Om att förutsäga en pandemi med vänner som verktyg

I den här föreläsningen presenterar professor Lauren Ancel Meyers olika modeller för att förstå och förutsäga pandemier. Antag att du har ett nätverk och vill förutsäga hur en sjukdom rör sig genom det – och du inte har full kännedom om nätverket – det är inte helt kartlagt. Då måste du välja någon delmängd av noderna för att modellera nätverket. Hur väljer du då?

Professor Meyers börjar med att föreslå två olika modeller: en är slumpmässig – ta ett antal noder på chans, och den andra är att ta de noder som verkar har högst centralitet, dvs är kopplade till flesta andra noder. Båda dessa metoder fungerar, men den första ger nästan ingen förutsägelsekapacitet utan låter dig bara spåra epidemin. Den andra är knepig om du inte har insikt i vilka noder som är centrala.

Det visar sig att det då finns en annan metod som är så användbar att den rimligen också har applikationer långt utanför medicinsk epidemologi och den består i följande mycket enkla steg.

  1. Ta ett antal noder i nätverket slumpmässigt och kontakta dem.
  2. Be dem att utse en person i nätverket att spåra
  3. Spåra dessa i stället för att spår de slumpmässigt utvalda första noderna.

Metoden bygger på den enkla insikten att den första person folk kommer på kommer ha högre centralitet än dem själva. Det betyder att man kommer åt centralitet bakvägen. så att säga-

Denna modell gav i den studie professor Meyers nämner två veckors varning för epidemins spridning.

En gissning är att man kan använda detta för att förutsäga även andra saker, och då kanske med ännu längre ledtider. Ta ett slumpmässigt utval av ditt nätverk, be dem välja en person och spåra dennes val i kläder, flygskam, politiska åsikter, diet…kan det fungera? Kanske. Att komma åt centralitet på detta sätt är ganska intressant. Om man arbetar med åsiktsbildning borde man be alla man talar med att ge ett förslag på någon annan man borde tala med — och spåra centralitet på detta sätt. Förmodligen får man mer genomslag om man mejlar de som man samlar ihop på detta sätt i vissa fall (skillnaden mellan den som har tid att träffa dig och den de säger att du kanske borde ha träffat).

Läs mer om modellens möjligheter och begränsningar här.