El modelo computacional de las redes sociales sugiere que los programas de vacunación tienen más éxito para contener la enfermedad cuando las personas tienen acceso a información local sobre la prevalencia de la enfermedad. Anupama Sharma del Instituto de Ciencias Matemáticas en Chennai, India, y sus colegas presentan estos hallazgos en PLOS Biología Computacional .
El éxito de los programas de vacunación puede eventualmente debilitar su efectividad cuando las personas eligen no vacunarse porque creen que están protegidas por la inmunidad colectiva. Durante una epidemia, una persona que previamente evitó la vacunación puede percibir un mayor riesgo de infección y elegir vacunarseDicha toma de decisiones está influenciada por el acceso de la persona a la información sobre la prevalencia de la enfermedad a nivel local o global.
Para explorar cómo la información sobre la prevalencia de la enfermedad influye en el éxito de un programa de vacunación, Sharma y sus colegas emplearon un enfoque de modelado computacional. Utilizando los principios de la teoría de juegos, probaron la importancia relativa de la información sobre la prevalencia de la enfermedad en el vecindario local de un individuo versus la prevalencia de la enfermedad entoda la población.
El análisis muestra que cuando los individuos confían en la información de prevalencia de la enfermedad global, por ejemplo, obtenida de los medios de comunicación, la vacunación no puede evitar que una gran parte de la población se infecte. Por el contrario, cuando los individuos toman decisiones de vacunación que son apropiadas para suEn circunstancias inmediatas, el tamaño final de un brote epidémico puede ser menor.
"Si bien los programas de inmunización masiva son un baluarte crucial contra los brotes de pandemia, es esencial garantizar que la información de incidencia se difunda estratégicamente", dice Sharma. "Nuestros hallazgos abogan firmemente por un sistema transparente de difusión de datos detallados de incidencia, en el que las personas tengan datos realesacceso en tiempo real a la información local y no dependa solo de la cobertura de los medios de comunicación ".
La investigación futura podría tener en cuenta otras complejidades, como las redes sociales dinámicas que cambian en el transcurso de una epidemia o las diferentes percepciones de severidad del individuo entre enfermedades como el Ébola y la influenza. Los autores también sugieren que su marco computacional podría extenderse para explorarLa influencia de las opiniones sobre la vacunación compartidas en las redes sociales en línea que son muy diferentes de las redes en las que se propaga una enfermedad.
Fuente de la historia :
Materiales proporcionados por PLOS . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :