用媒体预防传染病?疾病报道可以大幅降低疫情传播
2020-01-23 10:40

用媒体预防传染病?疾病报道可以大幅降低疫情传播

本文来自微信公众号:阿尔法工场(ID:alpworks),作者:孙嘉宝,原标题为《比“封城”管用,媒体报道可以大幅降低疫情传播》


最近大家最关心的除了过年,就是“武汉肺炎”了。


对于此类传染病,华盛顿大学的Louis Kim教授和Shannon M. Fast, Natasha Markuzon几位科学家做过一个有意思的研究,观察媒体报道的数量与疾病传播数量之间的关系。


这其中的原理在于,疾病的传播是在动态的社会活动中发生的,所以个人行动对传播有着重要的影响。媒体报道多了,大家的防范意识增强了,疾病的传播速度就会减缓。


Louis Kim教授等的模型显示,当媒体的报道量增加十倍,此类疾病的感染数减少33.5%。因此,媒体可能是预防疾病传播的一个有效手段。


建立研究模型


Louis Kim教授等建立了一个疾病传播模型,并在该模型中加入了对媒体报道的量化,展现媒体报道数量和传染病例数量之间的关系。


该模型分为两部分,第一部分量化疾病传播概率,第二部分量化媒体的影响力。


(1)量化疾病传播概率


Louis Kim教授等使用了易感-感染-康复(SIR)模型来展现疾病传播的概率。


SIR模型专门模拟个人直接相互感染的情况,而非通过诸如蚊子之类的疾病媒介相互感染的情况。


SIR对三种状态之间的人员流动进行建模:易感(S),感染(I)和康复(R)。这些变量代表每组中的人数。


每个人在时间t的状态都由X表示。在时间t,受感染的个体以概率p(t)感染他身边的易感个体i和j。因此,如果

 ,

则:



 感染后,个体在T(R)时间段后恢复。因此,如果 

 并且 

,则:



如果考虑到疫苗的作用,并在疫苗在注射后要等d时间才生效。设η为疫苗效力。 然后,如果易感人i在时间t接种了疫苗,则: 



(2)量化媒体报道的影响力


这个研究假设媒体对疫情的关注会增加民众的自我保护行为,例如洗手,使用口罩和遵守社交隔离,从而减少疾病传播。


具体来说,将时间t的每次接触传播概率定义为上述提到的疾病传播概率p(0)和媒体函数g的乘积: 



其中Mt是在时间t发布的新闻报道的数量;α是由媒体对传染概率带来的影响;λ指最近媒体宣传信息的权重。


媒体函数g,会随着新闻文章数量的增加而减小,这意味着当最近有许多关于该疾病的文章发表时,疾病的传播速度会减慢。 



这其中的θ为新闻文章数量的指数加权移动平均值,假设发表的文章会继续影响当前行为,但影响程度会随着时间而降低。


令θt为新闻文章数量的指数加权移动平均值,参数λ∈(0,1],代表最近和之前报道数量的权重:



墨西哥城案例和华盛顿特区案例


Louis Kim教授等使用了两个实际案例,并把其中真实的媒体报道数据纳入了的疾病传播的模型。


Louis Kim教授等发现,在疾病传播模型中,加入媒体报道数量的变量后,模型呈现出的结果和现实十分贴近。


这两个案例分别是2009年墨西哥H1N1病毒的爆发,以及2014-2015年华盛顿特区2014-2015年的流感季。


(1)墨西哥城案例


2009年,墨西哥城爆发了两次H1N1流感。


第一次是在4月中旬开始的。爆发规模较小,并通过社交隔离和公共宣传活动,迅速得到了控制。


第二次爆发始于8月,传播范围比第一次爆发更为广泛。


春季疫情的爆发引起了媒体的强烈关注,而秋季疫情的报道则相对较少。


由于在春季和秋季爆发之间,H1N1病毒的感染力以及墨西哥城的社会结构,都不会发生很大的变化,因此需要通过媒体报道的差异来解释传染规模之间的差异。


在该模型中,Louis Kim教授等使用上述提到的模型对春季和秋季疫情的爆发进行了模拟。


H1N1的每周流感病例数的数据由墨西哥社会保障研究所提供。因为H1N1疫苗要到2009年11月下旬才面世,无法对墨西哥的疾病传播产生重大影响,所以在此分析中未考虑疫苗的接种。


互联网生物监视公司HealthMap收集了在线发布的、专门提到了墨西哥城的H1N1流感爆发的文章。


Louis Kim教授等发现在墨西哥城爆发的春季H1N1疫情引起了媒体的强烈兴趣。


在6月1日之前,HealthMap收集了815篇突发新闻文章,从4月22日到6月1日,每天约有20篇文章。


而秋季疫情中的文章数量则少很多。在9月17日至12月6日之间,HealthMap收集了66篇已发表的文章,每天少于1篇文章。


可以看出,春季爆发期间由于媒体的覆盖激增,使得民众采取的保护措施,从而减缓疾病传播的速度。相比之下,秋季疫情几乎没有受到抑制,没有引起媒体的广泛关注。


Louis Kim教授等使用上述加入了媒体报道变量的模型,模拟墨西哥城春季、秋季疫情的发病人数,发现模型对真实情况模拟的非常贴近,加权平均绝对误差为1243例。


下图中红线是模型做出的每周病例数,黑线是真实的病例数。二者有着很好的重叠。 




(2)华盛顿特区案例


华盛顿特区2014-2015年曾爆发严重的流感疫情,美国每10万人中有51.4人因流感住院。


Louis Kim教授等使用了和墨西哥城案例相似的研究方法,2014-2015年流感季节每周新的A型流感住院病例数可以从华盛顿特区卫生部获得。


疫情的媒体覆盖面有限。每周的新闻文章数量在流感季节的高峰期达到顶峰,截至2015年1月1日当周收集了25篇文章。


Louis Kim教授等将模型模拟出的病例数与华盛顿特区2014-2015年流感季的真实病例数进行了对比,发现加权平均绝对误差为2818例。


华盛顿特区的案例表明,由于发表的新闻报道数量很少,因此媒体在2014-2015年华盛顿特区的流感季节对行为的影响有限。


但是如果在模拟中,把每周新闻数量增加十倍时,媒体就会发挥更大的作用,传染病例数会减少33.5%。


左图中红线是模型做出的每周病例数,黑线是真实的病例数。二者的重叠度一般,因为媒体报道的数量比较小。


右图中的红线是实际的媒体报道数量,绿线是无媒体的作用,蓝线是把媒体报道数量增加十倍。右图模型显示,当媒体报道数量增加十倍时,传染病例数会减少33.5%。



Louis Kim教授等的研究表明,一方面,可以使用媒体报道的数量来模拟预测传染病的案例数,模型的准确度会随着媒体报道数量的增加而增加。另一方面,媒体报道对疫情覆盖的增加会减缓疾病的传播。


本文来自微信公众号:阿尔法工场(ID:alpworks),作者:孙嘉宝

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定