Halk sağlığı uzmanları için hastalık yayılımını önceden tahmin etmek, etkili müdahale stratejileri geliştirmek açısından kritik öneme sahiptir. Ancak bir salgının gelecekteki durumunu kesin olarak belirlemek oldukça karmaşıktır çünkü hastalık yayılımı doğası gereği rastgele süreçler içerir, toplumsal temas kalıpları heterojendir ve insanların davranışları sürekli değişir.
Bilim insanları bu zorluğun üstesinden gelmek için zamana bağlı olasılık üretici fonksiyonları (PGF) kullanan yeni bir matematiksel çerçeve geliştirdiler. Bu yöntem, bir hastalığın temas ağları üzerinden yayılımını stokastik dallanma süreçleri olarak modelleyerek, zaman içinde uygulanan halk sağlığı müdahalelerinin etkilerini analiz ediyor.
Araştırmacılar, farklı bulaşma oranlarını (maske kullanımı gibi), iyileşme oranlarını (tedavi gibi), temas kalıplarını (sosyal mesafe gibi) ve bağışıklık kazanan nüfus yüzdesini (aşılama gibi) hesaba katan genel bir bulaşabilirlik denklemi tanımladılar. Bu kapsamlı yaklaşım, çeşitli müdahalelerin hem zamana bağlı hem de olasılıksal analizini mümkün kılıyor.
Geliştirilen framework, salgın yönetiminde kullanılan farklı stratejilerin etkinliğini bilimsel olarak karşılaştırma imkanı sunuyor. Bu sayede halk sağlığı yetkilileri, kaynakları daha verimli kullanabilir ve müdahale zamanlamasını optimize edebilir.