کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5590716 1570157 2016 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Integrating molecular epidemiology and social network analysis to study infectious diseases: Towards a socio-molecular era for public health
ترجمه فارسی عنوان
ادغام اپیدمیولوژی مولکولی و تجزیه و تحلیل شبکه های اجتماعی برای مطالعه بیماری های عفونی: به سوی یک دوره اجتماعی-مولکولی برای سلامتی عمومی
کلمات کلیدی
ترجمه چکیده
تعداد برنامه های بهداشت عمومی برای اپیدمیولوژی مولکولی و تجزیه و تحلیل شبکه های اجتماعی از زمان بهبود ظرفیت های محاسباتی و توسعه تکنیک های توالی جدید افزایش یافته است. در حال حاضر، روش های اپیدمیولوژی مولکولی در تنظیمات مختلف استفاده می شود: از سیستم های نظارت بر بیماری های عفونی تا توصیف مسیرهای انتقال بیماری. دومی از اهمیت اپیدمیولوژیک بسیار بالایی برخوردار است، زیرا آنها به ما اجازه می دهند که چگونه یک ویروس در یک جامعه گسترش می یابد، پیش بینی هایی را برای پیشرفت های همه گیر اپیدمی و برنامه ریزی مداخلات پیشگیرانه انجام دهد. روش های شبکه های اجتماعی برای درک این موضوع است که چگونه عفونت ها از طریق جوامع گسترش می یابد و چه عوامل خطر برای این، و همچنین در بهبود ردیابی مخاطبین و مداخلات ارسال پیام است. تحقیق در مورد چگونگی ترکیب داده های مولکولی و شبکه های اجتماعی مورد نیاز است زیرا هر دو شامل اطلاعات ضروری، اما نه به طور کامل کافی در مسیر انتقال عفونت است. تفاوت اصلی بین دو منبع داده ها این است که، اولا داده های شبکه اجتماعی شامل افراد غیر عفونی هستند بر خلاف داده های مولکولی که فقط از اعضای شبکه های آلوده گرفته شده اند. بنابراین، داده های شبکه اجتماعی تصویر دقیق تر از یک شبکه را نشان می دهد و می تواند نتیجه گیری های حاصل از داده های مولکولی را بهبود بخشد. ثانیا، داده های شبکه به حالت فعلی و تعاملات در شبکه اجتماعی اشاره دارد، در حالی که داده های مولکولی به زمان های زمانی که انتقال رخ داده است اشاره دارد، که ممکن است سال ها پیش از تاریخ نمونه گیری اتفاق بیفتد. از امروز، تلاش هایی برای ترکیب و مقایسه داده های به دست آمده از دو منبع داده شده است. اگرچه هیچ توافقی در مورد اینکه آیا اطلاعات اجتماعی و ژنتیکی یکدیگر را تکمیل می کنند، وجود ندارد، این تحقیق ممکن است به طور قابل توجهی ما را در درک نحوه گسترش ویروس ها در جوامع بهبود بخشد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
چکیده انگلیسی
The number of public health applications for molecular epidemiology and social network analysis has increased rapidly since the improvement in computational capacities and the development of new sequencing techniques. Currently, molecular epidemiology methods are used in a variety of settings: from infectious disease surveillance systems to the description of disease transmission pathways. The latter are of great epidemiological importance as they let us describe how a virus spreads in a community, make predictions for the further epidemic developments, and plan preventive interventions. Social network methods are used to understand how infections spread through communities and what the risk factors for this are, as well as in improved contact tracing and message-dissemination interventions. Research is needed on how to combine molecular and social network data as both include essential, but not fully sufficient information on infection transmission pathways. The main differences between the two data sources are that, firstly, social network data include uninfected individuals unlike the molecular data sampled only from infected network members. Thus, social network data include more detailed picture of a network and can improve inferences made from molecular data. Secondly, network data refer to the current state and interactions within the social network, while molecular data refer to the time points when transmissions happened, which might have happened years before the sampling date. As of today, there have been attempts to combine and compare the data obtained from the two sources. Even though there is no consensus on whether and how social and genetic data complement each other, this research might significantly improve our understanding of how viruses spread through communities.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Infection, Genetics and Evolution - Volume 46, December 2016, Pages 248-255
نویسندگان
, , , ,