Моделирование поможет смягчить последствия второй волны COVID-19

Математическое моделирование может служить основой для правительственных подходов к контролю распространения COVID-19.

По мере того, как мир переживает первые 100 дней пандемии, число новых ежедневных случаев заболевания в некоторых странах продолжает расти.

К настоящему моменту число подтвержденных случаев заболевания во всем мире

• достигло 9 миллионов,

• из них летально закончились более 469 тысяч случаев,

• ежедневный «прирост» заражений сохраняется на уровне 160 тысяч.

По данным ВОЗ, уровень инфицирования был и остается самым высоким среди афроамериканцев и коренных народов в Соединенных Штатах из-за хронического структурного и экономического неравенства.

Прогноз тревожный

Ожидается, что за первой волной пандемии последует новая, которая может оказаться еще более смертоносной, чем нынешняя.

Сейчас у людей есть время подготовиться к ней, и математическое моделирование может

• быть полезно для прогнозирования эволюции болезни,

• помочь уменьшить распространение инфекции,

• быть применено при выстраивании системы профилактики.

Вторая волна

Популяционный иммунитет, способный остановить новую волну заражений, возникает, когда 60-70% населения переболели вирусной инфекцией и стали из-за этого невосприимчивы к возбудителю. Позволить такому количеству людей в мире заболеть сейчас, одномоментно, значит устроить глобальную катастрофу - миллионы людей умрут, так как медицина не справится с таким вызовом.

Безопасный способ обеспечить популяционный иммунитет может только вакцина и ее введение большей части населения.  До тех пор, пока препарат не будет создан, мы можем бороться с пандемией только через поведение:

• физическое дистанцирование,

• использование масок,

• этикет кашля и чихания,

• интенсивное мытье рук.

Все это мы уже проходили – на карантине и/или в условиях самоизоляции некоторое время жили люди во всех странах.

Но физическое дистанцирование имеет экономические и психические последствия.

Растущее разочарование

Люди устали от ограничений. Плюс обрушившийся на мир экономический кризис.

Результат настораживает:

• В Бразилии толпы людей протестовали против приказов губернаторов штатов оставаться дома. Аналогичные протесты прошли в Испании, Германии и Аргентине.

• В штате Онтарио, едва был ослаблен карантин по случаю празднования Дня матери – резко выросло число случаев заболевания коронавирусной пневмонией.

• В настоящее время массовые протесты против полицейского произвола в адрес чернокожих американцев внимательно изучаются не только силовиками, но и медиками, чтобы понять повлекут ли они за собой всплеск пандемии.

• Недавно мы стали свидетелями новых вспышек заболевания, о которых сообщалось в Южной Корее, Китае, Германии и Сингапуре.

Вторая волна потенциально готова захлестнуть мир - с растущим разочарованием и хромающей экономикой мы рискуем получить мощную вторую волну коронавирусных инфекций уже в ближайшее время.

Пример тому есть в недавней истории:

• Вторая волна гриппа 1918 года, по-видимому, была вызвана путешествующими солдатами, вероятной мутацией вируса и потому, что правительства не желали вводить физические меры дистанцирования во время Первой мировой войны.

• Общественное недовольство было главной причиной протестов Лиги против масок в Сан-Франциско в ответ на раннее и обязательное использование масок в 1918 году. Социальные волнения привели к непоследовательной политике в период с октября 1918 по январь 1919 года, вызвав почти 45 000 случаев гриппа, которые унесли жизни более 3 тысяч человек в Сан-Франциско.

Польза моделирования

Стремясь предотвратить вторую волну пандемии правительственные учреждения разных стран принимают решения, основываясь на результатах передовых моделей и симуляций.

Например, канцлер Германии Ангела Меркель устроила публичные обсуждения, как контролировать вторую волну и политику блокировки в Германии, и представила результаты, основанные на расчете коэффициента воспроизводства (также известного как R).

Но что это такое?

• R представляет, сколько людей в среднем заразит один человек с болезнью.

•  R0 - базовая скорость заражения для COVID-19, была рассчитана как от двух до трех.

• Это означает, что без иммунитета или вмешательства каждый инфицированный человек заразит в среднем двух-трех других. Это привело бы к экспоненциальному росту заболевания.

• R0 — это теоретическое число, которое вычисляется с использованием комбинации ежедневных реальных данных и имитационных моделей, предсказывающих распространение пандемии.

• Рt болезни динамична 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 число случаев растет,

• когда РТ меньше 1, болезнь начинает исчезать,

•  даже небольшое увеличение выше 1 приведет к экспоненциальному увеличению числа случаев.

 Классификация населения

• Восприимчивые люди (S)— это те, кто еще не заразился этой болезнью.

• Те, кто уже заразился (I), могут передать вирус другим восприимчивым людям.

• Те, кто не может продолжать распространять болезнь (R), потому что они выздоровели (или умерли), исключаются из исследования.

 Эти модели S-I-R и их моделирование могут использоваться правительствами для определения того, какие меры вмешательства и политику они должны осуществлять. Моделирование может измерять воздействие вмешательства, сравнивать два вмешательства или то, как сроки их введения влияют на результат.

Важно скрупулезно отслеживать контакты

В дополнение к моделям и моделированию правительства должны делать огромные инвестиции в отслеживание контактов.

Отслеживание контактов может остановить цепочку передачи инфекции, идентифицируя людей, которые нуждаются в самоизоляции, чтобы уменьшить вероятность заражения.

Новая норма

Когда карантин закончится, нам нужно будет вернуться на рабочие места, в школы, к общественной жизни, начать пользоваться общественным транспортом.

К сожалению, большинство инфекций происходит в помещении, и около 40-60 % инфицированных людей не имеют симптомов в течение четырех-пяти дней.

Ученые, занимающиеся математическим моделированием,

• изучают различные методы получения информации о распространении вируса в помещениях: офисных зданиях, школах и центрах ухода за престарелыми.
• строят внутренние модели, используя такие факторы, как разная плотность людей, занятий, пол, возраст, предсимптомная передача и отслеживание контактов.

Эти модели позволяют им изучать различные сценарии, различные уровни заражения и факторы окружающей среды, такие как пешеходный поток, комнатная температура и влажность.

Зная, что большинство инфекций происходит внутри помещений, инструменты математического моделирования могут помочь правительствам, руководителям организаций вновь ввести строгие меры изоляции или экспериментировать с различными вариантами, чтобы снизить вероятность заражения внутри помещений.

До сих пор был заражен небольшой процент населения, и до тех пор, пока вакцина не будет доступна, вторая волна может быть очень опасной.