Теория игр подчеркивает силу местной отчетности в решениях о вакцинах

Вычислительное моделирование социальных сетей предполагает, что программы вакцинации более успешны в сдерживании заболеваний, когда люди имеют доступ к местной информации о распространенности заболеваний. Анупама Шарма из Института математических наук в Ченнае, Индия, и коллеги представляют эти результаты в вычислительной биологии PLOS.

Успех программ вакцинации может в конечном итоге подорвать их эффективность, если люди решат не делать прививку, потому что они считают, что защищены иммунитетом стада. Во время эпидемии человек, который ранее избегал вакцинации, может ощущать более высокий риск заражения и выбрать прививку. На принятие таких решений влияет доступ человека к информации о распространенности заболеваний на местном или глобальном уровне.

Чтобы выяснить, как информация о распространенности заболеваний влияет на успех программы вакцинации, Шарма и его коллеги применили подход компьютерного моделирования. Используя принципы теории игр, они исследовали относительную важность информации о распространенности заболеваний в местном районе индивидуума и распространенности заболеваний во всей популяции.

Анализ показывает, что, когда люди полагаются на глобальную информацию о распространенности заболеваний, например, полученную из средств массовой информации, вакцинация не может предотвратить заражение значительной части населения. Напротив, когда люди принимают решения о вакцинации, соответствующие их непосредственным обстоятельствам, окончательный размер эпидемической вспышки может быть меньше.

«Хотя программы массовой иммунизации являются важным оплотом против вспышек пандемии, важно обеспечить стратегическое распространение информации о заболеваемости», — говорит Шарма. «Наши результаты настойчиво приводят к прозрачной системе распространения подробных данных о заболеваемости, благодаря которой люди имеют доступ к местной информации в режиме реального времени и полагаются не только на освещение в СМИ».

Будущие исследования могут принять во внимание дальнейшие сложности, такие как динамические социальные сети, которые меняются в ходе эпидемии, или различное восприятие индивидуумом степени тяжести между такими заболеваниями, как Эбола и грипп. Авторы также предполагают, что их вычислительная структура может быть расширена для изучения влияния мнений о вакцинации, распространяемых в социальных сетях онлайн, которые сильно отличаются от сетей, в которых распространяется заболевание.