Gli scienziati del Rochester Institute of Technology hanno sviluppato un metodo che ritengono aiuterà gli epidemiologi a prevedere in modo più efficiente la diffusione della pandemia di COVID-19. Il loro nuovo studio, pubblicato in Physica D:fenomeni non lineari , delinea una soluzione al modello epidemico SIR, che è comunemente usato per prevedere quante persone sono suscettibili a, infettato da, e guarito da epidemie virali.

Il metodo è stato creato da Nathaniel Barlow, professore associato presso la Scuola di Scienze Matematiche del RIT, e Steven Weinstein, capo del Dipartimento di Ingegneria Chimica del RIT. Dicono che usando questa soluzione al modello, Gli epidemiologi possono prevedere rapidamente molti scenari diversi di come il COVID-19 potrebbe diffondersi in base a una varietà di variabili. Le proiezioni prodotte da modelli matematici aiutano i funzionari pubblici a prendere decisioni politiche su quando imporre e revocare le restrizioni volte ad appiattire la curva dei tassi di infezione.

I matematici applicati che hanno sviluppato il metodo si sono detti entusiasti di trovare un modo per applicare le loro abilità per aiutare a combattere la pandemia.

"Ero a casa pensando che mi sarebbe piaciuto aiutare in qualche modo con tutto quello che stava succedendo, " ha detto Barlow. "Abbiamo visto un articolo popolare sul modello SIR, visto che il nostro metodo poteva accelerare il processo e abbiamo scritto rapidamente il documento. Il nostro obiettivo era fornire strumenti migliori agli esperti che stanno combattendo questa malattia".

Il metodo si basava su soluzioni precedentemente sviluppate a problemi molto diversi di termodinamica, meccanica dei fluidi e predire le traiettorie della luce attorno ai buchi neri. Hanno lavorato a lungo con studenti universitari su questi problemi negli ultimi sei anni e hanno scoperto che la soluzione al modello epidemico SIR aveva una struttura matematica molto simile. Sebbene gli autori non abbiano lavorato in precedenza nel campo dell'epidemiologia, il loro lavoro precedente si è tradotto perfettamente in questo nuovo campo.

"Molte volte, questo è ciò che facciamo come matematici applicati:lavoriamo ai confini di campi in cui le persone di solito non parlano, " ha detto Weinstein. "Svolgiamo un'importante funzione per fornire algoritmi per supportare l'indagine scientifica e la previsione. La tecnica che abbiamo sviluppato qui è generale per molti campi diversi".

Gli autori stanno ora lavorando per mostrare come il loro metodo può essere applicato a modelli più complessi come il modello epidemico SEIR, che è simile al modello SIR ma prevede anche la popolazione esposta a un'epidemia.