Orgasme yang Segera Terjadi Pada Wanita Berhubungan Dengan Kaki Gelisah - ScienceDaily

Penekanan gelombang COVID-19 mencerminkan aktivitas sosial yang bergantung pada waktu, bukan kekebalan kawanan – ScienceDaily


Para ilmuwan di Laboratorium Nasional Brookhaven National Department of Energy (DOE) dan University of Illinois Urbana-Champaign (UIUC) telah mengembangkan model matematika baru untuk memprediksi bagaimana COVID-19 menyebar. Model ini tidak hanya memperhitungkan berbagai kerentanan biologis individu terhadap infeksi tetapi juga tingkat aktivitas sosial mereka, yang secara alami berubah seiring waktu. Dengan menggunakan model mereka, tim tersebut menunjukkan bahwa keadaan sementara dari kekebalan kolektif – apa yang mereka sebut sebagai “kekebalan kolektif sementara” – muncul selama tahap awal epidemi yang bergerak cepat. Namun, “gelombang” berikutnya, atau lonjakan jumlah kasus, terus muncul karena perubahan perilaku sosial. Hasilnya dipublikasikan di Prosiding National Academy of Sciences.

Epidemi COVID-19 mencapai Amerika Serikat pada awal 2020, dengan cepat menyebar ke beberapa negara bagian pada Maret. Untuk mengurangi penyebaran penyakit, negara bagian mengeluarkan perintah tinggal di rumah, menutup sekolah dan bisnis, dan menerapkan mandat masker. Di kota-kota besar seperti New York City (NYC) dan Chicago, gelombang pertama berakhir pada bulan Juni. Di musim dingin, gelombang kedua pecah di kedua kota tersebut. Memahami mengapa gelombang awal berakhir dan gelombang berikutnya dimulai adalah kunci untuk dapat memprediksi dinamika epidemi di masa depan.

Di sinilah pemodelan dapat membantu. Tetapi model epidemiologi klasik dikembangkan hampir 100 tahun yang lalu. Meskipun model ini kuat secara matematis, mereka tidak menangkap kenyataan dengan sempurna. Salah satu kekurangan mereka adalah tidak memperhitungkan struktur jaringan kontak orang ke orang, yang berfungsi sebagai saluran penyebaran penyakit menular.

“Model epidemiologi klasik cenderung mengabaikan fakta bahwa suatu populasi adalah heterogen, atau berbeda, pada berbagai tingkatan, termasuk secara fisiologis dan sosial,” kata Alexei Tkachenko, fisikawan dalam Kelompok Teori dan Komputasi di Pusat Material Nanomungsional (CFN), Fasilitas Pengguna Kantor Sains DOE di Brookhaven Lab. “Kita tidak semua memiliki kerentanan yang sama terhadap infeksi karena faktor-faktor seperti usia, kondisi kesehatan yang sudah ada sebelumnya, dan genetika. Demikian pula, kita tidak memiliki tingkat aktivitas yang sama dalam kehidupan sosial kita. Kita berbeda dalam jumlah kedekatan. kontak yang kita miliki dan seberapa sering kita berinteraksi dengan mereka sepanjang musim yang berbeda. Heterogenitas populasi – perbedaan individu dalam kerentanan biologis dan sosial – sangat penting karena menurunkan ambang kekebalan kawanan. “

Kekebalan kelompok adalah persentase populasi yang harus mencapai kekebalan agar epidemi berakhir.

“Kekebalan kawanan adalah topik yang kontroversial,” kata Sergei Maslov, seorang pengguna CFN dan profesor dan Sarjana Fakultas Kebahagiaan di UIUC, dengan penunjukan fakultas di Departemen Fisika dan Bioteknologi dan di Institut Carl R. Woese untuk Biologi Genomik. “Sejak awal pandemi COVID-19, ada saran untuk mencapai kekebalan kawanan dengan cepat, sehingga mengakhiri penularan virus secara lokal. Namun, penelitian kami menunjukkan bahwa kekebalan kolektif yang dicapai dengan cara ini tidak akan bertahan lama.”

“Apa yang hilang sebelum pekerjaan ini adalah bahwa aktivitas sosial masyarakat bertambah dan berkurang, terutama karena penguncian atau mitigasi lainnya,” tambah Nigel Goldenfeld, Profesor Fisika Swanlund dan direktur Institut Astrobiologi NASA untuk Biologi Universal di UIUC. “Jadi, gelombang epidemi tampaknya bisa mati karena langkah-langkah mitigasi ketika kelompok sosial yang rentan atau lebih secara kolektif telah terinfeksi – apa yang kita sebut kekebalan kolektif sementara. Tapi setelah tindakan ini dilonggarkan dan jaringan sosial masyarakat diperbarui, gelombang lain dapat dimulai, seperti yang telah kita lihat dengan negara bagian dan negara terbuka terlalu cepat, berpikir bahwa yang terburuk ada di belakang mereka. “

Ahmed Elbanna, Rekan Fakultas Donald Biggar Willett dan profesor teknik sipil dan lingkungan di UIUC, mencatat kekebalan kolektif sementara memiliki implikasi yang mendalam bagi kebijakan publik.

“Langkah-langkah mitigasi, seperti pemakaian masker dan menghindari pertemuan besar, harus terus dilakukan sampai ambang kekebalan kawanan yang sebenarnya dicapai melalui vaksinasi,” kata Elbanna. “Kami tidak dapat mengakali virus ini dengan memaksakan cara kami untuk mengumpulkan kekebalan melalui infeksi yang meluas karena jumlah orang yang terinfeksi dan jumlah yang dirawat di rumah sakit yang mungkin meninggal akan terlalu tinggi.”

Mur dan baut pemodelan prediktif

Selama setahun terakhir, tim Brookhaven-UIUC telah melaksanakan berbagai proyek terkait upaya pemodelan COVID-19 yang lebih luas. Sebelumnya, mereka memodelkan bagaimana epidemi akan menyebar melalui Illinois dan kampus UIUC, dan bagaimana upaya mitigasi akan berdampak pada penyebaran itu. Mei lalu, mereka memulai proyek ini untuk menghitung pengaruh heterogenitas populasi terhadap penyebaran COVID-19.

Beberapa pendekatan sudah ada untuk memodelkan efek heterogenitas pada dinamika epidemi, tetapi mereka biasanya mengasumsikan heterogenitas tetap konstan dari waktu ke waktu. Jadi, misalnya, jika Anda tidak aktif secara sosial hari ini, Anda tidak akan aktif secara sosial besok atau dalam minggu-minggu dan bulan-bulan mendatang.

“Model epidemiologi dasar hanya memiliki satu karakteristik waktu, yang disebut interval generasi atau masa inkubasi,” kata Tkachenko. “Ini mengacu pada waktu ketika Anda dapat menulari orang lain setelah Anda sendiri terinfeksi. Untuk COVID-19, kira-kira lima hari. Tapi itu hanya satu skala waktu. Ada rentang waktu lain di mana orang mengubah perilaku sosial mereka.”

Dalam pekerjaan ini, tim memasukkan variasi waktu dalam aktivitas sosial individu ke dalam model epidemiologi yang ada. Sementara model multidimensi yang rumit diperlukan untuk mendeskripsikan setiap kelompok orang dengan kerentanan yang berbeda terhadap penyakit, mereka memampatkan model ini menjadi hanya tiga persamaan, mengembangkan parameter tunggal untuk menangkap sumber biologis dan sosial dari heterogenitas.

“Kami menyebut parameter ini sebagai faktor kekebalan, yang memberi tahu Anda seberapa banyak jumlah reproduksi turun saat individu yang rentan dikeluarkan dari populasi,” jelas Maslov.

Angka reproduksi menunjukkan seberapa mudah menularnya penyakit menular. Secara khusus, kuantitas mengacu pada berapa banyak orang yang akan menulari satu orang yang terinfeksi. Untuk memperkirakan kontribusi sosial terhadap faktor kekebalan, tim tersebut memanfaatkan studi sebelumnya di mana para ilmuwan secara aktif memantau perilaku sosial masyarakat. Mereka juga melihat dinamika epidemi aktual, menentukan faktor kekebalan yang paling konsisten dengan data rawat inap terkait COVID-19, penerimaan unit perawatan intensif, dan kematian harian di NYC dan Chicago. Misalnya, ketika jumlah yang rentan turun 10 persen selama awal, epidemi cepat di NYC dan Chicago, jumlah reproduksi turun 40 sampai 50 persen – sesuai dengan perkiraan faktor kekebalan empat sampai lima.

“Itu faktor kekebalan yang cukup besar, tetapi tidak mewakili kekebalan kawanan yang bertahan lama,” kata Tkachenko. “Pada skala waktu yang lebih lama, kami memperkirakan faktor kekebalan yang jauh lebih rendah sekitar dua. Fakta bahwa satu gelombang berhenti tidak berarti Anda aman. Itu bisa kembali.”

Keadaan kekebalan sementara ini muncul karena heterogenitas populasi tidak permanen; orang mengubah perilaku sosial mereka dari waktu ke waktu. Misalnya, individu yang mengisolasi diri selama gelombang pertama – tinggal di rumah, tidak menerima pengunjung, memesan bahan makanan secara online – kemudian mulai merilekskan perilaku mereka. Setiap peningkatan aktivitas sosial berarti risiko eksposur tambahan.

“Epidemi telah menyertai kita setahun sekarang,” kata Maslov. “Sangat penting untuk memahami mengapa telah ada di sini untuk waktu yang lama. Perubahan bertahap dalam perilaku sosial di antara individu sebagian menjelaskan mengapa dataran tinggi dan gelombang berikutnya terjadi. Misalnya, kedua kota menghindari gelombang musim panas tetapi mengalami gelombang musim dingin. Kami atribut gelombang musim dingin ke dua faktor: perubahan musim dan memudarnya kekebalan kolektif sementara. “

Dengan vaksinasi yang semakin meluas, tim berharap kami akan terhindar dari gelombang lain. Dalam karya terbaru mereka, mereka mempelajari dinamika epidemi secara lebih rinci. Misalnya, mereka memasukkan statistik dari acara “penyebar luas” – pertemuan di mana satu orang yang terinfeksi menyebabkan wabah besar di antara peserta – ke dalam model. Mereka juga menerapkan model mereka ke berbagai wilayah di seluruh negeri untuk menjelaskan dinamika epidemi secara keseluruhan dari akhir penguncian hingga awal Maret 2021.

Pekerjaan ini didukung oleh DOE Office of Science; Kantor Sistem Universitas Illinois, Kantor Wakil Rektor untuk Riset dan Inovasi, Sekolah Tinggi Teknik Grainer, dan Departemen Fisika di UIUC; Beasiswa Pascasarjana Ilmu Komputasi DOE; dan Program Pengembangan Karir Awal (KARIR) Fakultas National Science Foundation. Penelitian ini dilakukan sebagai bagian dari program pengguna CFN. Departemen Kesehatan Masyarakat Illinois, melalui Perjanjian Penggunaan Data dengan Civis Analytics, memberikan data untuk penghitungan. Perhitungan dilakukan di Illinois Campus Cluster, sumber daya komputasi yang dioperasikan oleh Program Cluster Kampus Illinois dalam hubungannya dengan Pusat Aplikasi Superkomputer Nasional, yang didukung oleh dana dari UIUC.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel