COVID-19大流行強調了建模在理解疾病傳播以及為疾病預防和控制提供關鍵見解方面的重要性。一個新的模型利用COVID-19的數據並結合兩種經典的方法來加強對疾病傳播的預測。

一個廣泛使用的建模技術包括將人口分為幾個部分，如易感者（S）、感染者（I）和康復者（R），即所謂的SIR模型。這種方法對描述個體從一個區間到另一個區間的變化率進行建模。

由Paula Moraga領導的KAUST研究人員整合了時間上的SIR分區模型和時空上的點過程模型方法，同時還考慮到了特定年齡的接觸模式。為了做到這一點，他們使用了一個兩步框架，使他們能夠對不同年齡組的感染性地點的數據進行時間建模。

“在進行空間和時間上的短/中距離預測時，該模型比以前的方法給出了更準確的預測，”首席研究員André Amaral說。”它還說明了不同的年齡層，因此我們可以分別對待這些群體，從而更精細地控制傳染病例的數量”。

他們的方法得到了回報。在評估該模型性能的模擬研究中，以及在對哥倫比亞卡利的COVID-19病例的案例研究中，與預測模型中常用的模型相比，該模型在進行預測時表現更好，並為過去的時間點提供類似的結果。

“該模型的特點可以幫助決策者確定高風險地點和脆弱人群，以製定更好的疾病控制策略，”Amaral說。

它還可以用於任何符合區劃模型假設的傳染病，如流感。此外，該模型可以考慮到不同的年齡組及其相關的接觸模式，這意味著它可以得出更詳細的結論，即如果決策者想要控制疾病的傳播，他們應該在哪裡、何時以及向哪個人口組別集中資源。

“在未來的工作中，我們可能會擴展這種方法，使用不同的時間模型來取代SIR模型。這將使我們能夠考慮到不同的流行病動態，並擴大該模型可用於的情景數量，”Amaral說。”最後，為了提高模型的預測能力，我們可能會致力於開發集合方法，將一些不同模型的預測結果結合起來，同時考慮到收集數據的潛在時間延遲。”

莫拉加說，該模型的表現表明了按地點、時間和人口組別劃分的高質量和詳細數據對了解傳染病動態的重要性，同時強調需要加強國家監測系統以改善公共衛生決策。