当政府和机构在面临爆发时部署流行病预测模型时，它们有时无法考虑人类行为并因此过度分配宝贵的资源。感谢得克萨斯A&M大学工程学教授撰写的新研究，可能不再如此。

德克萨斯A&M工业与系统工程系的主要作者兼助理教授Ceyhun Eksin博士及其在加州大学圣巴巴拉分校和佐治亚理工学院的同事在Epidemics期刊上发表了一篇文章，专注于整合行为改变疾病爆发模型的标准。

增加这些标准将使专业人员和社区能够在疫情爆发期间调动充足的资源，并减少因资源分配造成的公众不信任。

“我们的目标是调整这些发现以预测疾病轨迹，即使模型收到的初始信息不准确，”Eksin说。“研究结果表明，将行为方面纳入预测模型是有价值的。”

修改后的SIR模型

用于预测爆发影响的当前模型(称为简单易感染感染恢复(SIR)模型)不会将个体行为的变化考虑在内，并且可以过度预测爆发期间受感染个体的数量。这可能导致资源过度使用。

研究小组假设个体会在爆发期间采取行动，通过避免受感染的个体来减少暴露，从而改变爆发期间感染的个体数量。为了将这个想法付诸实践，研究人员创建了一个改进的SIR模型，其中包括了解个体行为变化的能力。

通过针对简单的SIR模型测试他们的修改模型，Eksin和他的同事们能够证明修改后的模型更准确地预测了爆发数。通过将过去的爆发数据输入到修改后的模型中，他们能够更准确地预测受感染个体的数量。

更好地利用资源

预测在爆发期间将被感染的个体数量对于确定如何使用有限资源是有价值的，跨学科研究可以帮助理解公共卫生响应与行为改变之间的联系。如果一个社区能够更好地规划疫情，没有过度准备，它可以节省资源并减少在未来爆发期间失去公众支持的可能性。