Tutkijat: Digitaalisten tartunnänjäljityssovellusten pitäisi ottaa sosiaaliset verkostot paremmin huomioon

Digitaaliset taudinjäljityssovellukset lanseerattiin pian koronaviruksen laajennuttua globaaliksi pandemiaksi. Tartuntaketjujen jäljittämisen toivottiin nopeuttavan karanteeneja ja vähentävän muita torjuntakeinoja, kuten liikkumis- ja aukiolorajoituksia.

Sovellukset kohtasivat kuitenkin haasteita ihmisten käyttäytymisen tasolla.

”Tieteessä on lukuisia vaikeita ongelmia, mutta sosiaalinen käyttäytyminen on vielä monimutkaisempaa – se on kompleksia”, sanoo Abbas K. Rizi, väitöskirjatutkija Aalto-yliopiston tietotekniikan laitokselta.

Huoli yksityisyydestä johti monissa maissa alhaisiin käyttäjämääriin ja ennakoitua heikompaan vaikuttavuuteen. Julkisuudessa väiteltiin myös, mikä olisi sovellusten riittävä käyttäjämäärä, jolla pandemiaa voisi hallita.

”Nämä luvut perustuvat yleensä mallinnuksiin, jotka eivät ota huomioon sosiaalisen kanssakäynnin solmukohtia tai kerrostumia”, täydentää Rizi. Hän julkaisi hiljattain yhdessä tutkimusryhmänsä kanssa artikkelin, jossa selvitettiin sovelluksen käyttäjien sekä karanteenien epäonnistumisten vaikutusta epidemiakynnykseen, taudin todennäköisyyteen ja arvioituun levinneisyyteen.  

Tutkimuksessa sosiaalista käyttäytymistä mallinnettiin erilaisissa skenaarioissa muun muassa homofilian avulla, joka viittaa ihmisten taipumukseen olla vuorovaikutuksessa samankaltaisten ihmisten kanssa. Samankaltaisuus voi liittyä ikään, ammattiin, tulotasoon tai kansallisuuteen.

”Kun jäljityssovellusten tehoa arvioidaan, käyttäjien määrän ei pitäisi olla ainoa merkitsevä luku, vaan sen lisäksi pitäisi selvittää käyttäjien homofilia-astetta”, Rizi sanoo.

Taudinjäljityssovellusten vaikuttavuus on hyvin erilainen, mikäli käyttäjät ovat sosiaalisesti aktiivisia ihmisiä, verrattuna ihmisiin, joiden sosiaalinen piiri on pienempi.

”Onnistuimme simuloimaan taudin leviämisen ajankohdan ja koon, vaikka vain pieni osuus väestöstä lataisi sovelluksen. Tarkempaa mallinnusta varten meidän tarvitsee tietää sosiaalisten verkostojen rakenne, sovellusten jakauma väestössä sekä taudinjäljityksen toimivuus.”

Perinteiset epidemiologiset mallit ovat rakennettu oletuksille, jotka pitävät ihmisten välisiä kohtaamisia satunnaisina. Verkostotutkijat lisäävät matemaattisiin malleihinsa myös sosiaalisen käyttäytymisen muuttujia, jotka pyrkivät luomaan todenmukaisemman kuvan verkottuneista yhteiskunnista.

”Tutkimustuloksemme viittaavat siihen, että digitaalisella taudinjäljityksellä on mahdollista vaikuttaa taudin leviämiseen nostamalla epidemiakynnystä ja rajoittamalla taudin leviämisen kokoa.”

Tutkimusartikkeli on julkaistu Physical Review E:ssa, jota julkaisee yhdysvaltalainen fysiikan alan järjestö American Physical Society.