מטריצות מגע סינתטיות מונעות-ניידות כפתרון מדרגי למדידת תגובה בזמן אמת למגיפות

מדוע התנועות היומיומיות חשובות במגיפות

כאשר וירוס נשימתי חדש מתחיל להתפשט, אחד הגורמים הבלתי-ודאיים המרכזיים הוא באיזו תדירות אנשים בגילאים שונים באים במגע צמוד זה עם זה. המפגשים היומיומיים האלה בבית, בבית הספר, בעבודה או בתחבורה הציבורית קובעים כמה מהר המחלה עוברת באוכלוסייה. עם זאת, מדידת דפוסים אלו בזמן אמת, כאשר אנשים משנים את התנהגותם בתגובה להגבלות ולחשש, קשה מאוד. המחקר הזה שואל שאלה פשוטה אך קריטית: האם אפשר להשתמש בנתוני ניידות והתנהגות הנאספים שגרה במקום בסקרים גדולים שחוזרים על עצמם, כדי לעקוב אחרי שינויים במגעים במהירות המספיקה להנחות החלטות במגיפה?

הפיכת נתוני תנועה לפגישות חברתיות

החוקרים התרכזו בצרפת במהלך השנים הראשונות של COVID-19, תקופה שסימנה סגרים, סגירות בתי ספר, עוצר לילי והופעת וריאנטים וחיסונים חדשים. הכלי המרכזי שלהם הוא "מטריצת מגע" — טבלה המתעדת כמה מגעים יומיים יש לאנשים בקבוצת גיל אחת עם אנשים בקבוצת גיל אחרת. לפני המגפה בניית מטריצות כאלו התבססה על שאלונים מפורטים שבהם מתנדבים רישמו את המגעים שלהם. במהלך COVID-19 הצוות יצר במקום זאת מטריצות "סינתטיות" שבועיות על בסיס דפוסי קדם-מגפה ואז מצמצם או מרחיב סוגים מסוימים של מגעים בהתאם למדדים בזמן אמת: ניידות בעבודה לפי Google, נוכחות לימודית ולוחות חופשות, וסקרים על תדירות הימנעות ממגע פיזי.

השוואת מגעים סינתטיים לסקרים מהעולם האמיתי

כדי לבדוק האם המטריצות הסינתטיות אמינות, המחברים השוו אותן לשבע גליות של סקר SocialCov בצרפת, שבו נשאלו אנשים ישירות על המגעים שלהם בנקודות שונות של המגפה. באופן כללי, שתי הגישות הראו מגמות רחבות דומות: במהלך הסגר הראשון המגעים ירדו לכמאה עשרים וחמישה אחוזים מרמת קדם-המגפה, ואז עלו בהדרגה עם ההקלות, מבלי לחזור במלואן לנורמליות עד אמצע 2022. אבל היו גם הבדלים מהותיים. מטריצות מבוססות-סקר דיווחו על כמעט פי שניים מגעים לעומת הסינתטיות לאחר הסגר הראשון, פער שנבע בעיקר מילדים ומתבגרים. בתקופות שבהן בתי הספר היו פתוחים, הסקרים הצביעו על כך שמתחת לגיל 19 היו שלוש עד ארבע פעמים יותר מגעים מאשר בהערכות הסינתטיות, בעוד שמספרי המגעים בקרב מבוגרים וקשישים היו קרובים הרבה יותר בין שתי השיטות.

שילוב שתי הגישות במודל מחלה

המבחן האמיתי לא היה רק בספירת מגעים אלא ביכולתה של כל מקור נתונים לשחזר את מהלך המגפה בפועל. הצוות הזין שלוש ההנחות השונות לגבי המגעים לאותו מודל העברה של COVID-19 לצרפת: מטריצות סינתטיות שבועיות, מטריצות מבוססות סקר הדלילות יותר (שמתוחו בזמן עם הנחות בין גליות הסקר), ומטריצה אחת קבועה מתקופת קדם-המגפה. לאחר מכן כיוונו גורם "תיקון" גלובלי בשלבים עוקבים של המגפה כדי ללכוד השפעות שלא נכללו ישירות במטריצות, כמו שימוש במסכות או עונתיות. כל שלושת המודלים יכלו לעקוב אחרי העקומה הכוללת של אשפוזים, אך המודל עם המטריצה הסינתטית עשה זאת עם השגיאות הקטנות ביותר וההתאמה הסטטיסטית הטובה ביותר, במיוחד בתקופות מעבר כמו סגירות חלקיות של בתי ספר או הקלה מדורגת של עוצר לילי.

מה המודלים חושפים לגבי סיכוני גיל מסוימים

בעת בחינה מדוקדקת של קבוצות גיל שונות, המטריצות הסינתטיות נתנו את התמונה הריאליסטית ביותר עבור מתבגרים, מבוגרים וקשישים. עם כניסות אלה, התחזיות לאשפוזים והערכות בדיקות דם לזיהוי הדבקות עברו התאמה קרובה לנתונים הנצפים לאותן קבוצות גיל. לעומת זאת, מטריצות מבוססות-סקר נטו להגזים בזיהומים בקרב ילדים ומתבגרים, ככל הנראה משום שהן ספגו יותר מגעים שהיו פחות רלוונטיים להדבקה — למשל, מפגשים קצרי-משך או עם מסכות בבית הספר. המטריצות הסינתטיות העריכו פחות מהמציאות את ההדבקה בילדים צעירים יותר, מה שמראה ששתי השיטות עדיין מתקשות ללכוד את המגעים הילדיים המשמעותיים ביותר. חשוב: המחברים מצאו שאין כמות של התאמה גלובלית שיכולה לתקן מבנה מגע שאינו תואם — מי בא במגע עם מי היה חשוב יותר מהמניין הכולל של המגעים.

השלכות למענה במגפות עתידיות

ללא מומחיות טכנית עמוקה, המסר המרכזי הוא שאפשר לעקוב אחרי דפוסי מגע משתנים במהירות המספיקה לקבלת החלטות בזמן אמת בלי להפעיל סקרים רחבי-היקף וממושכים כל הזמן. על ידי שילוב זהיר של נתוני ניידות, מדדים פשוטים של התנהגות וידע היכן מתרחשים המגעים (בית, בית ספר, עבודה, פנאי), צוותי בריאות הציבור יכולים לבנות מטריצות מגע סינתטיות שבועיות שהן גמישות, מדרגיות וזולות. במחקר זה המטריצות הללו עלו על המטריצות המסורתיות ועל דפוסי קדם-המגפה הסטטיים בהסבר מי אושפז ומתי. המחברים מסכמים כי השקעה בנתוני ניידות והתנהגות מובחני-גיל שגרתיים — ובמערכות שיכולות במהירות להפוך את המספרים הללו למטריצות מגע — תהיה מרכיב עוצמתי לתגובות זריזות ויעילות יותר למגיפות עתידיות.

ציטוט: Di Domenico, L., Bosetti, P., Sabbatini, C.E. et al. Mobility-driven synthetic contact matrices as a scalable solution for real-time pandemic response modeling. Nat Commun 17, 1845 (2026). https://doi.org/10.1038/s41467-026-68557-3

מילות מפתח: דוגמנות מגיפות, מגעים חברתיים, נתוני ניידות, COVID-19 צרפת, העברה בהתאם לגיל