Czasem w ożywionej dyskusji rzucamy polubowne: „…ale to tylko moja opinia”. W końcu to „tylko” nasze myśli i słowa, a nie nasze czyny. Te ostatnie są jednak takie lub inne właśnie ze względu na to, jakie mamy na dany temat zdanie.
Może to dotyczyć naszych wyborów (politycznych lub konsumenckich), jednak w sytuacjach kryzysowych, takich jak epidemie, nasze opinie, ich dynamika, mogą mieć bezpośredni wpływ na rozwój zarazy.
Wszyscy pamiętamy, że w początkowej fazie pandemii w Polsce, wraz z wprowadzeniem
lockdownów, większość społeczeństwa podzielała przekonanie o powadze sytuacji i konieczności samoizolacji. Z czasem jednak dyscyplina ta zaczęła słabnąć – niektórzy coraz bardziej opornie stosowali maseczki w sklepach, a nawet kwestionowali zasadność szczepień.
Za tymi zmianami mogą stać różne czynniki, w tym dynamika naszych opinii, kształtowana zarówno przez własne doświadczenia, jak i przez oficjalne komunikaty oraz media. Aby lepiej zrozumieć, jak przekonania społeczne wpływają na rozwój epidemii, badacze z Interdyscyplinarnego Centrum Modelowania Matematycznego i Komputerowego UW opracowali model, który pozwala przyjrzeć się tej zależności w sposób systematyczny i mierzalny.
Policzyć niepoliczalne
Życie społeczne to skomplikowana mozaika. Czasem wystarczy rodzinne spotkanie przy stole, żeby przypomnieć sobie, jak wiele przekonań, często sprzecznych, może mieć nawet niewielka grupa ludzi. Jak można więc zmierzyć wpływ naszych opinii na coś tak konkretnego, jak liczba zakażeń, tempo rozprzestrzeniania się patogenu?
Naukowcy z ICM UW, świadomi złożoności zagadnienia, postanowili opracować możliwie prosty model. Stworzyli symulację, w której zmiana opinii w populacji wpływa bezpośrednio na przebieg epidemii.
W eksperymencie połączono dynamiczny model epidemiologiczny SIS (Susceptible – Infective – Susceptible), w którym osoba chora może ponownie ulec zakażeniu, z modelem zmiany opinii społecznych. W tym drugim wyróżniono dwa typy przekonań: A – opinia zachowawcza, charakteryzująca osoby stosujące ostrożne zachowania, oraz B – opinia sceptyczna, reprezentująca osoby podejmujące większe ryzyko. Sprzężenie tych systemów pozwala zobaczyć, jak przesunięcie przekonań z A na B wpływa na dynamikę epidemii.
Badacze założyli, że opinie mogą zmieniać się pod wpływem kontaktu z innymi ludźmi lub doświadczenia własnej choroby. Dzięki takiej symulacji możliwe jest uzyskanie mierzalnych danych, które w przyszłości mogą pomóc w przewidywaniu przebiegu epidemii i planowaniu odpowiednich działań.
Pierwsze matematyczne modele, powstające już w XVIII wieku, były próbami opisania procesów zachodzących w populacjach za pomocą równań i prostych obliczeń. Początkowo dotyczyły głównie demografii i statystyki, na przykład prognozowania liczby urodzeń i zgonów w danej populacji. Modele te pozwalały upraszczać rzeczywistość, czyli wydobywać złożone zjawiska społeczne i biologiczne w postaci możliwych do analizowania równań i zależności.
Fundamentem współczesnych modeli epidemiologicznych jest zaproponowany w 1927 roku przez Williama O. Kermacka i Andersona G. McKendricka model SIR (Susceptible–Infectious–Recovered). Opisywał on przechodzenie ludzi od podatności na zakażenie, przez fazę choroby, do wyzdrowienia i nabycia odporności. Powstał w odpowiedzi na doświadczenia pandemii grypy hiszpanki z lat 1918–1920.
Jednak dopiero dziś badacze dysponują zarówno ogromną liczbą danych, jak i nowoczesną infrastrukturą informatyczną, co pozwala im tworzyć symulacje wiernie odwzorowujące rzeczywiste zjawiska i możliwe do zastosowania w praktyce, np. przy planowaniu strategii walki z epidemiami.
– Kiedy powstawały pierwsze modele epidemiologiczne, to był po prostu pewnego rodzaju koncept. Jakiś sposób opisywania zjawiska, który jest lepszą lub gorszą aproksymacją. Z czasem, gdy zaczęliśmy agregować więcej danych i rosła wiedza na temat chorób zakaźnych, to byliśmy w stanie coraz lepiej kalibrować te modele. COVID-19 był epidemią, przy której pierwszy raz w historii świata mieliśmy taką gigantyczną ilość danych. A dzięki informatyzacji byliśmy w stanie naprawdę w pełni wykorzystać dotychczasowe narzędzia. Należy pamiętać, że takie wykorzystanie modeli w praktyce jest dosyć świeże, bo ma dopiero nieco ponad 5 lat. Podobnie jest z zagadnieniami opinii. Z pewnością jeszcze dużo przed nami. Obecny model SIR, ten najpopularniejszy, był wymyślony po grypie hiszpance na początku XX wieku. Zobaczymy, co będzie możliwe za 100 lat w kwestii zaimplementowania w praktyce modeli ewolucji opinii – mówi mgr inż. Karol Niedzielewski z ICM UW.
W przeciwieństwie do klasycznego modelu SIR, zakładającego trwałe przejście ozdrowieńców do stanu odporności, badacze z UW wykorzystali model SIS, w którym osoba po przechorowaniu ponownie staje się podatna na zakażenie.
Złoty środek opinii
Zgodnie z przewidywaniami model wykazał, że dynamika rozwoju epidemii i zmiany opinii są bezpośrednio ze sobą powiązane. Gdy pomyślimy o tym w ten sposób, że nasze opinie wpływają na nasze zachowania, to nie ma w tym nic dziwnego. W końcu przekonanie o braku skuteczności wszelkich środków ostrożności, logicznie zwiększy nasze szanse na zachorowanie.
Jednym z kluczowych wniosków badania okazało się, że istotne znaczenie ma równowaga między tempem zmiany opinii a przebiegiem epidemii. W modelu badaczy z UW współczynnik reprodukcji wirusa oznaczono jako R, natomiast czynnik społeczny, mierzący dynamikę opinii, jako p.
Eksperyment pokazał, że dopiero gdy zaistnieje pewne optimum, a więc sytuacja, w której czynniki R i p nie są od siebie zanadto oddalone, wówczas epidemia może być opanowana, a finalnie wygaszona całkowicie.
Gdy czynnik p, czyli dynamika zmiany opinii, jest zbyt wysoki lub zmienia się zbyt szybko – na przykład wskutek paniki czy nadmiaru informacji – efekt jest odwrotny do zamierzonego: epidemia zamiast wygasać, przedłuża się.
To pokazuje, że odpowiedzialne informowanie społeczeństwa i kontrolowanie tempa zmian opinii jest równie istotne dla przebiegu epidemii, jak „twarde” decyzje administracyjne – na przykład wprowadzenie lockdownów, przepisy dotyczące noszenia maseczek czy procedury kwarantanny i samoizolacji.
– To nie było dla nas wcale oczywiste, nie wiedzieliśmy, że uzyskamy takie zjawisko. Okazało się, że trzeba szukać pewnego rodzaju „słodkiego punktu” między rozprzestrzenianiem się informacji, tej opinii, a tym, jak szybko epidemia postępuje. Zaobserwowaliśmy, że jeśli chodzi o prędkość epidemii, czyli ten reproduction number (R) i prędkość zmiany opinii (p), to bardzo istotny jest balans między tymi dwoma. W przypadku patogenu o współczynniku reprodukcji równym 2, zbyt wolne tempo zmiany opinii powoduje, że epidemia rozwija się zbyt szybko i nie jesteśmy w stanie jej skutecznie mitygować. Podobnie, jeśli tempo zmian opinii przekroczy pewien próg, również tracimy efekt hamowania rozprzestrzeniania się choroby. Oznacza to, że istnieje optymalny balans między dynamiką epidemii a tempem zmiany opinii, który pozwala kontrolować przebieg zakażeń. Istnieje więc pewnego rodzaju równowaga, którą należałoby utrzymywać, żeby móc kontrolować efektywnie epidemię i doprowadzić ją do wymarcia – wyjaśnia mgr inż. Niedzielewski.
Czy czeka nas Raport mniejszości?
W filmie „Raport mniejszości” z 2002 roku, opartym na opowiadaniu Philipa K. Dicka, wymiar sprawiedliwości potrafi przewidywać przestępstwa, zanim do nich dojdzie, dzięki połączeniu technologii i elementów metafizycznych. Czy coś podobnego może czekać modelowanie matematyczne?
Stety bądź niestety, hollywoodzka wizja pozostaje w sferze fantazji. Rzeczywistość jest znacznie bardziej złożona, a zachowania społeczne i epidemie tak nieprzewidywalne, że nie da się ich w pełni odtworzyć ani przewidzieć za pomocą samych modeli.
Niemniej już dzisiaj badacze planują kolejne przedsięwzięcia, dzięki którym zyskamy informacje na temat istotnych problemów społecznych, szczególnie w dziedzinie zdrowia. Choroby zakaźne, czekające nas epidemie to jedno, ale drugie to kwestia licznych chorób cywilizacyjnych, które mimo epidemii COVID-19 nadal stanowią główną przyczynę zgonów w naszym społeczeństwie.
– Co byłoby dla nas szczególnie interesujące w zakresie epidemiologii i kształtowania się opinii to choroby cywilizacyjne, które również mają związek z opinią i z zachowaniem, a więc cukrzyca, otyłość, palenie papierosów i tak dalej. One również, choć w dłuższej perspektywie, mają wpływ na nasze zdrowie. Populacyjnie jest to bardzo istotne. I co ciekawe, to że dużo z tych zachowań jest dziedzicznych. Dlatego tutaj jest naprawdę dużo do zrobienia. Gdyby udało się zbadać, jak z pokolenia na pokolenie pewne zachowania są przekazywane, jak można się starać to modelować i zmieniać, trafiać z przekazem do ludzi, żeby jednak zmienili wyuczone nawyki, to może udałoby się sprawić, żeby sytuacja stopniowo się poprawiała na poziomie prewencji chorób cywilizacyjnych. Zobaczymy, może nam się to uda – podsumowuje naukowiec.
W miarę rozwoju technologii i rosnącej liczby danych, modele takie jak ten z UW stają się coraz dokładniejsze i coraz bardziej przydatne w praktyce. Mogą pomagać w przewidywaniu przebiegu epidemii, optymalizacji komunikacji społecznej oraz planowaniu działań prewencyjnych – zarówno przy chorobach zakaźnych, jak i cywilizacyjnych. W ten sposób symulacje stopniowo przestają być tylko abstrakcją i coraz częściej wspierają decyzje w ochronie zdrowia.
