Interagerande smittsamma sjukdomar som influensa och lunginflammation följer samma komplexa spridningsmönster som sociala trender. Detta nya fynd, publicerad i Naturfysik , kan leda till bättre spårning och intervention när flera sjukdomar sprids genom en befolkning samtidigt.

"Samspelet mellan sjukdomar är normen snarare än undantaget, "säger Laurent Hébert-Dufresne, en komplexitetsvetare vid University of Vermont som ledde den nya forskningen. "Och ändå när vi modellerar dem, det är nästan alltid en sjukdom isolerat. "

När sjukdomsmodellerare kartlägger en epidemi som coronavirus, Ebola, eller influensa, de behandlar dem traditionellt som isolerade patogener. Under denna så kallade "enkla" dynamik, Det är allmänt accepterat att den prognostiserade storleken på epidemin kommer att stå i proportion till hastigheten för överföring.

Men enligt Hébert-Dufresne, professor i datavetenskap vid University of Vermont, och hans medförfattare, Samuel Scarpino vid Northeastern University, och Jean-Gabriel Young vid University of Michigan, närvaron av ännu en smitta i befolkningen kan dramatiskt flytta dynamiken från enkel till komplex. När detta skifte inträffar, mikroskopiska förändringar i överföringshastigheten utlöser makroskopiska hopp i den förväntade epidemistorleken - ett spridningsmönster som samhällsvetare har observerat vid antagandet av innovativ teknik, slang, och andra smittsamma sociala beteenden.

Star Wars och nysningar

Forskarna började först jämföra biologiska smittor och sociala smittor 2015 vid Santa Fe Institute, ett tvärvetenskapligt forskningscentrum där Hébert-Dufresne modellerade hur sociala trender sprids genom förstärkning. Det klassiska exemplet på social förstärkning, enligt Hébert-Dufresne, är "fenomenet genom vilket tio vänner som säger åt dig att se den nya Star Wars -filmen skiljer sig från en vän som berättar samma sak tio gånger."

Som att flera vänner förstärker ett socialt beteende, förekomsten av flera sjukdomar gör en infektion mer smittsam än den skulle vara på egen hand. Biologiska sjukdomar kan förstärka varandra genom symptom, som i fallet med ett nysande virus som hjälper till att sprida en andra infektion som lunginflammation. Eller, en sjukdom kan försvaga värdens immunsystem, att göra befolkningen mer mottaglig för en sekund, tredje, eller ytterligare smitta.

När sjukdomar förstärker varandra, de accelererar snabbt genom befolkningen, sedan fizzle ut när de tar slut på nya värdar. Enligt forskarnas modell, samma super-exponentiella mönster kännetecknar spridningen av sociala trender, som virala videor, som är allmänt delade och sedan upphör att vara relevanta efter att en kritisk massa människor har tittat på dem.

Dengue och antivaxxers

Ett andra viktigt fynd är att samma komplexa mönster som uppstår för interagerande sjukdomar också uppstår när en biologisk smitta interagerar med en social smitta, som i exemplet med ett virus som sprids i samband med en kampanj mot vaccination. Tidningen beskriver ett Dengue -utbrott 2005 i Puerto Rico, och Hébert-Dufresne citerar ett ytterligare exempel på ett Dengue-utbrott 2017 i Puerto Rico där underlåtenhet att noggrant redogöra för samspelet mellan Dengue-stammar minskade effektiviteten av ett Dengue-vaccin. Detta i sin tur utlöste en anti-vaccinationsrörelse-en social epidemi-som i slutändan ledde till att mässling återuppstod-en andra biologisk epidemi. Det är ett klassiskt exempel på verklig komplexitet, där oavsiktliga konsekvenser kommer från många samverkande fenomen.

Även om det är fascinerande att observera ett universellt spridningsmönster över komplexa sociala och biologiska system, Hébert-Dufresne konstaterar att det också är en unik utmaning. "Tittar på data ensam, vi kunde observera detta komplexa mönster och inte veta om en dödlig epidemi förstärktes av ett virus, eller av ett socialt fenomen, eller någon kombination. "

"Vi hoppas att detta kommer att öppna dörren för fler spännande modeller som fångar dynamiken i flera smittor, "säger han." Vårt arbete visar att det är dags för sjukdomsmodellerande samhälle att gå längre än att titta på smittor individuellt. "

Och den nya studien kan belysa spridningen av coronaviruset. "När du gör förutsägelser, till exempel för det nuvarande coronavirusutbrottet som inträffar under en influensasäsong, blir det viktigt att veta vilka fall som har flera infektioner och vilka patienter som ligger på sjukhuset med influensa - men rädda på grund av coronavirus, "Säger Hébert-Dufresne." Interaktionerna kan vara biologiska eller sociala, men de är alla viktiga. "