Матрицы контактов, основанные на мобильности, как масштабируемое решение для моделирования в реальном времени при вспышках пандемий

Почему повседневные перемещения важны в пандемиях

Когда новый респираторный вирус начинает распространяться, одна из крупнейших неизвестных — как часто люди разных возрастов действительно вступают в тесные контакты. Эти ежедневные встречи в школе, на работе, дома или в автобусе определяют скорость распространения болезни по населению. В то же время измерять эти модели в реальном времени, когда люди меняют поведение из‑за правил и страха, чрезвычайно трудно. В этом исследовании поставлен простой, но ключевой вопрос: можно ли использовать рутинно собираемые данные о мобильности и поведении, вместо крупных повторяющихся опросов, чтобы отслеживать эти меняющиеся контакты достаточно быстро для принятия решений во время пандемии?

Преобразование данных о перемещениях в социальные контакты

Исследователи сосредоточились на Франции в первые два года COVID-19 — период, отмеченный локдаунами, закрытием школ, комендантским часом и появлением новых вариантов и вакцин. Их центральный инструмент — «матрица контактов» — таблица, фиксирующая, сколько ежедневных контактов имеют люди одной возрастной группы с представителями другой. До пандемии такие матрицы строились на основе подробных анкет, где добровольцы перечисляли свои контакты. Во время COVID-19 команда вместо этого генерировала еженедельные «синтетические» матрицы, исходя из допандемических моделей и затем сжимая или расширяя конкретные типы контактов в соответствии с индикаторами в реальном времени: мобильностью Google на рабочих местах, посещаемостью школ и календарями каникул, а также опросами о том, как часто люди утверждали, что избегают физического контакта.

Сравнение синтетических контактов с опросами в реальной жизни

Чтобы проверить надежность этих синтетических матриц, авторы сопоставили их с семью волнами французского опроса SocialCov, который напрямую спрашивал людей об их контактах в разные моменты пандемии. В целом оба подхода показали схожие общие тенденции: во время первого локдауна контакты упали примерно до четверти допандемического уровня, а затем медленно росли по мере снятия ограничений, не вернувшись полностью к норме к середине 2022 года. Но были и ключевые различия. Матрицы, основанные на опросах, фиксировали почти вдвое больше контактов, чем синтетические после первого локдауна — разрыв, главным образом обусловленный детьми и подростками. В периоды открытых школ опросы указывали, что у людей младше 19 лет было в три–четыре раза больше контактов, чем в синтетических оценках, в то время как показатели для взрослых и пожилых людей между двумя методами совпадали гораздо точнее.

Включение обоих подходов в модель распространения болезни

Реальная проверка заключалась не только в подсчёте контактов, но и в том, насколько хорошо каждый источник данных воспроизводит фактическое развитие эпидемии. Команда подставила три разных предположения о контактах в одну и ту же модель передачи COVID-19 для Франции: еженедельные синтетические матрицы, более редкие матрицы на основе опросов (растянутые во времени с допущениями между волнами) и одну фиксированную допандемическую матрицу. Затем они подстраивали один глобальный «корректирующий коэффициент» по очередным фазам пандемии, чтобы учесть влияния, не включённые напрямую в матрицы, такие как ношение масок или сезонность. Все три модели могли повторить общую кривую госпитализаций, но модель на основе синтетической матрицы делала это с наименьшими ошибками и лучшим статистическим соответствием, особенно в переходные периоды, такие как частичное закрытие школ или постепенное снятие комендантских часов.

Что модели показывают о рисках по возрасту

При более детальном рассмотрении по возрастным группам синтетические матрицы давали наиболее реалистичную картину для подростков, взрослых и пожилых. С этими входными данными прогнозируемые моделью госпитализации и оценки прошлой инфекции по серологическим тестам хорошо совпадали с наблюдаемыми данными для этих возрастов. Матрицы на основе опросов, напротив, склонны были переоценивать число инфекций среди детей и подростков, вероятно потому, что они учитывали больше контактов, менее релевантных для передачи — например, контакты в масках или краткие встречи в школе. Синтетические матрицы, в свою очередь, недооценивали инфекции у младших детей, что показывает: оба метода по‑прежнему испытывают трудности с захватом наиболее значимых детских контактов. Важно, что авторы обнаружили: никакое глобальное перерасчитывание не может исправить неправильную структуру контактов — важно, какие возрастные группы взаимодействуют друг с другом, а не только общее число контактов.

Последствия для будущих ответных мер при пандемиях

Для неспециалистов главный вывод таков: можно отслеживать меняющиеся модели контактов достаточно быстро для решений в реальном времени без постоянного проведения крупных, времязатратных опросов. Тщательно сочетая данные о мобильности, простые индикаторы поведения и знание того, где происходят контакты (дом, школа, работа, досуг), команды общественного здравоохранения могут строить еженедельные синтетические матрицы контактов, которые гибки, масштабируемы и недороги. В этом исследовании эти матрицы показали лучшие результаты по сравнению с традиционными матрицами опросов и статическими допандемическими моделями в объяснении, кто и когда попадал в больницы. Авторы заключают, что инвестиции в регулярные данные о мобильности и поведении с разбиением по возрасту — и в системы, которые быстро превращают эти числа в матрицы контактов — станут мощным компонентом для более гибкого и эффективного ответа на будущие эпидемии.

Цитирование: 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

Ключевые слова: моделирование пандемий, социальные контакты, данные о мобильности, COVID-19 во Франции, передача с учётом возраста