【大紀元2021年09月07日訊】（大紀元記者劉淇晴新西蘭編譯報導）在每日的疫情簡報會上，總幹事等人總會提到一個「R值」，即根據最新的建模結果，R值小於1的概率目前是多少。
自去年Covid-19爆發以來，政府就在利用建模數據預測病毒擴散程度，例如介紹病例曲線是不是被拉平了。但今年的說法已經不一樣了。
據NZ Herald報道，實際上一年半以來，新西蘭科研團隊所用的建模也在不斷更新換代，且在疫情開始的六個月內，奧克蘭大學 Te Pūnaha Matatini 的一個數據科學家團隊，還建成了一個新的「超級模型」——「網絡傳染（network contagion）」模型。
例如，在全國隨便選一個城鎮的一個社區，假設其中出現一個Covid-19病例。
然後從這一點開始，Covid-19隨著該病例的腳步，蔓延到當地的學校、工作場所等地，然後每個地點的Covid-19都隨著新病例繼續蔓延，最終演變成一個密集的感染網絡。
實時對這幅難以置信的複雜畫面進行觀察，並模擬出4級封鎖、病毒檢測、接觸者追蹤的干預條件，觀察畫面變化情況，正是目前科學家通過運行超級計算機，正在做的事情。
但新西蘭最開始的病毒預測模型則與之不同。
最初研究人員所用的傳統模型被稱為「確定性隔間模型」（deterministic compartment models），預測出若不採取任何控制措施，新西蘭可能有數萬人死亡。
這種傳統模型不僅能計算出病毒在人群中傳播的一般情況，還能假設南北島任何地方的兩個陌生人，可能某一天會遇到一起並互相感染。
這種模型就像將牛奶倒入一杯咖啡中攪拌，使其立即混合，但因為過於簡單且與現實情況有差距，後來讓專家用一種更複雜的模型取代，即「隨機分支過程」（stochastic branching process）。
這種模型輕巧，運行速度也快，還包含隨機效應，為病毒的傳播提供出更準確的成像，目前仍在使用。
該模型還能反向推演，例如算出若此次疫情4級封鎖推遲3週才實行，或會導致 200 人死亡，12,000 人感染，同時消除病毒的可能性將會降至 7%。
衛生總幹事說的R值小於1的概率是多少，就是根據這種模型算出來的。
但實際上，還是最開始介紹的「網絡傳染」模型更「聰明」。
該模型的建模團隊負責人Dion O’Neale 博士說，這種模型能模擬出一種感染的交互環境，即模型能把所遇到的兩個人可能在何種場合下感染模擬出來，例如他們在同一工作場所或住所有交集。
這種模型還能加入更多影響計算結果的變量，例如病毒所在地區的家庭有幾代人一起住，年齡、種族、性別等方面有何特點。某一個變量變了，可能建模的結果就會不同。
這種模型能根據該地區人們的工作地、每天走多遠、被追蹤到之前病毒已經傳到哪裡等具體推演結果，指導官員做出更有效的干預措施。
報道指出，至關重要的是，這種傳染模型不會假設新西蘭任何地方的任何人個人資料都一樣，從而可以避免一種「數據陷阱」。
模型中的個人是與新西蘭500萬人口的範圍，以及人口的不同交互模式相匹配，數據主要來自新西蘭統計局的個人級交互網絡數據集，即綜合數據基礎設施（Integrated Data Infrastructure，簡稱IDI），以及一些學校名冊信息、電子支付記錄、通勤數據、手機位置數據等等。
所有信息都為匿名，人們的個人數據不會被訪問。
而呈現的數據意味著，官員們可以在他們控制病毒傳播時，獲取高度詳細的圖片，近乎是實時的變化。
據報道，在此次疫情之前，建模人員就在利用該模型預測知識如何在就業網絡中傳播，並在繼續開發其它方面的應用。
責任編輯：藍克
