Опубликовано : Июн 23, 2020

Моделирование помогает уменьшить эффекты второй волны COVID-19

Моделирование помогает уменьшить эффекты второй волны COVID-19
Математическое моделирование может информировать правительственные подходы к контролю распространения COVID-19 на этапе 2. Кредит: Shutterstock

По мере того как мир проходит первые 100 дней пандемии, число новых ежедневных случаев в некоторых странах продолжает расти. К 22 июня число подтвержденных случаев в мире достигло девяти миллионов, при этом более 469 000 случаев смерти и около 160 000 новых случаев в день.

Уровень заражения был выше среди афроамериканцев и коренного населения в Соединенных Штатах (и в других местах) из-за хронического структурного и экономического неравенства.

Ожидается, что будет вторая волна COVID-19 — и, возможно, больше — которая может быть даже более смертоносной, чем текущая. Мы должны быть лучше подготовлены, а моделирование и симуляция могут быть полезны для прогнозирования развития заболевания, снижения распространения инфекции и информирования государственной и частной политики в отношении профилактики. У нас еще есть время.

Вторые волны

Стадный иммунитет возникает, когда от 60 до 70 процентов населения заражены вирусом и становятся иммунными к нему. Если эта доля мирового населения заболеет этой болезнью, последствия будут катастрофическими, и миллионы людей погибнут.

Стадный иммунитет может возникнуть безопасным и этичным образом только в том случае, если будет обнаружена вакцина и привит большой процент населения. Если вакцина не обнаружена, мы можем справиться с пандемией только через поведение: физическое дистанцирование, использование масок, этикет от кашля и чихания и интенсивное мытье рук.

Мы видели физические (социальные) правила дистанции, которые переходят от простых рекомендаций к строгим карантинам. Но физическое дистанцирование имело последствия для экономики и психического здоровья.

Растущее разочарование

История показала нам, что вторая волна пандемии может быть более смертельной. В условиях растущего разочарования и ослабления экономики мы можем ожидать сильного всплеска коронавирусных инфекций.

Вторая волна гриппа 1918 года, похоже, была усилена путешествующими солдатами, вероятной мутацией в вирусе и тем, что правительства не желали применять меры физического дистанцирования во время Первой мировой войны.

Общественное недовольство стало основной причиной протестов Лиги против масок в Сан-Франциско в ответ на раннее и обязательное использование масок в 1918 году. Социальные беспорядки привели к противоречивой политике в период с октября 1918 года по январь 1919 года, что привело к почти 45 000 случаев. гриппа, который убил более 3000 человек в Сан-Франциско.

С COVID-19 мы видим разочарование во всем мире. В Бразилии сотни опротестованных распоряжений о том, чтобы остаться дома, были изданы губернаторами штатов. Подобные протесты были замечены в Испании, Германии и Аргентине, где протесты могут привести к тому, что число случаев отскочит.

Увеличение числа случаев заболевания в Онтарио, по-видимому, связано с тем, что семьи прекратили физическое дистанцирование на День матери.

В настоящее время массовые протесты Black Lives Matter в Соединенных Штатах изучаются, чтобы увидеть, будет ли соответствующее увеличение случаев. Это произошло в Филадельфии в 1918 году, после массового парада, посвященного окончанию войны, который привел к массовой вспышке.

Недавно мы наблюдали новые вспышки в Южной Корее, Китае, Германии и Сингапуре. Вторая волна может потенциально сокрушить медицинские учреждения.

Частицы дыхания распространяются в исследовательской лаборатории. Предоставлено: Университет Карлтон.

Полезные симуляции

Государственные органы основывают свои решения на результатах передовых моделей и симуляций.

Канцлер Германии Ангела Меркель публично обсудила, как контролировать вторую волну и политику блокировки в Германии, и представила результаты, основанные на расчете коэффициента воспроизводства (также известного как R). Но что это?

R показывает, сколько людей в среднем заразит один человек с заболеванием. R0, основная частота заражения для COVID-19, была рассчитана между двумя и тремя. Это означает, что без иммунитета или вмешательства каждый зараженный человек заразит в среднем от двух до трех человек. Это привело бы к экспоненциальному росту заболевания.

R0 — теоретическое число, которое рассчитывается с использованием комбинации ежедневных реальных данных и имитационных моделей, которые предсказывают распространение пандемии. Rt заболевания является динамичным и зависит от внешних факторов, таких как вакцинация, изоляция или погода.

Отслеживание Rt важно, когда мы хотим ослабить ограничения, так как Rt больше единицы означает, что количество дел растет. Когда Rt меньше 1, заболевание начинает исчезать, но даже небольшое увеличение выше единицы приведет к экспоненциальному увеличению числа случаев.

Классификация населения

Чувствительными являются те, кто еще не заразился этой болезнью. Те, кто заразился им — называются заразными — могут передать его другим восприимчивым людям. Те, кто не может продолжать распространение болезни, потому что они выздоровели (или умерли), исключаются из исследования. Эти модели S-I-R и их моделирование могут использоваться правительствами для определения того, какие вмешательства и политику они должны осуществлять. Моделирование может измерить влияние вмешательства, сравнить два вмешательства или то, как время их введения влияет на результат.

В дополнение к моделям и симуляциям, правительства должны делать крупные инвестиции в отслеживание контактов. Отслеживание контактов пытается остановить цепочки передачи путем выявления лиц, которым необходимо самоизолироваться, чтобы уменьшить вероятность заражения.

Новый нормальный

Когда карантин закончится, нам нужно будет возвращаться на рабочие места, в школы, на общественные мероприятия и пользоваться общественным транспортом. К сожалению, большинство инфекций происходит в закрытых помещениях, и около 40-60 процентов заразных людей не имеют симптомов в течение четырех-пяти дней.

Без надлежащего отслеживания контактов или точных моделей вирус мог бы оказать более сильное влияние на вторую волну. Наша исследовательская группа изучает различные методы изучения распространения вируса в помещениях, например в офисных зданиях, школах и центрах ухода за больными.

Мы строим модели для помещений с использованием таких факторов, как различная плотность занятий, пол, возраст, предсимптомная передача и отслеживание контактов. Эти модели позволяют нам изучать различные сценарии, различные уровни заражения и факторы окружающей среды, такие как поток пешеходов, комнатная температура и влажность.

Зная, что большинство инфекций происходит в закрытых помещениях, инструменты моделирования и симуляции могут помочь правительствам, компаниям, школьным советам и университетам повторно ввести строгие меры по блокировке или поэкспериментировать с различными вариантами, чтобы уменьшить вероятность заражения в помещении. До сих пор небольшой процент населения был инфицирован, и пока вакцина не будет доступна, вторая волна может быть очень опасной.

Сочетая результаты моделирования с современными инструментами визуализации и отслеживанием контактов, мы можем помочь лицам, принимающим решения, выбрать оптимальный вариант действий. Нам понадобятся правильные инструменты, чтобы доминировать над второй волной путем принятия обоснованных и комплексных политических решений.

Spread the love

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *