Математические модели помогут эффективно распространить вакцину от COVID-19

У нас пока нет вакцины, которая могла бы помочь защитить людей от заражения COVID-19. Однако, как только будет доказано, что вакцина безопасна и эффективна, перед правительствами, промышленностью и поставщиками медицинских услуг встанет серьезная задача выяснить, как распределить вакцину справедливо и эффективно.

Джулия Суонн, профессор кафедры промышленной и системной инженерии Фиттса в Университете Северной Каролины, разработала математические модели для системы здравоохранения, которые сделают цепочки поставок более эффективными, действенными и справедливыми.

Сценарий 1. Вакцин достаточно, и надо решить, как эффективно распределить 300 миллионов доз. Задача - ввести их как можно большему числу людей, как можно быстрее.

При таком сценарии главное - сделать вакцину географически доступной. Здесь все просто:

Препарат поступает в крупные логистические центры и распределяется из них «по точкам». Здесь главное – чтобы были готовы множество типов поставщиков медицинских услуг: врачи первичной медико-санитарной помощи, врачи – узкие специалисты, персонал федеральных клиник, больниц, домов престарелых, аптеки, частные клиники, рабочие места, тюрьмы, военные базы, школы – все места, где бывают люди.

Второй момент: вакцина должна быть доступной по цене.

Третий: постоянное информирование людей о том, почему они должны получить вакцину и как они могут это сделать.

Сценарий 2. Сначала вакцины будет недостаточно для всех, то есть ее придется распространять по мере поступления. Как эффективно распределять вакцину? Что входит в решение о том, как мы определяем приоритетность доступа к вакцинам COVID-19?

Решение за группой медицинских экспертов, которая дает научно обоснованные рекомендации: кто в группе риска и почему. Определить целевые группы и распределять препарат пропорционально.

Как помогут математические модели

Мы можем думать о проблемах с точки зрения наших целей, которые в данном случае могут включать

• эффективность (скорость),

• эффективность (предотвращение смертей),

• справедливость по отношению к населению.

В общественном здравоохранении равенство может быть определено различными способами, в том числе географически (городские и сельские районы) или по численности населения (пропорционально).

Компьютерные модели могут многое сделать для обеспечения справедливого распределения вакцин. Одна из действительно важных ролей заключается в том, чтобы спрогнозировать воздействие различных сценариев или стратегий вакцинации:

• если вакцины ограничены, то каково воздействие вакцинации основных работников или тех, кто может взаимодействовать с уязвимой группой (например, работники домов престарелых);

• если существует группа с более низким непосредственным риском (например, дети), которая имеет значительный контакт с людьми из группы риска (родители или бабушки и дедушки), каков будет эффект вакцинации их;

• если вакцина требует двух доз или иммунитет ослабевает через некоторое время, какие стратегии могут предотвратить большинство госпитализаций и смертей?

Это лишь несколько примеров множества различных решений, в которых люди могли бы получить помощь с помощью компьютерных моделей.

Система вакцинации во многом похожа на систему распространения продуктов Coca-Cola. Компания Coca-Cola Company (TCC) не обязательно знает, сколько бутылок находится в конкретном магазине, или когда продукт покупается потребителем, или когда место отсутствует на складе. Если создана информационная система и налажено сотрудничество, то они узнают об этом благодаря обмену данными. Например, Walmart или Publix могут обмениваться информацией с TCC, который затем может использовать эту информацию для принятия решений о производстве, распределении, распределении, рекламных кампаниях и т. д.

Государства должны инвестировать сейчас в информационные системы, которые могут показать, где находится вакцина, кто был вакцинирован и сколько осталось вакцин. Это особенно важно, учитывая тот факт, что это вакцина для нового класса вирусов, и мы хотим тщательно отслеживать безопасность.