq ko‘rsatadi. Bu yerda o‘qilishini yengillashtirish uchun umumiy tezlik qavs ichida ko‘rsatilgan; model tuzilishi o‘zgartirilmagan.

Sezgir kompartmandan chiqqan shaxslarni infeksiya va emlash o‘rtasida taqsimlash:

\(\left(n_{S\rightarrow E},n_{S\rightarrow V}\right)\sim \mathrm{M}\left(n_{S\rightarrow\bullet},\frac{\Lambda_{t,j}}{\Lambda_{t,j}+\nu_{t,j}},\frac{\nu_{t,j}}{\Lambda_{t,j}+\nu_{t,j}}\right)\)

Bu formula infeksiya va emlashni ayni sezgir aholi ustida raqobat qiluvchi ikki hodisa sifatida ifodalaydi.

Infeksiya Kuchi \(\Lambda\) Modelda Nimani Hisoblaydi?

Infeksiya kuchi \(\Lambda_{t,j}\) , t vaqtda va j patchdagi bitta sezgir shaxsga zoonotik kirish, tirik yuqumli holatlar, yuqumli jasadlar va rekonvalessent shaxslardan keladigan umumiy infeksiya bosimini ifodalaydi; boshqa patchlardan keladigan hissalar bu bosimga \(\delta_{i,j}\) bog‘lanish koeffitsiyentlari bilan uzatiladi.

Manbada berilgan infeksiya kuchi:

\(\Lambda_{t,j}=\eta_{t,j}+\sum_i\delta_{i,j}\beta_{I,t,i}\frac{I_{t,i}}{N_{t,i}A_i}+\sum_i\delta_{i,j}\beta_F\frac{F_{t,i}}{(N_{t,i}+F_{t,i})A_i}+\sum_i\delta_{i,j}\beta_C\frac{C_{t,i}}{N_{t,i}A_i}\)

\(\eta_{t,j}\): j patchdagi individual zoonotik kirish tezligi.

\(\delta_{i,j}\): i patchda hosil bo‘lgan infeksiya bosimining j patchga uzatiladigan ulushi.

\(\beta_{I,t,i}\): tirik yuqumli holatlardan yuqish tezligi.

\(\beta_F\): dafn marosimi ta’siridan yuqish tezligi.

\(\beta_C\): rekonvalessent shaxslardan yuqish tezligi.

\(I_{t,i}\), \(F_{t,i}\), \(C_{t,i}\): tegishli yuqish manbalaridagi shaxslar soni.

\(N_{t,i}\): jami tirik aholi.

\(A_i\): i patchning sirt maydoni.

Model klassik chastotaga bog‘liq yuqish modellaridan farqli ravishda kontaktni sirt maydoni bilan ham masshtablaydi. Shu tariqa aholi soni o‘xshash, biroq sirt maydoni turlicha bo‘lgan ma’muriy/geografik birliklarda aholi zichligining yuqishga ta’siri ifodalanishi mumkin.

Barcha patchlarning sirt maydoni bir xil bo‘lsa, manba \(A_i=1\) deb olish mumkinligini va tuzilma klassik chastotaga bog‘liq shaklga qaytishini bildiradi.

I kompartmanidan chiqish va o‘lim/sog‘ayish tarmoqlanishi

Yuqumli shaxslarning I holatidan chiqish tezligi \(\gamma\) bilan belgilanadi:

\(n_{I_{t,j}\rightarrow\bullet}\sim \mathrm{B}\left(I_{t,j},1-e^{-\gamma}\right)\)

\(\gamma\) , o‘rtacha kasallik davomiyligining teskarisidir.

I holatidan chiqqan shaxslar to‘rt ehtimolga ajratiladi:

\(\left(n_{I\rightarrow F},n_{I\rightarrow D},n_{I\rightarrow C},n_{I\rightarrow R}\right)\sim \mathrm{M}\left(n_{I\rightarrow\bullet},p_{\mathrm{death}}(1-p_{\mathrm{sdb}}),p_{\mathrm{death}}p_{\mathrm{sdb}},(1-p_{\mathrm{death}})p_{\mathrm{conv}},(1-p_{\mathrm{death}})(1-p_{\mathrm{conv}})\right)\)

\(p_{\mathrm{death}}\), infeksiya natijasida vafot etgan holatlar ulushidir.

\(p_{\mathrm{sdb}}\), vafot etgan holatlarning xavfsiz va munosib dafn (safe and dignified burial, SDB) qilingan ulushidir.

\(p_{\mathrm{conv}}\), tirik qolganlarning rekonvalessent C holatiga kiradigan ulushidir.

Vafot etgan shaxs xavfsiz/munosib tarzda dafn qilinmasa, avval yuqumli jasad F holatiga o‘tishi mumkin. Xavfsiz dafn amalga oshirilsa, bevosita yuqumli bo‘lmagan D holatiga o‘tadi.

Naive, Alert va Response Holatlari Nima Uchun Kerak?

Naive, alert va response shaxsning kasallik holatlari emas, balki patchning jamoat salomatligi aralashuvi darajalaridir: naive patchda faol aralashuv yo‘q; alert patch qo‘shni hududlardan holat importi xavfi sabab cheklangan choralarni ko‘radi; response patch esa o‘z ichida davom etayotgan epidemiyaga qarshi to‘liq aralashuv holatida bo‘ladi.

Alert holati qanday ishga tushadi?

Alert boshqa patchlardan kutilayotgan o‘rtacha holat importi ma’lum chegara qiymatidan oshganda yuzaga keladi. Manbaning matematik tuzilishi qisqacha:

\(f_{\mathrm{alert}}(t,j)=\mathbf{1}\left(\sum_{i\ne j}\delta_{i,j}\left[\beta_{I,t,i}\frac{I_{t,i}}{N_{t,i}A_i}+\beta_F\frac{F_{t,i}}{(N_{t,i}+F_{t,i})A_i}+\beta_C\frac{C_{t,i}}{N_{t,i}A_i}\right]\ge\theta_{\mathrm{alert}}\right)\)

\(\mathbf{1}(\cdot)\) indikator funksiyadir: shart rost bo‘lsa 1, aks holda 0 beradi.

\(\theta_{\mathrm{alert}}\) , patch alert holatiga o‘tishi uchun zarur bo‘lgan tashqaridan kutiladigan holat bosimi chegarasidir.

Response holati qanday ishga tushadi?

Patchning o‘zidagi yuqumli shaxslar soni belgilangan chegara qiymatiga yetganda response holati faollashadi:

\(f_{\mathrm{response}}(t,j)=\mathbf{1}\left(I_{t,j}\ge\theta_{\mathrm{response}}\right)\)

Alert va response shartlari bir vaqtda bajarilsa, model response holatini qo‘llaydi; ikki aralashuv holati ustma-ust qo‘yilmaydi.

Naive holati

\(f_{\mathrm{naive}}(t,j)=\mathbf{1}\left(f_{\mathrm{alert}}(t,j)+f_{\mathrm{response}}(t,j)=0\right)\)

Ya’ni patch na alert, na response shartini bajarsa, naive deb qabul qilinadi.

Aralashuv holati yuqish tezligini qanday o‘zgartiradi?

Tirik yuqumli holatlardan kelib chiqadigan yuqish tezligi patch holatiga qarab tanlanadi:

\(\beta_{I,t,j}=\beta_I^{\mathrm{naive}}f_{\mathrm{naive}}(t,j)+\beta_I^{\mathrm{alert}}f_{\mathrm{alert}}(t,j)+\beta_I^{\mathrm{response}}f_{\mathrm{response}}(t,j)\)

Xuddi shu mantiq emlash tezligida ham qo‘llanadi:

\(\nu_{t,j}=\nu^{\mathrm{naive}}f_{\mathrm{naive}}(t,j)+\nu^{\mathrm{alert}}f_{\mathrm{alert}}(t,j)+\nu^{\mathrm{response}}f_{\mathrm{response}}(t,j)\)

Xavfsiz va munosib dafn ulushi ham patch holatiga bog‘liq:

\(p_{\mathrm{sdb},t,j}=p_{\mathrm{sdb}}^{\mathrm{naive}}f_{\mathrm{naive}}(t,j)+p_{\mathrm{sdb}}^{\mathrm{alert}}f_{\mathrm{alert}}(t,j)+p_{\mathrm{sdb}}^{\mathrm{response}}f_{\mathrm{response}}(t,j)\)

Shunday qilib, aralashuv bitta mavhum “nazorat koeffitsiyenti” emas. Model kamida uch mexanizmni alohida o‘zgartira oladi: tirik holatlardan yuqishni kamaytirish, emlash tezligini oshirish va xavfsiz/munosib dafn chastotasini oshirish.

Aralashuvlar qanday tugaydi?

Alert yoki response holatini ishga tushirgan shartlar tugaganda aralashuv darhol o‘chirilmaydi. Manba chegara shartlari ma’lum ketma-ket kunlar davomida bajarilmasligi kerakligini belgilaydi.

\(\kappa_{\mathrm{alert}}\) va \(\kappa_{\mathrm{response}}\) , tegishli holat tugashidan oldin chegara ostida o‘tishi kerak bo‘lgan kunlar sonini ifodalaydi.

Response patch alert sharti hali bajarilayotgan bo‘lsa alert holatiga qaytishi mumkin; aks holda naive holatiga o‘tadi. Alert holatidagi patch esa shartlar tugagach naive holatiga qaytadi.

\(R_0\) qiymatidan kunlik yuqish tezligi qanday olindi?

Tadqiqot modelida turli yuqish manbalari uchun kunlik infeksiya tezliklari kerak. Biroq adabiyotda yuqumlilik ko‘pincha asosiy reproduksiya soni \(R_0\) sifatida berilgani uchun tadqiqotchilar avval yaqindagi Ebola epidemiyalariga mos \(R_0\) qiymatlarini simulyatsiya qilgan.

Manba \(R_0\) uchun log-normal taqsimot, o‘rtacha 1,5 va standart og‘ish 0,1 ishlatilganini bildiradi.

So‘ng asosiy infeksiya tezligi:

\(\beta=R_0\gamma\)

munosabati bilan olingan.

\(R_0\), aralashuv va immunitet bo‘lmagan sharoitda odatiy infeksiyalangan shaxs yuzaga keltiradigan o‘rtacha ikkilamchi holatlar sonining konseptual o‘lchovidir.

\(\gamma\), o‘rtacha kasallik davomiyligining teskarisidir.

\(\beta\), unga mos yuqish tezligidir.

Tirik infeksiyalangan shaxslar, dafn marosimi ta’sirlari va rekonvalessent shaxslar o‘rtasidagi yuqumlilik farqlari keyin adabiyotga asoslangan koeffitsiyentlar bilan shu asosiy \(\beta\) bo‘yicha masshtablangan.

Tadqiqot Usuli va Natijalari

Simulyatsiya geografiyasi va aholi

Birinchi holat qaysi patchga joylashtirilgan?

Indeks holat joyi barcha patchlar orasida teng ehtimol bilan tanlanmagan. Patch tanlanish ehtimoli o‘sha patchdagi kutilayotgan Ebola kirishlarining nisbiy miqdoriga mutanosib qilingan.

Kutilayotgan kirish xavfi aholi zichligi bilan individual zoonotik kirish tezligi ko‘paytmasi orqali aniqlangan. Shu sababli ekologik jihatdan kirish xavfi yuqoriroq hududlar simulyatsiya boshida ko‘proq indeks holat joyi bo‘lgan.

Tabiiy tarix va aralashuv parametrlari

Inkubatsiya davri, kasallik davomiyligi, yuqumlilik va aralashuv kirishlari avvalgi Ebola adabiyotiga asoslangan. Tabiiy o‘zgaruvchanlik va parametr noaniqligini ifodalash uchun ayrim kirishlar doimiy qiymat emas, taqsimotlardan olingan.

Muhim manba cheklovi: Ushbu taqsimotlarning batafsil parametrlari asosiy PDFda berilmagan, Table S1ga qoldirilgan. Yuklangan manba fayli supplementary Table S1ni o‘z ichiga olmagani sababli Verianla matnida yetishmayotgan parametr qiymatlari to‘ldirilmagan.

Model qaysi dasturiy ta’minotda amalga oshirilgan?

Model R statistik hisoblash muhitida odin paketi yordamida amalga oshirilgan. Odin model kodidan avtomatik C kodi yaratib, ko‘p sonli stoxastik simulyatsiyalarni hisoblash jihatidan samaraliroq bajarishga imkon beradi.

Manba model skripti bilan zoonotik kirish matritsasi H va bog‘lanish matritsasi Δ MIT litsenziyasi ostida ochiq e’lon qilinganini bildiradi.

Manba kod ombori: https://github.com/thibautjombart/ebola_model_odin

200 simulyatsiyaning asosiy natijalari

O‘rtacha 47 holat bilan mediana 11 holat nega bunchalik farq qiladi?

Stoxastik simulyatsiyalarda epidemiyalarning aksariyati kichik qolgan holda kam sonli yirik epidemiyalar o‘rtachani yuqoriga tortishi mumkin. Manbada mediana 11 bo‘lsa, o‘rtacha 47 va maksimum 770 bo‘lishi epidemiya hajmi taqsimoti juda geterogen ekanini ko‘rsatadi.

Bu model “tipik epidemiya albatta 47 holat bo‘ladi” degani emas. O‘rtacha 200 xil stoxastik amalga oshishning arifmetik xulosasidir.

Qo‘shimcha zoonotik kirishlarning o‘rtachasi kichik bo‘lsa ham nega muhim?

Simulyatsiya davomida davom etuvchi zoonotik kirishlar yiliga o‘rtacha atigi 1,7 qo‘shimcha holatni yuzaga keltirgan. Biroq bu yangi holatlar mavjud yuqish zanjiridan boshqa patchda paydo bo‘lishi mumkinligi sabab yangi ikkilamchi epidemiya o‘chog‘ini boshlashi mumkin.

Shuning uchun epidemiologik ahamiyat faqat qo‘shilgan holatlar soni bilan o‘lchanmaydi; holatlarning geografik jihatdan qayerda paydo bo‘lishi ham muhim.

Patch-day nimani anglatadi?

Patch-day, geografik patchning ma’lum aralashuv holatida o‘tkazgan bir kunini bildiradi. Masalan, ayni patch 10 kun alert holatida qolsa 10 alert patch-day hosil bo‘ladi; 100 xil patch bir kundan alert holatida qolsa ham jami 100 alert patch-day hosil bo‘ladi.

Bu o‘lchov aralashuv davomiyligi bilan geografik qamrovni bitta songa birlashtirishga yordam beradi.

Eng katta epidemiyadagi operatsion yuk

Manba 750 dan ortiq holatga yetgan eng katta simulyatsiya 8900 dan ortiq alert patch-day va taxminan 600 response patch-day hosil qilganini bildiradi. Bu natija yirik epidemiyalar nafaqat ko‘proq holat, balki ancha keng va uzoq davom etuvchi operatsion javobni ham talab qilishi mumkinligini ko‘rsatadi.

Manba 2-rasmning to‘rt paneli nimani ko‘rsatadi?

Panel A, barcha patchlardagi yuqumli I kompartmanining 365 kun davomidagi o‘zgarishini ko‘rsatadi. Qoramtir chiziq 200 simulyatsiya o‘rtachasini, rangli maydon esa epidemik egri chiziqlarning markaziy %80 qismini, ya’ni 10- va 90-percentillar oralig‘ini ifodalaydi.

Panel B, 365-kunda Sdan boshqa kompartmanlarning 200 simulyatsiyadagi taqsimotini ko‘rsatadi. Y o‘qi guruhlar orasida kattalik farqlari katta bo‘lgani uchun log10 shkalasidadir.

Panel C, 200 simulyatsiya davomida har bir patch uchun o‘rtacha holatlar sonining fazoviy taqsimotini ko‘rsatadi. Eng yuqori o‘rtacha holat zichligiga ega o‘choqlardan biri ayni paytda eng yuqori aholi zichligiga ega patch bilan bog‘langan.

Panel D, har bir patch uchun alert holatida o‘tkazilgan o‘rtacha kunlar sonini ko‘rsatadi va mualliflar buni kuchaytirilgan tayyorgarlik uchun potensial ustuvor hududlarni aniqlashda foydalanish mumkin bo‘lgan natija sifatida muhokama qiladi.

Asosiy PDF ushbu panellarning barcha xom vaqt qatorlari va patch darajasidagi qiymatlarini matn ko‘rinishida bermagani uchun Verianlada manba grafigining aniq raqamli qayta chizilishi bajarilmagan.

Bu Model Real Ebola Epidemiyasini Bashorat Qilish Uchun Ishlatilishi Mumkinmi?

Manba mualliflari ushbu kompartman model mumkin bo‘lgan epidemiya ssenariylari, tayyorgarlik ehtiyojlari va aralashuv variantlarini simulyatsiya qilish uchun foydali ekanini, ammo davom etayotgan real epidemiyada kelajakdagi qisqa muddatli holatlar insidensiyasini prognozlash uchun mos forecasting modeli emasligini ochiq aytadi.

Model nima uchun ishlatilishi mumkin?

• zoonotik kirish xavfi bo‘lgan hududlarda mumkin bo‘lgan epidemiya ssenariylarini o‘rganish,
• qaysi patchlar holat importiga ko‘proq moyil bo‘lishi mumkinligini tekshirish,
• alert hududlarni tayyorgarlik nuqtai nazaridan ustuvorlashtirish,
• turli kontaktni kamaytirish, emlash va xavfsiz dafn strategiyalarini taqqoslash,
• vaksina zaxiralari miqdorining mumkin bo‘lgan ko‘lamini baholash,
• profilaktik yoki reaktiv aralashuv ssenariylarini sinash,
• turli fazoviy miqyoslarda tayyorgarlik va javob rejalashtirishni qo‘llab-quvvatlash.

Model nima uchun mo‘ljallanmagan?

• real epidemiyaning kelgusi kunlar yoki haftalardagi holatlar sonini bevosita prognozlash,
• alohida bemorning o‘lim xavfini hisoblash,
• uy ichidagi kontakt tarmoqlarini individual darajada ifodalash,
• kontaktlarni kuzatishni individual darajada simulyatsiya qilish,
• sog‘liqni saqlash xodimlarini alohida xavf guruhi sifatida ifodalash,
• kasalxona ichidagi yuqishni batafsil simulyatsiya qilish,
• ta’sirdan keyingi emlashning individual mortalitega ta’sirini bevosita hosil qilish.

Tadqiqot qo‘llab-quvvatlaydigan xulosalar

• Zoonotik kirish, turli yuqish yo‘llari, fazoviy bog‘lanish va bir nechta aralashuv mexanizmlari bitta stoxastik modelda birlashtirilishi mumkin.
• Simulyatsiya qilingan epidemiya hajmlari juda keng taqsimotni ko‘rsatgan.
• Kam sonli davom etuvchi zoonotik kirishlar yangi geografik o‘choqlarning yuzaga kelishiga ta’sir qilishi mumkin.
• Patchlar epidemiya davomida naive, alert va response holatlari o‘rtasida dinamik tarzda o‘tishi mumkin.
• Alert holatida tez-tez bo‘ladigan hududlar tayyorgarlik va kuzatuv nuqtai nazaridan potensial ustuvor hududlar sifatida aniqlanishi mumkin.
• Reaktiv emlashga ehtiyoj epidemiya hajmiga bog‘liq ravishda juda geterogendir.
• Model ochiq manbali R/odin amalga oshirishi orqali ko‘p sonli simulyatsiyalarni hisoblash jihatidan samarali bajarish uchun qo‘llangan.

Tadqiqot qo‘llab-quvvatlamaydigan xulosalar

• DRCdagi kelajakdagi real Ebola epidemiyasi o‘rtacha 47 holat bo‘ladi, deb aytib bo‘lmaydi.
• 770 holat kelajakdagi maksimal real epidemiya hajmi emas.
• Model natijalari dala kuzatuvi yoki klinik ma’lumot emas.
• %29,2 alert patch ulushi butun DRC uchun kuzatilgan real kuzatuv ko‘rsatkichi emas.
• O‘rtacha 764,4 vaksina dozasi real zaxira ehtiyoji uchun universal son emas.
• Model emlash strategiyasining real hayotdagi samaradorligini klinik jihatdan isbotlamaydi.
• Model shaxslar o‘rtasidagi kontakt geterogenligini yoki household transmission tafsilotlarini bevosita ifodalamaydi.
• Model real epidemiya paytida qisqa muddatli holatlar forecast vositasi sifatida tasdiqlanmagan.

Modelning asosiy farazlari va cheklovlari

Bitta o‘rtacha kasallik davomiyligi: Model o‘lim bilan va shifoxonadan chiqarilish bilan yakunlanadigan holatlar uchun bir xil o‘rtacha kasallik davomiyligi yondashuvidan foydalanadi. Amalda simptomlar boshlanishidan o‘limga qadar bo‘lgan vaqt, shifoxonadan chiqarilishgacha bo‘lgan vaqtdan qisqaroq bo‘lishi mumkin.

Kasalxona kompartmani yo‘q: Kasalxonaga yotqizish alohida kompartman sifatida modellashtirilmagan.

Sog‘liqni saqlash xodimlari alohida sinf emas: Healthcare worker populyatsiyasi maxsus xavf guruhi sifatida ta’riflanmagan. Shu sababli kasalxona ichidagi yuqish va sog‘liqni saqlash xodimlariga qaratilgan maxsus aralashuvlar batafsil o‘rganilmaydi.

Reaktiv emlashda doimiy tezlik farazi: Patch alert yoki response holatida bo‘lganda emlash doimiy tezlikda amalga oshiriladi. Real hayotda ring yoki geografik maqsadli emlash holatlar soniga qarab masshtablanishi mumkin va epidemiya boshida faollashtirish vaqt talab qilishi mumkin.

Bog‘lanish matritsasi vaqt bo‘yicha doimiy: Patchlar orasidagi bog‘lanish epidemiya davomida o‘zgarmaydi deb qabul qilingan. Amalda epidemiya, xavfsizlik holati, xulq-atvor yoki safar cheklovlari harakatchanlikni o‘zgartirishi mumkin.

Kirish ma’lumotlariga bog‘liqlik: Model natijalarining mazmunli bo‘lishi realistik parametr kirishlariga bog‘liq. Tarixiy Ebola ma’lumotlaridagi tabiiy o‘zgaruvchanlik va noaniqlik mos taqsimotlar bilan ifodalanishi kerak.

Individual geterogenlik yo‘q: Kompartman modeli aholi darajasidagi dinamikani ifodalaydi; superspreading, uy xo‘jaligi tuzilishi, kontakt tarmog‘i va batafsil kontakt kuzatuvi kabi individual darajadagi jarayonlar uchun individual-based model talab qilinishi mumkin.

Post-exposure vaccination cheklovi: Model ta’sirdan keyingi emlashning individual o‘lim xavfiga ta’sirini osonlikcha ifodalay olmaydi.

Forecasting cheklovi: Model ssenariy simulyatsiyasi uchun; real epidemiyada joriy insidensiya ma’lumotidan foydalanib qisqa muddatli holat prognozi beradigan vosita emas.

Hisoblash masshtablanuvchanligi chegarasi

Patchlar orasidagi tarqalish \(J\times J\) bog‘lanish matritsasi Δ bilan ifodalangani sababli xotira talabi patchlar sonining kvadratiga mutanosib o‘sadi:

\(\mathrm{Bellek\ gereksinimi}\propto J^2\)

Bu tenglama manbada alohida model tenglamasi sifatida berilmagan bo‘lsa-da, muhokama bo‘limidagi ochiq hisoblash masshtablanishi ifodasining matematik ko‘rinishidir.

Mualliflar 10.000 patchdan ortiq kattaroq meta-populyatsiyalar maxsus yuqori unumli hisoblash resurslarini talab qilishi mumkinligini bildiradi.

Kelajakda kengaytirilishi mumkin bo‘lgan foydalanish sohalari

Zoonotik kirish tezliklari modelda ham fazoviy, ham vaqt bo‘yicha o‘zgaruvchan. Shu sababli mos ekologik kirishlar berilganda mavsumiylik yoki iqlim o‘zgarishining zoonotik kirishga ta’siri ssenariy sifatida o‘rganilishi mumkin.

Boshlang‘ich kompartmanlar foydalanuvchi tomonidan belgilanishi mumkinligi sababli avval Ebola kuzatilgan jamoalarda rekonvalessent C holatidan qayta kirish yoki avvaldan mavjud vaksina/sog‘ayish immuniteti kabi ssenariylar ham baholanishi mumkin.

Biroq bu moslashuvchanlik ushbu ta’sirlar mazkur maqolada bevosita sinovdan o‘tkazilganini anglatmaydi; manba ularni modelning kelajakda foydalanilishi mumkin bo‘lgan funksiyalari sifatida muhokama qiladi.

Manba va Usul Haqida Izoh

Asl sarlavha: A stochastic meta-population model of Ebola virus disease transmission for informing public health decisions

Mualliflar: Thibaut Jombart; Sarah Kada; Debapriyo Chakraborty; David W. Redding; Jessica Abbate.

Correspondence: Manba PDF Thibaut Jombart uchun Imperial College London Department of Infectious Disease Epidemiologyga correspondence belgisi; Jessica Abbate uchun Geomatys, Montpellier manziliga corresponding-author belgisi beradi.

Teng hissa: Ko‘rib chiqilgan manbada teng birinchi muallif/teng hissa bayonoti yo‘q.

Tashkilot a: Geomatys, Montpellier, France.

Tashkilot b: MRC Centre for Global Infectious Disease Analysis, School of Public Health, Imperial College London, United Kingdom.

Tashkilot c: Science Department, The Natural History Museum, London, United Kingdom.

Tashkilot d: Biocomplexity Institute, University of Virginia, Charlottesville, VA, USA.

Jurnal: Epidemics.

Jild / nashr davri / maqola raqami: Volume 55, June 2026, 100922.

DOI: 10.1016/j.epidem.2026.100922.

Nashriyot: Elsevier B.V.

Qabul qilingan sana: 12 Yanvar 2026.

Tahrir sanasi: 4 May 2026.

Qabul qilingan sana: 20 May 2026.

Onlayn nashr sanasi: 4 Iyun 2026.

Manba turi: Taqrizdan o‘tgan modellashtirish va simulyatsiya tadqiqot maqolasi.

Litsenziya: Creative Commons Attribution 4.0 International (CC BY 4.0).

Model turi: Diskret vaqtli, stoxastik, kompartmanli meta-populyatsion EVD yuqish modeli.

Kompartmanlar: S, E, I, F, D, C, R, V.

Meta-populyatsiya bog‘lanishi: Row-stochastic Δ bog‘lanish matritsasi.

Zoonotik kirish: Vaqt va joyga qarab o‘zgaruvchi H kirish matritsasi / η_t,j tezligi.

Asosiy yuqish yo‘llari: Tirik yuqumli holatlar, dafn marosimi ta’siri va rekonvalessent shaxslar.

Aralashuvlar: Yuqumli shaxslar bilan kontaktni kamaytirish, emlash tezligini oshirish va xavfsiz/munosib dafn ulushini oshirish.

Patch aralashuv holatlari: naive, alert, response.

Simulyatsiya soni: 200.

Simulyatsiya davomiyligi: 365 kun.

Simulyatsiya maydoni: DRCda taxminan 18.320 km².

Patch soni: 857.

Patch o‘lchami: Taxminan 5×5 km; 2,5 arc-minute aniqlik.

Boshlang‘ich aholi: 1.877.034; barchasi boshlanishida sezgir.

R0 namunalash: Log-normal taqsimot; manbada o‘rtacha 1,5 va standart og‘ish 0,1 deb ko‘rsatilgan.

R0–yuqish tezligi munosabati: \(\beta=R_0\gamma\) .

Dasturiy ta’minot: R va odin.

Kod litsenziyasi: MIT.

Kod ombori: https://github.com/thibautjombart/ebola_model_odin

Qo‘shimcha material cheklovi: Tabiiy tarix va aralashuv parametrlarining batafsil taqsimotlari Table S1da berilgan. Yuklangan asosiy PDF supplementary faylni o‘z ichiga olmagani uchun bu qiymatlar Verianla tomonidan to‘ldirilmagan.

Manba 1-rasm: S–E–I–F–D–C–R–V holatlarini, o‘tish tezliklarini va I/F/C manbali infeksiya kuchlarini ko‘rsatadi. Ilmiy munosabatlar Verianla uchun mustaqil inline SVG bilan qayta yaratilgan.

Manba 2-rasm: 200 simulyatsiyaning epidemik egri chiziqlarini, 365-kundagi kompartman taqsimotlarini, o‘rtacha holat xaritasini va alert kunlari xaritasini ko‘rsatadi. Xom simulyatsiya qatorlari va patch qiymatlari asosiy PDFda jadval ko‘rinishida berilmagani uchun grafik yoki xarita soxta aniqlik bilan qayta chizilmagan; manbada aniq berilgan sonlar HTML jadvaliga ko‘chirilgan.

Ma’lumotlar mavjudligi: Mualliflar model skriptini MIT litsenziyasi bilan ochiq GitHub omborida e’lon qilgan.

Moliyalashtirish: MSD Investigator Studies Program (MISP; MISP-Ebola-3 IIS Tracking #100074), BPI France Innovation Competition doirasidagi France 2030 EPIWISE loyihasi va European Space Agency ARTES 4.0 Business Applications and Space Solutions Demonstration Project tomonidan moliyalashtirilgan. Mualliflar moliyalashtiruvchilar tadqiqot dizayni, usul, tahlil, talqin, maqola yozish yoki nashr qaroriga hissa qo‘shmaganini bildiradi.

CRediT: Debapriyo Chakraborty — Writing – review & editing, Resources. David W. Redding — Writing – review & editing, Conceptualization. Jessica Abbate — Writing – review & editing, Supervision, Funding acquisition, Conceptualization. Thibaut Jombart — Writing – review & editing, Writing – original draft, Visualization, Validation, Software, Methodology, Investigation, Formal analysis, Conceptualization. Sarah Kada — Writing – review & editing, Validation, Conceptualization.

Manfaatlar to‘qnashuvi: Thibaut Jombart; World Health Organization, World Bank Group va Geomatys bilan konsultatsiya/advisory aloqalarini bildirgan. Boshqa mualliflar tadqiqotga ta’sir qilgandek ko‘rinishi mumkin bo‘lgan ma’lum raqobatlashuvchi moliyaviy manfaat yoki shaxsiy munosabatni bildirmagan.

Manbadagi notatsiya eslatmasi: Manba usul matnining bir joyida “P patches” iborasidan foydalanadi, patch indeksini esa j=1,…,J deb ta’riflaydi va 1-jadval Jni jami patch soni sifatida beradi. Verianla izohida ilmiy ma’noni o‘zgartirmasdan jami patch soni uchun J ishlatilgan.

Asosiy talqin chegarasi: Ushbu tadqiqot natijalari real Ebola epidemiyasida o‘lchangan holatlar, vaksina dozasi yoki aralashuv kunlari emas. Bular tarixiy va ekologik kirishlar bilan ishlaydigan stoxastik simulyatsiya natijalaridir. Model tayyorgarlik va aralashuv ssenariylarini taqqoslash uchun ishlab chiqilgan; faol epidemiyada qisqa muddatli holatlar forecasting vositasi sifatida mo‘ljallanmagan.

Meta Teglar

```