Pandemiye gerçek zamanlı yanıt modellemesi için ölçeklenebilir bir çözüm olarak hareket odaklı sentetik temas matrisleri

Günlük hareketin pandemi açısından neden önemi var

Yeni bir solunum yolu virüsü yayılmaya başladığında, en büyük bilinmezlerden biri farklı yaşlardaki insanların ne sıklıkla yakın temasa geçtiğidir. Okulda, işte, evde veya otobüste gerçekleşen bu gündelik karşılaşmalar hastalığın bir nüfus içinde ne kadar hızlı ilerleyeceğini belirler. Ancak insanlar kurallar ve korkuya yanıt olarak davranışlarını değiştirdikçe bu desenleri gerçek zamanlı ölçmek son derece zordur. Bu çalışma basit ama hayati bir soruyu gündeme getiriyor: büyük, tekrar eden anketler yerine rutin olarak toplanan hareketlilik ve davranış verilerini kullanarak bu değişen temasları pandemi kararlarını yönlendirecek kadar hızlı izleyebilir miyiz?

Hareket verilerini sosyal karşılaşmalara dönüştürmek

Araştırmacılar COVID-19’un ilk iki yılı boyunca Fransa’ya odaklandı; bu dönem kapanmalar, okul kapatmaları, sokağa çıkma yasakları ve yeni varyantlar ile aşıların gelişiyle karakterize edildi. Merkezi araçları “temas matrisi”—bir yaş grubundaki insanların başka bir yaş grubuyla günlük kaç temas kurduğunu kaydeden bir tablo. Pandemi öncesinde bu tür matrisler gönüllülerin temaslarını listeledikleri ayrıntılı anketlerden oluşturuluyordu. COVID-19 sırasında ekip, bunun yerine haftalık "sentetik" matrisler üretti: pandemi öncesi desenlerden başlayıp işe ilişkin hareketlilik (Google workplace mobility), okul devam-devamsızlık ve tatil takvimleri ile insanların fiziksel temastan ne sıklıkla kaçındıklarına dair anketler gibi gerçek zamanlı göstergelere göre belirli temas türlerini daraltıp genişleterek.

Sentetik temasları gerçek dünya anketleriyle karşılaştırmak

Bu sentetik matrislerin güvenilir olup olmadığını test etmek için yazarlar Fransa’nın SocialCov anketinin yedi dalgasıyla karşılaştırma yaptı; SocialCov farklı pandemi dönemlerinde insanlara doğrudan temaslarını sormuştu. Genel olarak her iki yaklaşım da benzer geniş eğilimleri gösterdi: ilk sokağa çıkma yasağı sırasında temaslar pandemi öncesi seviyelerin yaklaşık dörtte birine düştü ve kısıtlamalar gevşedikçe yavaşça yükseldi, ancak 2022 ortalarına kadar tamamen normale dönmedi. Ancak bazı önemli farklılıklar vardı. Anket tabanlı matrisler, ilk kapanmanın ardından sentetik matrislere göre neredeyse iki kat daha fazla temas bildirdi; bu fark büyük ölçüde çocuklar ve ergenlerden kaynaklanıyordu. Okulların açık olduğu dönemlerde, anketler 19 yaş altının sentetik tahminlerden üç ila dört kat daha fazla teması olduğunu öne sürerken, yetişkinler ve yaşlılar için temas sayıları iki yöntem arasında çok daha yakın çıktı.

Her iki yaklaşımı da hastalık modeline koymak

Gerçek sınama yalnızca temasları saymak değildi; asıl amaç her veri kaynağının salgının gerçek seyrini ne kadar iyi yeniden üretebildiğini görmektı. Ekip, Fransa için aynı COVID-19 bulaş modeli içine üç farklı temas varsayımı yerleştirdi: haftalık sentetik matrisler, seyrek anket tabanlı matrisler (anket dalgaları arasına varsayımlar konarak zaman boyunca gerilmiş) ve tek bir sabit pandemi öncesi matrisi. Ardından maske takma veya mevsimsellik gibi matrislerde doğrudan yer almayan etkileri yakalamak için pandemi dönemleri boyunca ardışık fazlarda tek bir küresel "düzeltme faktörünü" ayarladılar. Üç model de hastane yatışlarının genel eğrisini takip edebildi, ancak sentetik matris modelinin hata oranları en küçüktü ve özellikle kısmi okul kapanmaları veya sokağa çıkma yasaklarının kademeli kaldırılması gibi geçiş dönemlerinde istatistiksel uyum açısından en iyisiydi.

Modeller yaşa özgü riskler hakkında ne gösteriyor

Farklı yaş gruplarına daha yakından bakıldığında, sentetik matrisler ergenler, yetişkinler ve yaşlılar için en gerçekçi tabloyu verdi. Bu girdilerle modelin öngördüğü hastaneye yatışlar ve geçmiş enfeksiyona dair kan testi tahminleri gözlenen verilerle iyi uyuştu. Buna karşılık anket tabanlı matrisler çocuklar ve ergenler arasındaki enfeksiyonları genellikle abartma eğilimindeydi; bunun nedeni, okulda maskeli veya kısa süreli olup bulaş açısından daha az ilgili olan temaları da saymaları olabilir. Sentetik matrisler ise küçük çocuklardaki enfeksiyonları düşük tahmin etti; bu da her iki yöntemin de çocuklar arasındaki en anlamlı temasları yakalamakta hâlâ zorlandığını gösteriyor. Önemli olarak, yazarlar yapısal olarak uyumsuz bir temas düzenini hiçbir küresel yeniden ölçeklemenin düzeltemeyeceğini saptadı: hangi yaşların kimlerle karıştığı, yalnızca toplam temas sayısından daha çok önem taşıyordu.

Gelecek pandemi yanıtı için çıkarımlar

Uzman olmayanlar için ana mesaj şu: büyük, zaman alıcı anketleri sürekli yürütmeden gerçek zamanlı kararlar için yeterince hızlı değişen temas desenlerini izlemek mümkün. Hareketlilik verilerini, basit davranış göstergelerini ve temasların nerede gerçekleştiğine dair (ev, okul, iş, boş zaman) bilgiyi dikkatle birleştirerek halk sağlığı ekipleri haftalık sentetik temas matrisleri oluşturabilir; bunlar esnek, ölçeklenebilir ve ucuzdur. Bu çalışmada bu matrisler hem geleneksel anket matrislerini hem de statik pandemi öncesi desenleri, kimin ne zaman hastaneye yatırıldığını açıklamada geride bıraktı. Yazarlar, yaşa göre ayrıştırılmış rutin hareketlilik ve davranış verilerine ve bu rakamları hızla temas matrislerine dönüştürebilecek sistemlere yatırım yapmanın gelecekteki salgınlara karşı daha çevik ve etkili yanıtlar için güçlü bir unsur olacağını sonucuna vardı.

Atıf: 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

Anahtar kelimeler: pandemi modellemesi, sosyal temaslar, hareketlilik verileri, COVID-19 Fransa, yaşa göre yapılandırılmış bulaş