Nieuwe benadering van epidemiemodellen integreert sociaaleconomische factoren voor nauwkeurigere voorspellingen en strategieën

AmsterdamEen recent onderzoek door wetenschappers introduceert een grote verandering in de manier waarop we de verspreiding van ziekten modelleren door sociaaleconomische status (SES) factoren mee te nemen. Voorheen richtten deze modellen zich vooral op hoe mensen van verschillende leeftijden met elkaar in contact komen om de verspreiding van ziekten te voorspellen. Deze aanpak toonde echter zijn tekortkomingen aan, vooral tijdens de COVID-19-pandemie, toen verschillen in welvaart en leefomstandigheden een grote invloed hadden op de verspreiding van de ziekte.

Dr. Nicola Perra en zijn team hebben een nieuw systeem ontwikkeld dat gebruikmaakt van "gegeneraliseerde contact matrices" om socio-economische factoren zoals inkomen, onderwijs en etniciteit mee te nemen. Deze aanpak laat zien hoe ziekten verschillende bevolkingsgroepen anders kunnen beïnvloeden. De studie benadrukt dat het negeren van deze factoren tot grote fouten in cruciale ziektevoorspellingen kan leiden.

Gegevens uit Hongarije tijdens de pandemie tonen aan dat het raamwerk effectief is. Onderzoekers kwamen tot nauwkeurigere schattingen van de impact van de ziekte op mensen wanneer ze rekening hielden met socio-economische status (SES). Ze zagen ook grote verschillen in uitkomsten tussen verschillende sociaal-economische groepen. Zo hadden mensen met lagere inkomens een hoger risico omdat ze minder toegang hadden tot gezondheidszorg en informatie, en minder geneigd waren om niet-medische maatregelen te volgen om de verspreiding van het virus tegen te gaan. Het negeren van deze verschillen in traditionele modellen leidt vaak tot ineffectieve strategieën voor de volksgezondheid.

Lees ook:

Gisteren · 22:47

Grenzeloze vooruitgang: verbeterde microscopiebeelden dankzij innovatief m-rBCR-model door CASUS en Max Delbrück Center

Belangrijke aspecten van deze studie omvatten het gebruik van "algemene contactmatrices" om contactpatronen beïnvloed door sociaaleconomische status (SES) vast te leggen. Ook wordt de invloed van SES op het naleven van niet-farmaceutische maatregelen geëvalueerd. Bovendien maken de onderzoekers gebruik van zowel synthetische als reële data om het model te valideren.

Door het gebruik van deze factoren van socio-economische status (SES) kan men epidemische uitkomsten nauwkeuriger voorspellen. Dit onthult gezondheidsverschillen die in standaardmodellen vaak niet zichtbaar zijn. Publieke gezondheidsstrategieën kunnen worden verbeterd door deze methode te gebruiken om meer gerichte acties te ontwikkelen. Uit onderzoek blijkt dat toekomstige epidemiemodellen SES-factoren moeten omvatten, en niet alleen leeftijd, voor een betere analyse.

De resultaten van het onderzoek zijn niet alleen belangrijk voor COVID-19, maar ook voor toekomstige uitbraken. Het is cruciaal om te begrijpen hoe socio-economische factoren de verspreiding en impact van ziekten beïnvloeden. Door rekening te houden met deze factoren, kunnen we gezondheidsongelijkheden beter begrijpen en aanpakken. Deze benadering helpt niet alleen om de verspreiding van ziekten nauwkeuriger te voorspellen, maar maakt gezondheidsmaatregelen ook effectiever en rechtvaardiger voor iedereen.