建模传播

模型的好坏取决于提供给它们的数据和它们所基于的假设。当情况向新的方向迅速发展时，这可能成为一项挑战。

随着COVID-19关闭了世界各地的城镇，人们的行为并不像流行病学家习惯的那样，科学家通常用来预测疾病传播的模型需要改进。

加州大学圣巴巴拉分校的疾病生态学家安迪·麦克唐纳说:“COVID-19的一些早期流行病学模型是基于对人类运动和连接性的假设，考虑到美国大部分地区已经被关闭，这是完全不现实的。”

麦克唐纳、UCSB博士后研究员丹·索萨以及他们在哥伦比亚大学和加州大学伯克利分校的同事们刚刚从国家科学基金会获得了20万美元的拨款来解决这个问题。这笔资金来自该基金会的探索性研究早期概念资助(EAGER)，该项目支持高风险、高回报的提案。

麦克唐纳说:“这些想法可能不会成功，但如果成功了，它们就有可能带来变革。”“他们经常汇集来自多个不同领域的专业知识。”

经典的流行病学模型使用通勤和航空旅行等因素来估计不同人口中心之间的联系程度。但是，由于人们大部分时间都呆在原地不动，这些数据源现在根本无法提供多少有用的信息。

该团队计划获取更多合适的数据来输入到模型中，其中大部分使用了遥感技术。例如，他们不再使用通勤旅行等数据来评估连通性，而是着眼于夜晚的灯光、网格化的人口密度和手机密度、位置和移动。麦克唐纳说:“所有这些数据来源将被整合在一起，以创建高分辨率的空间人口网络连接，并估计人们可能会去哪里、互动和旅行。”

更重要的是，许多经典的技术根本没有足够高的分辨率来预测疾病如何在小范围内传播，比如在社区之间，这可能会影响随后的长距离传播的可能性。新的数据来源将在不同的空间尺度上提供信息，为科学家提供更详细的见解。

更高的分辨率还能使他们更好地估计事件展开时的传输动态。麦克唐纳说:“例如，我们预计新病例从热点地区向仍然关闭的地区传播的速度有多快。”

MacDonald, Sousa和他们的同事希望这是一个持续的过程，他们将继续改进他们的技术并与更广泛的研究社区分享他们的结果。他说，这笔资金将支持他们一年的工作，如果项目成功，他们计划申请更长期的资金。