Między epidemiologią a socjologią: czynniki społeczne w modelowaniu epidemii SARS-CoV-2

Pandemia Covid-19 uczyniła modele epidemiologiczne jednym z kluczowych narzędzi wspierających zarządzanie kryzysem zdrowotnym, wpływając bezpośrednio na decyzje polityczne i codzienne zachowania milinów osób. Niniejsza praca podejmuje analizę tych modeli z perspektywy socjologicznej, aby odpowiedzieć na pytanie o to, w jaki sposób uwzględniały one społeczne uwarunkowania rozprzestrzeniania się chorób zakaźnych. Zaplecze teoretyczne stanowi przegląd literatury z zakresu socjologii epidemii, który pozwolił zidentyfikować czynniki społeczne mające wpływ na przebieg epidemii: struktura społeczna, wzorce kontaktów, nierówności społeczno-ekonomiczne, zachowania zdrowotne, a także rolę zaufania instytucjonalnego – i na tej podstawie zbudować kryteria porównawcze. W pracy przedstawiono również klasyfikację głównych podejść do modelowania epidemii jako wprowadzenie do analizy czterech wybranych modeli epidemiologicznych wykorzystywanych podczas pandemii Covid-19. Analiza wykazała pewne powtarzające się wzorce oraz charakterystyczne cechy poszczególnych klas modeli. Modele agentowe uwzględniały znacząco więcej cech niż pozostałe, co wynika z ich natury. Jednak mimo względnie szerokiego zakresu uwzględnianych cech demograficznych i społecznych, nawet one nie objęły kwestii nierówności społecznych – choćby w postaci zmiennej odnoszącej się do statusu ekonomicznego. Zaobserwowano również, że żaden z modeli nie uwzględniał dynamiki zachowań jednostek w czasie. Istotnym wnioskiem jest także silny związek pomiędzy kontekstem instytucjonalnym, a sposobem modelowania posłuszeństwa wobec restrykcji. W modelu chińskim, osadzonym w systemie autorytarnym, wysoki poziom podporządkowania się ograniczeniom był wbudowany w same dane empiryczne, podczas gdy w modelach osadzonych w kontekstach demokratycznych był on parametryzowany osobno na znacząco niższym poziomie. Wyniki pracy wskazują, że modelowanie nie jest wyłącznie zadaniem technicznym. Wybór typu modeli oraz dostępność danych w dużej mierze determinują, jaki zakres rzeczywistości społecznej zostaje uchwycony, a jaki pozostaje niewidoczny. Ograniczenia te mają znaczenie nie tylko dla trafności prognoz, lecz również dla sposobu reprezentowania różnych grup społecznych. Pomijanie nierówności społecznych może prowadzić do niedoszacowania ryzyka ponoszonego przez grupy szczególnie wrażliwe.

The Covid-19 pandemic has made epidemic models a key tool in managing the health crisis, directly influencing political decision-making and the everyday behavior of millions of people. This paper analyzes these models from a sociological perspective to examine how they accounted for the social determinants of infectious disease transmission. The theoretical framework is based on a review of the sociology of epidemics literature, which identified key social factors shaping epidemic dynamics, including social structure, contact patterns, socioeconomic inequalities, health behaviors, and institutional trust. These factors served as the basis for developing a set of comparative criteria. The paper also presents a classification of the main approaches to epidemic modelling, which provides the foundation for an analysis of four epidemic models used during the Covid-19 pandemic.

The analysis revealed recurring patterns and characteristic features across different model classes. Agent-based models incorporated a significantly broader range of social characteristics than other approaches. However, despite their relatively detailed representation of demographic and social factors, even these models did not account for social inequalities, for example through variables related to economic status. The analysis also showed that none of the models accounted for changes in individual behavior over time. Another important finding concerns the strong relationship between institutional context and the way compliance with public health restrictions is modelled. In the Chinese model, developed within an authoritarian system, high levels of compliance were embedded in the empirical data, whereas models developed in democratic contexts treated compliance as a separate parameter and generally assumed substantially lower levels of adherence. The findings suggest that epidemic modelling is not merely a technical exercise. The choice of modelling approach and the availability of data largely determine which aspects of social reality are represented and which remain invisible. These limitations affect not only the accuracy of forecasts but also the representation of different social groups. Ignoring social inequalities may lead to an underestimation of the risks faced by particularly vulnerable populations.