Studie onderzoekt de rol van luchthavens in de verspreiding van ziekten

De eerste studie om de dynamiek van ziektespreiding in de vroege stadia van een uitbraak te modelleren, keek naar 40 Amerikaanse luchthavens en vindt degene die de ziekte zou verspreiden van de thuisstad naar andere plaatsen waar de snelste zou zijn Kennedy International Airport van New York, gevolgd door luchthavens in Los Angeles, Honolulu en San Francisco.
Onderzoekers van het departement Civil and Environmental Engineering (CEE) van het Massachusetts Institute of Technology (MIT) schrijven over hun bevindingen in een paper dat op 19 juli online is gepubliceerd in PLoS ONE.

Model richt zich op vroege stadia van uitbraak

In de afgelopen tien jaar hebben we een aantal uitbraken van ziekten gezien die zich over de hele wereld hebben verspreid. In 2003 duurde de uitbraak van SARS slechts een paar weken om zich vanuit Hong Kong naar 37 landen te verspreiden, waarbij bijna 1.000 mensen omkwamen. In 2009 heeft de H1N1-grieppandemie bijna 300.000 mensen wereldwijd gedood.
Zulke uitbraken vergroten het bewustzijn dat nieuwe pathogenen zich snel kunnen verspreiden over de hele wereld met behulp van vliegreizigers.
Om dergelijke besmettingspatronen te onderzoeken, bouwen wetenschappers wiskundige modellen die ideeën uit complexe netwerksystemen bevatten en hoe informatie zich verspreidt in sociale netwerken.
Tot nu toe hebben deze modellen gefocust op de laatste stadia van uitbraken en gekeken naar plaatsen die uiteindelijk de hoogste infectiegraad ontwikkelen.

Maar de MIT-onderzoekers kozen een andere aanpak: ze besloten om focus op de vroege stadia van epidemieën en vergelijk de waarschijnlijkheid van verspreiding van hun thuissteden naar andere plaatsen via de grootste 40 luchthavens van de VS.
Hun model houdt dus rekening met de reispatronen van individuen, de geografische locatie van luchthavens, de verschillen in verbondenheid tussen luchthavens en de wachttijden op afzonderlijke luchthavens. Door deze factoren samen te brengen, probeert het model vervolgens te voorspellen waar en hoe snel een ziekte zich kan verspreiden.
De onderzoekers suggereren deze manier van kijken naar het probleem zou kunnen helpen beslissen over de beste manieren om infecties te beheersen en vaccin en behandelingen te verspreiden in de eerste paar dagen van een uitbraak.
Senior auteur Ruben Juanes, de ARCO universitair hoofddocent energiestudies aan het MIT-departement van CEE, vertelde de pers:
"Ons werk is de eerste om te kijken naar de ruimtelijke spreiding van besmettingprocessen in vroege tijden, en om een ??voorspeller voor te stellen waarvoor 'knooppunten' - in dit geval luchthavens - zullen leiden tot meer agressieve ruimtelijke verspreiding. '
"De bevindingen zouden de basis kunnen vormen voor een eerste evaluatie van vaccinallocatiestrategieën in het geval van een uitbraak, en zouden de nationale veiligheidsdiensten kunnen informeren over de meest kwetsbare routes voor biologische aanvallen in een dicht verbonden wereld," voegde hij eraan toe.

Nieuw model is meer realistisch

Het model brengt twee contrasterende mobiliteitspatronen bij elkaar: de ene geofysisch en de andere mens. De eerste is afkomstig van Juanes 'studies van de stroming van vloeistoffen door breuknetwerken in ondergrondse rotsen, en de tweede komt uit de studies van CEE, Marta González, die menselijke mobiliteitspatronen en sporenvervuilingsprocessen in sociale netwerken modelleren met behulp van mobiele data.
Met deze twee bronnen van kennis wijkt het nieuwe MIT-model af van de conventionele benadering die veronderstelt dat mensen in een willekeurig verspreidingspatroon reizen wanneer ze van de ene naar de andere luchthaven gaan.
Het nieuwe model is realistischer. Mensen reizen niet willekeurig. Ze hebben de neiging patronen te herhalen.
Het team paste Monte Carlo-simulaties toe op de studies van González over menselijke mobiliteitspatronen om de waarschijnlijkheid te bepalen dat een enkele reiziger van de ene luchthaven naar de andere vliegt.
En ze hebben ook het conventionele willekeurige-stroommodel vervangen door een "advective fluid" -model dat ervan uitgaat dat het transportproces afhankelijk is van de eigenschappen van de stof die in beweging is.
Een conventioneel random-flowmodel zou aantonen dat de grootste luchthavenknooppunten in termen van verkeersvolume de meest invloedrijke verspreiders van ziekten zouden zijn.
Maar het team, met hun meer realistische model, liet zien dat dit niet het geval is.

Honolulu Airport: minder verkeer maar grote invloed

Een willekeurig diffusiemodel zou kijken naar de luchthaven van Honolulu, die slechts 30% van het luchtverkeer van de Kennedy International Airport in New York heeft, en zou concluderen dat de helft van de reizigers zou doorreizen naar San Francisco en de andere helft naar Anchorage, waarbij de ziekte naar die luchthavens zou worden overgebracht. het op andere reizigers, die het vervolgens weer doorgeven in verdere willekeurige reispatronen.
Maar het nieuwe MIT-model kijkt naar de luchthaven van Honolulu en voorspelt, ondanks dat het 70% minder verkeer heeft, dat het qua verspreiding van ziekten bijna net zo invloedrijk is als Kennedy International Airport in New York.
Dit komt omdat de luchthaven van Honolulu een unieke positie bekleedt in het luchtvervoersnetwerk. Het bevindt zich in de Stille Oceaan en is goed verbonden met verre, grote en goed verbonden hubs. Dus het komt op de derde plaats, voor San Francisco, in de lijst van 40 Amerikaanse luchthavens wat betreft de verspreiding van invloeden.
Van de 40 luchthavens in de VS onderzocht het model de invloed op ziekteverspreiding, waardoor Kennedy Airport op de eerste plaats komt, gevolgd door luchthavens in Los Angeles, Honolulu, San Francisco, Newark, Chicago (O'Hare) en Washington (Dulles).
Het hoogste vliegveld qua aantal vluchten is Atlanta's Hartsfield-Jackson International Airport, maar het model scoort het achtste in contagion invloed. Boston Logan International Airport staat op de 15e plaats.
González is de Gilbert W. Winslow Career Development Assistant Professor of CEE bij MIT. Ze zei dat de methode die ze hebben gebruikt, relatief nieuw is, maar zeer robuust.
"De studie naar de verspreiding van dynamica en menselijke mobiliteit, met behulp van hulpmiddelen van complexe netwerken, kan op veel verschillende studiegebieden worden toegepast om voorspellende modellen te verbeteren", aldus González, wat suggereert dat de "incorporatie van statistische fysische methoden om voorspellende modellen te ontwikkelen waarschijnlijk zal hebben verreikende effecten voor modellering in veel toepassingen ".
Een Vergottis Graduate Fellowship en prijzen van het NEC Corporation Fund, het Solomon Buchsbaum Research Fund en het Amerikaanse ministerie van Energie hielpen de studie financieren.
Geschreven door Catharine Paddock PhD