这些“传染”现象之间有关联吗？是否可能对人类社会中的各种“传染”现象的机制进行归纳和概括？
亚当·库哈尔斯基在《传染：为什么疾病、金融危机和社会行为会流行？》一书中，就为回答这些问题做出了一些尝试。从传染病到谣言，从恐慌的情绪到肥胖这种生理特征，通过对各类学科权威研究的梳理，库哈尔斯基发现，许多“跨领域”的“传染”现象具有某些共性。例如，某些社交谜因（meme）在网络上的传播过程和传染病一样，其传播可能在某个阶段因为传染者之间形成的“群体免疫”而受阻。但同时，社会活动中的许多“传染”现象又与传染病的传播十分不同。比如，艾滋病的传播往往通过和一个携带HIV病毒的患者的接触就可以完成，但社交网络上的观点的传播往往需要经过多次的观点接触。
网络写作者越来越偏好用“三段论”来结构文章，因为这恰好迎合了人们在网络中参与信息传播的某种心理；传播力最强的虚假信息的作用，不在于混淆真相，而在于摧毁人们对真相的信念......库哈尔斯基富有想象力的跨学科研究带给我们诸多看待社会现象的新视角，而这种类型的尝试在过去十几年里，正在逐步深化我们对人类社会的理解。然而，试图将不同领域的“传染”现象相联系的尝试也为这本书招致了不少争议。
原作者｜[英]亚当·库哈尔斯基摘编｜刘亚光
《传染：为什么疾病、金融危机和社会行为会流行？》[英]亚当·库哈尔斯基著，谷晓阳/李曈/王兴伟/王雪萍译，新思文化中信出版集团，年11月。1罗斯的灭蚊行动：从描述“传染”现象到探求“传染”机制
年，罗纳德·罗斯（RonaldRoss）带队前往塞拉利昂，实验自己的控蚊措施。他们清理了大量的瓶瓶罐罐，并在蚊子繁殖较多的积水中喷洒灭蚊药。罗斯回忆到，他们将各处的坑都填平了，因此路面上不会有积水。最后的效果非常好：当罗斯一年后再次来到塞拉利昂时，蚊子比之前少多了。第二年，罗斯成功说服苏伊士运河公司（SuezCanalCompany）采纳他的控蚊措施，说服过程也比之前顺利得多。在埃及城市伊斯梅利亚（Ismailia），每年有大约人感染疟疾。在进行了大规模的灭蚊行动后，年感染人数下降到了人以下。在其他地方，灭蚊行动也被证明有效。虽然这些项目都取得了成效，但很多人仍然对灭蚊行动持怀疑态度。因此，罗斯需要一个更有力的理由来说服自己的同行。为了找到这个理由，罗斯最终采用了数学方法。他早年在驻印医务部队服役时就自学过数学，而且学到了很高的水平。
在当时，罗斯面临的一个关键问题是，在不消灭所有蚊子的情况下，有没有可能控制疟疾？为了找到这个问题的答案，罗斯设计了一个简单的疟疾传播概念模型。首先，他计算出在某一特定地理区域内每一个月的疟疾平均感染人数，这意味着将疟疾传播过程分解成不同的基本构成要素。罗斯认为，疟疾要传播，本地区内至少要有一个人已经感染了疟疾。举个例子，如果一个0人的村庄里有1人感染了疟疾，疟疾要从这个人传给另外一个人，必须要有按蚊（Anopheles）叮咬这个病人。罗斯假设，每4只蚊子当中，只有1只能成功叮咬到人。如果这个地区有只蚊子，那么就有1只蚊子能叮咬到人。
由于该地区的0个人中只有1个人感染了疟疾，因此这1只蚊子中有12只叮咬到了这个病人，并成功将疟原虫吸入体内。疟原虫在蚊子体内繁殖需要一定的时间，因此这些感染了疟疾的蚊子得存活足够长的时间才能具备传染能力。罗斯进一步假设，每3只蚊子中只有1只能活那么久，这就意味着在这12只蚊子中，到最后只有4只能获得传染能力。根据开始的假设，这4只蚊子中只会有1只成功吸食人血，这意味着只有1只蚊子能够传染疟疾。罗斯的计算表明，即使该地区有只蚊子，平均也只能导致1个人感染疟疾。
如果该地区有更多蚊子或者更多染上疟疾的病人，按照上述逻辑，每一个月就会有更多的人感染疟疾。然而，还有一个过程会减少疟疾感染人数的增加：罗斯估计，有20%的疟疾病人会在一个月内康复。这意味着疟疾要在该地区持续流行，感染过程和康复过程要达到某种平衡。如果康复的速度超过了感染的速度，那么患病人数最终会下降为零。这便是罗斯理论的核心。要控制疟疾的传播，无需将所有蚊子都消灭。他提出了关键蚊子密度（criticalmosquitodensity）的概念，一旦蚊子数量降到该水平以下，疟疾就会自己慢慢销声匿迹。正如罗斯所说，“只有当社区中有足够多的按蚊存在，导致新感染人数多于康复人数时，疟疾才能在该社区中持续存在。”
罗纳德·罗斯爵士，苏格兰医师，主要研究疟疾的侵入机制与治疗方法，且在西非发现传播疟疾的疟蚊。
罗斯的分析不仅表明疟疾的传播是可以被控制住的，同时还包含了一个更深层次的理念，这个理念会让我们对传染病的看法发生翻天覆地的变化。罗斯认为，对疾病的分析有两种方法，分别是描述法（descriptivemethod）和机制法（mechanisticmethod）。在罗斯那个年代，大部分研究使用的方法是根据描述性的信息来进行推理：从现实数据着手，归纳反推出可预测的模式（predictablepattern）。威廉·法尔（WilliamFarr）对19世纪30年代发生在伦敦的一次天花疫情的分析就采用了这种方法。法尔是一名在政府部门工作的统计员，他发现感染人数在刚开始时增长非常快，但增长速度随后逐渐放缓。感染人数最终达到峰值，接着便开始下降，并且下降的趋势与增长阶段的趋势几乎完全对称。利用病例的相关数据，法尔绘制出了一条描述疫情发展趋势的曲线。他后来发现，年暴发的另一次疫情也基本符合这一趋势。在他的分析中，法尔并没有为疾病的传播规律提供解释，也没有提到传染速度或者康复速度。法尔的方法