Para peneliti telah mengembangkan model komputer yang memprediksi bagaimana virus corona baru menyebar di kota-kota AS.
Model tersebut melihat tiga faktor yang berperan dalam risiko infeksi: ke mana orang pergi pada siang hari, berapa lama mereka tinggal, dan berapa banyak orang lain yang mengunjungi tempat yang sama pada waktu yang sama.
Ditemukan bahwa sebagian besar kasus virus terjadi di situs ‘supersebar’, seperti kedai kopi, restoran layanan lengkap, dan gym, tempat orang-orang berdekatan untuk waktu yang lama.
Namun, membatasi kapasitas di lokasi ini dapat mengurangi jumlah infeksi hingga 75 persen.
Tim dari Stanford University School of Engineering mengatakan modelnya dapat digunakan sebagai alat bagi pejabat untuk menentukan pertukaran antara infeksi baru dan membuka kembali bisnis, bahkan pada kapasitas terbatas.
Sebuah model komputer dari Universitas Stanford menemukan bahwa sebagian besar infeksi COVID-19 terjadi di situs ‘superspreader’, seperti kedai kopi, restoran layanan lengkap, dan pusat kebugaran. Foto: Seorang pekerja medis memakai masker wajah di dalam sebuah restoran pizza di New York City, 9 November
Di New York City, model menemukan bahwa pembukaan kembali penuh akan menyebabkan lebih dari enam juta infeksi tetapi 20% hunian akan mengurangi jumlah infeksi hingga 80% (kiri). Di Chicago, 100% hunian penuh akan menyebabkan hampir 3,5 juta kasus tetapi batas hunian 20% hanya akan menyebabkan sekitar 500.000 infeksi baru (kanan)
Di Los Angeles, kapasitas penuh akan menyebabkan lebih dari tiga juta kasus baru tetapi membatasi hunian mengurangi jumlah infeksi hingga 75% (di atas)
“Kami membuat model komputer untuk menganalisis bagaimana orang dari latar belakang demografis yang berbeda, dan dari lingkungan yang berbeda, mengunjungi berbagai jenis tempat yang lebih atau kurang ramai,” kata Dr Jure Leskovec, seorang profesor ilmu komputer di Universitas Stanford.
“Berdasarkan semua ini, kami dapat memprediksi kemungkinan infeksi baru yang terjadi di tempat atau waktu tertentu.”
Untuk studi yang dipublikasikan di jurnal Nature, tim melacak pergerakan orang di 10 kota terbesar: Atlanta, Chicago, Dallas, Houston, Miami, Los Angeles, New York, Philadelphia, San Francisco dan Washington, DC.
Data ponsel mengikuti 98 juta orang Amerika mengunjungi 553.000 lokasi umum termasuk restoran, gym, dan bangunan keagamaan antara 8 Maret dan 9 Mei.
Ini melihat tempat usaha yang dikunjungi orang setiap hari, berapa lama mereka melakukannya, dan ukuran luas untuk menentukan kepadatan hunian per jam.
Dalam kehidupan nyata, para peneliti tidak dapat memprediksi kapan dan di mana orang yang tertular dapat bersentuhan dengan orang yang rentan dan menyebarkan penyakit tersebut.
Tapi menggunakan model, tim menentukan tingkat penularan virus di setiap kota dengan menghitung kemungkinan kejadian menular di tempat dan waktu yang berbeda.
Untuk memastikan prediksi itu akurat, mereka dicocokkan dengan berapa banyak infeksi COVID-19 yang dilaporkan ke pejabat kesehatan di setiap kota pada setiap hari.
Untuk setiap kota, para peneliti kemudian membuat grafik pertukaran infeksi-versus-aktivitas COVID-19.
Di Chicago, misalnya, membuka kembali sepenuhnya pada 100 persen hunian penuh akan menyebabkan hampir 3,5 juta infeksi selama sebulan.
Namun, a Batas hunian 20 persen hanya akan menyebabkan sekitar 500.000 infeksi baru – berisiko hanya 18 persen dari infeksi yang akan terjadi jika tempat umum dibuka kembali sepenuhnya.
Di New York City, pembukaan kembali secara penuh akan menyebabkan lebih dari enam juta infeksi dalam sebulan setelah pembukaan kembali.
Tetapi hunian 20 persen akan mengurangi jumlah infeksi hingga 80 persen.
Dan, di Los Angeles, lokasi yang dibuka dengan kapasitas penuh akan menyebabkan lebih dari tiga juta infeksi baru di bulan berikutnya, tetapi membatasi kapasitas akan mengurangi jumlah infeksi hingga 75 persen.
Para peneliti mengatakan model tersebut menunjukkan bagaimana membuka kembali bisnis dengan batas hunian lebih rendah dapat paling membantu komunitas minoritas.
“ Karena tempat-tempat yang mempekerjakan minoritas dan orang-orang berpenghasilan rendah seringkali lebih kecil dan lebih ramai, batas hunian pada toko yang dibuka kembali dapat menurunkan risiko yang mereka hadapi, ‘kata rekan penulis Dr David Grusky, seorang profesor sosiologi di Stanford’s School of Humanities and Ilmu Pengetahuan.
‘Kami memiliki tanggung jawab untuk membangun rencana pembukaan kembali yang menghilangkan – atau setidaknya mengurangi – kesenjangan yang diciptakan oleh praktik saat ini.’
Tim tersebut sekarang sedang mengembangkan model tersebut menjadi alat yang mudah digunakan untuk digunakan oleh pembuat kebijakan dan pejabat kesehatan masyarakat.
‘Pada prinsipnya, siapa pun dapat menggunakan model ini untuk memahami konsekuensi dari berbagai keputusan kebijakan tinggal di rumah dan penutupan bisnis,’ kata Leskovec.
