歌曲與傳染病在傳播上的相似性
主導該研究的Dora Rosati受訪時指出：「疾病侵襲時，通常會急速爆發一波大量病例，數量在它傳入易受感染的人群之後逐漸達到高峰，然後開始下滑。我們在資料中看到，歌曲下載的狀況與之相類：當越來越多人聽到這首歌時，它的下載量會顯著暴增，然後一樣登上巔峰，接著衰落。」
如果把歌曲與傳染病類比，易受感染者就是聽了以後比較想要再聽並下載的人；「受到感染」則意謂此人持續聽歌，並以某種方式推薦給其他人，像是告訴朋友這歌很讚、在車上放給更多人聽、在社群媒體上推播等——當一個受感染者這麼做，便是「把病（歌）傳給別人」。
「聽膩了」=「將病癒者」
一段時間過後，這個染病者兼散布者還是會感到有點厭倦，或把注意力逐漸轉到其它歌曲上，於是不再密集收聽這首歌曲，研究者就視其為「將病癒者」。
根據該研究，傳染病初襲時，會透過社交活動一人傳過一人，病原體數量逐漸達到高峰後，隨著易受感染者越來越少或是染病者陸續痊癒，疫情便會趨緩。熱門歌曲剛發行時的狀況也是如此：先是在人群中快速散布，透過不同的媒介一傳十、十傳百，在失去眾人關注之前，漸漸紅到頂點。
應用疾病傳播模型 可預估歌曲的流行程度
Rosati認為，他們最主要的發現在於，可以把疾病散布的數學模型，應用於研究歌曲的流行，為探討這片領域開了一扇門：「例如我們現在可以用數學模型來推估疫情，像是它會持續多久、多少人可能會感染、同時感染最多人數等；如果把這些類比在歌曲的情境裡，我們也能推測下載某首歌曲的總人次、它能紅多久、又能紅到什麼程度。」
另一方面，研究也揭示了音樂與疾病，是如何仰賴社會關係傳播到人群之中。
使用大數據研究歌曲的流行現象
該研究由數學與統計學系教授David Earn指導，Rosati 主導，與生物數學統計教授Ben Bolker、藝術學院副教授Matthew Woolhouse合作。使用來自33個國家、透過Nokia手機下載歌曲的資料，時長超過7年，資料庫內含高達14億條個別歌曲下載紀錄，類型涵蓋舞曲、金屬、流行、雷鬼、鄉村、西部、電子等。
他們以在英國進行的下載資料為對象，確定數學模型揭示的傳染病散布過程，或也可有效應用到歌曲的流行現象上，意即，音樂與傳染病都要靠社會聯繫來傳播到人群之中。
音樂與疾病同樣仰賴社會關係傳播
Earn指出，疾病的傳染、歌曲的流行，都需要某種社會接觸——就前者而言，通常是實體接觸或者是吸入感染者週圍的空氣；就後者而言，其「接觸」可能包括實體上的接近與透過社群媒體而來的虛擬關聯——兩者的傳遞，都要依靠社會關係網絡。例如數學模型顯示，電子樂的樂迷比其它樂種的愛好者更積極地分享歌曲，那麼電子樂迷之間的社會網絡就可能比其它樂種樂迷之間的要更加緊密，或者他們對自己喜歡的歌曲與樂團更為熱情。
Woolhouse則表示，這是McMaster大學創意與跨學科研究的展現，把大數據、音樂專業知識、數學洞見合為一體。雖與COVID-19疫情無關，但基於近期的集體經驗，「必定會引起人們的想像」。
該研究發表於期刊《Proceedings of the Royal Society A》。