Çok Aşamalı ABC‑GWO algoritmasıyla optimize edilen SEIRQ‑ARIMA hibrit modeli kullanılarak HFMD bulaşının gerçek zamanlı dinamik tahmini

Günlük sağlık için bunun önemi

El, Ayak ve Ağız Hastalığı (HFMD), aileleri, okulları ve hastaneleri sessizce zorlayabilen yaygın bir çocuk hastalığıdır. Yalnızca Çin’in Guangxi bölgesinde 2014–2020 arasında 120.000’den fazla vaka bildirildi; bunların çoğu beş yaşın altındaki çocuklardı. Bu çalışma çok pratik bir soruyu gündeme getiriyor: gerçek zamanlı sensörler, akıllı algoritmalar ve hastalık modellerini birleştirirsek, HFMD salgınlarını daha doğru tahmin edip karantina önlemlerini daha akıllıca kullanarak para tasarrufu sağlayabilir ve gereksiz kesintilerden kaçınabilir miyiz?

Basit eğrilerden akıllı tahmine

Geleneksel salgın modelleri nüfusu “duyarlı”, “enfekte” ve “iyileşmiş” gibi gruplara ayırır ve bir salgının nasıl yükselip düştüğünü sabit parametrelerle izler. Bu modeller genel eğilimleri anlamak için yararlı olsa da dünyanın sabit kaldığını varsayar: insanların yıl boyunca aynı şekilde hareket ettiğini, hava koşullarının değişmediğini ve karantina gibi kontrol önlemlerinin sabit kaldığını. Oysa gerçekte Guangxi’de HFMD bulaşması nemli yaz aylarında artar, daha serin aylarda düşer ve ailelerin Bahar Festivali gibi tatiller için seyahat etmesiyle yükselir. Sabit parametreli modeller bu dalgalanmaları takip etmekte zorlandı; genellikle anaokullarındaki kümelenme patlamalarını yüzde 30’dan fazla kaçırdı.

Sensorlerin görebildikleri

Araştırmacılar, Guangxi genelinde zaten kullanımdaki “Nesnelerin İnterneti” ağını temel aldı. Yüzlerce hastane, anaokulu ve ulaşım merkezi, sıcaklık, nem, kalabalık ve insanların hareketlerini izleyen cihazlarla donatılmış durumda. Diğer sensörler karantina önlemlerinin ne kadar iyi uygulandığını takip ediyor—kaç çocuğun evde kaldığı, karantinadaki bireylerin ne sıklıkla odalarını terk ettiği ve sınıfların ya da bekleme salonlarının ne kadar dolu olduğu gibi. Bu veri akışları dakika içinde geliyor, kağıt kayıtlarla çapraz kontrol ediliyor ve alışılmadık derecede nemli bir yaz sırasında HFMD kuluçka süresinin kısalması gibi etkileri tespit edecek kadar hassas. Kısacası sensörler, bir virüsün daha hızlı veya daha yavaş yayılmasına neden olan değişen koşulları yakalıyor.

Hastalığı takip etmenin yeni yolu

Bu verileri kullanarak ekip klasik modeli SEIRQ çerçevesine yükseltti ve karantinadaki bulaşıcı bireyler için ayrı bir grup ekledi. Kritik olarak, virüsün ne kadar kolay yayıldığı, maruz kalan çocukların ne kadar hızlı hasta olduğu, hastaların ne kadar çabuk iyileştiği ve kaç enfekte çocuğun başarılı şekilde izole edildiği gibi önemli nicelikler artık sabit kabul edilmiyor. Bunun yerine, zaman içinde değişmelerine izin veriliyor ve doğrudan sensör okumaları ile resmi sağlık kayıtları tarafından yönlendiriliyorlar. Bu dinamik modeli ayarlamak için yazarlar iki “doğadan esinlenen” optimizasyon yöntemini birleştirdi: biri arıların besin kaynaklarını keşfetmesini ve bilgi paylaşımını, diğeri ise kurtların av ararken ortaklaşa arayışını taklit ediyor. Aşamalar halinde çalışan arı benzeri algoritma birçok olası parametre kombinasyonunu keşfederken, kurt benzeri algoritma en umut verici olanları rafine ediyor. Bu yaklaşım gürültülü gerçek dünya verilerinde gizlenmiş yanıltıcı yerel kalıplara takılmayı önlemeye yardımcı oluyor.

Fizik ile kalıpların harmanı

İyi ayarlanmış bir hastalık modeli bile veride açıklanamayan kısa vadeli sıçramalar ve düşüşler bırakabilir—okul takvimleri veya ani seyahat yoğunluklarından kaynaklanan ince zamanlı desenler. Bu ince desenleri yakalamak için yazarlar SEIRQ modelini zaman serilerindeki tekrarlayan kalıpları öğrenmede iyi olan ARIMA adlı istatistiksel bir tahmin aracıyla eşleştirdiler. Bir kara kutu sinir ağına olup biteni gizletmesine izin vermek yerine, iki modeli şeffaf şekilde birleştirdiler: nihai tahmin, mekanistik SEIRQ eğrisi ile ARIMA tahmininin ağırlıklı bir karışımıdır. Guangxi HFMD verileri üzerinde 2014–2020 döneminde yapılan testlerde bu hibrit yaklaşım, tahmin hatalarını neredeyse yok etti ve tek başına herhangi bir modeli kullanmaya kıyasla önemli bir hata ölçüsünü yaklaşık yüzde 95 oranında azalttı.

Karantina politikası için anlamı

Model karantinayı açıkça izlediği için “ne kadar sıkı olmalıyız?” sorusunu somut sayılara dönüştürebilir. Analiz, Guangxi’de bulaşıcı çocukların etkili izolasyon oranını yaklaşık yüzde 40’a çıkarmanın bir HFMD dalgasının zirvesini yarıdan fazla azaltabileceğini ve harcama başına yaklaşık dokuz birim kaçınılan kayıp için bir birimlik makul bir maliyet–fayda oranı sunduğunu öne sürüyor. Bu düzeyin çok ötesine geçmek azalan getiriler ve hızla artan maliyetler getirirken, altında kalmak birçok önlenebilir enfeksiyona yol açıyor. Karar vericiler için çıkarım hem basit hem güçlü: sensör verilerini şeffaf, dikkatle kalibre edilmiş bir hibrit modele bağlayarak, karantina önlemlerini zamanlayıp hedefleyerek çocuk hastalığını ve sağlık hizmeti baskısını anlamlı şekilde azaltmak mümkün, tamamen kapatmalara başvurmak zorunda kalmadan.

Atıf: Zeng, Z., Sathasivam, S., Xin, J. et al. Real-time dynamic prediction of HFMD transmission using SEIRQ-ARIMA hybrid model optimized by multi-stage ABC-GWO algorithm. Sci Rep 16, 9043 (2026). https://doi.org/10.1038/s41598-026-35833-7

Anahtar kelimeler: El Ayak Ağız Hastalığı, Nesnelerin İnterneti salgın izleme, SEIR modelleme, zaman serisi tahmini, karantina optimizasyonu