Сингуан Чен¹'² и Бин Ю¹

Сведения об авторах

1. Кафедра эпидемиологии, Университет Флориды, 2004 г., Моури-роуд, Гейнсвилл, Флорида, США.

2. Институт глобального здравоохранения, Университет Ухань, Ухань, провинция Хубэй, Китай.

Аннотация

История вопроса: Успешный контроль над новой коронавирусной инфекцией 2019 года, так же как и над вспышками многих других инфекционных заболеваний, требуетсвоевременного и точного мониторинга эпидемии, особенно на ранних этапах, когда данных ещё недостаточно, а потребность в информации непрерывно возрастает.

Методы: В исследовании использована модель второй производной чтобы охарактеризовать эпидемию коронавируса в Китае на основе накопленных данных обо всех случаях, диагностированных в течение 2 первых месяцев эпидемии. Анализ далее был дополнен экспоненциальной моделью с включением предполагаемогонаселения закрытой популяции. Эта модель была построена на основе имеющихся данных и использована для оценки скорости выявления случаев в период исследования с учётом различий между случаями истинной инфекции, потенциально определяемыми и выявленными случаями.

Результаты: Результаты моделирования второй производной позволили предположить, что эпидемия коронавируса имеет нелинейный и хаотичный характер. Хотя эпидемия развивалась постепенно, она дала значимый ответ на масштабные меры, начатые 21.01.2020, что подтверждено результатами анализа второй производной и экспоненциальной модели. Эпидемия начала замедляться сразу после начала введения этих мер. Результаты нашего анализа указали на спад эпидемии за 14 дней до того дня, когда он в действительности произошел (04.02.2020). Результаты исследования также указывали на ускорение спада эпидемии, начавшееся через 14 дней, 18.02.2020.

Выводы: Эпидемия коронавируса носила нелинейный и хаотичный характер и реагировала на эффективные противоэпидемические меры. Методы, использованные в этом исследовании, могут быть применены для мониторинга с целью информирования и поддержки общественности, специалистов общественного здравоохранения, клиницистов и лиц, принимающих решения, что позволит координировать совместные усилия по контролю эпидемии. 

Ключевые слова: COVID-19, 2019-nCoV, вспышка, вторая производная, эпидемия инфекционного заболевания, динамическое моделирование.

Введение

Эпидемия COVID-19 вызвана новым вирусом, впервые обнаруженном в Ухане (Китай). Вирус сначала был назван 2019-nCoV. Это положительный оболочечный одноцепочечный РНК-вирус. Он имеет общие признаки с двумя другими коронавирусами, MERSCoV (вирус, вызывающий средне-восточный респираторный синдром) и SARSCoV (вирус, вызывающий тяжелый острый респираторный синдром). Вспышка COVID-19 началась с сообщения о первом подозрительном случае 08.12.2019 в Ухане. Первые два месяца эпидемии охватили три значимых праздника, включая Новый год, Китайский новый год с выходными днями с 24.01.2010 по 02.02.2020, а также Праздник фонарей 08.02.2020. В этот периодисследование, проведенное Китайским центром профилактики и контроля заболеваний (CDC) и CDC провинции Хубэй, совместно с информацией, собранной Уханьским CDC, каждый день документировали детали развития эпидемии с 08.12.2019 до 21.01.2020 [1]. Данные этого исследования показали, что число выявленных и подтвержденных случаев инфекции, вызванной COVID-19, снижалось с пикового (44 случая 08.01.2020) до минимального (2 случая 19.01.2020), значения, что позволяло предполагать, что эпидемия находится под контролем.

Китай официально объявил эпидемию вспышкой заболевания 20.01.2020, когда были подтверждены случаи передачи вируса от человека человеку с помощью зондов и праймеров, распространенных в тот день местным агентствам. Сразу же после этого заявления (на следующий день) были приняты масштабные меры по обузданию эпидемии в Ухане. Вскоре эти меры были распространены на всю страну, начиная от центрального правительства до местных органов власти, включая все секторы - от бизнеса до фабрик и школ. 23.02.2020 город Ухань и соседние города, а также основные транспортные магистрали вокруг Уханя были заблокированы. Активные усилия были направлены на то, чтобы: 1) выявить инфицированных и доставить их в инфекционные больницы, 2) выявить и подвергнуть карантину всех контактных, 3) уничтожать патогены в окружающей среде, 4) убеждать людей использовать маски, 5) ежедневно информировать население о количестве зараженных, людей с подозрением на заболевание, пациентов, находящихся на лечении, и умерших. 

24.01.2020, в канун Нового года и 25.01.2010, в день Китайского нового года, Председатель Китайской Народной Республики Си Цзиньпин провел специальное совещание Центрального народного правительства Китая и постановил предпринять масштабные национальные усилия по борьбе с эпидемией. Была создана группа “Анти-COVID-19” во главе с премьер-министром Ли Кэцяномдля руководства масштабными национальными инициативами. Вице-премьер Сунь Чуньлань была отправлена в Хубэй и Ухань для непосредственного руководства на месте. Огромное количество наборов для тестирования на вирус было направлено на места для проверки всех пациентов с подозрением на COVID-19 и определения окончательного диагноза. Люди из других городов и провинций, которые въезжали/выезжали из Уханя, были подвергнуты карантину, все пациенты с подозрением на заражение были протестированы и отправлены на лечение.

Внезапное усиление контроля и увеличение числа инфицированных и количества смертельных исходов, тем не менее, вызвали сильную эмоциональную реакцию, страх и панику среди жителей Уханя. Негативные эмоциональные отклики вскоре распространились из Уханя в другие части Китая и далее по всему миру, были задействованы практически все каналы связи, особенно социальные сети. Эмоциональная реакция общественности была вызвана: (1) внезапным увеличением числа новых выявленных случаев после масштабных мер по выявлению инфицированных; (2) растущим спросом на маски; (3) большим числом пациентов с подозрением на заражение, ожидающих подтверждения диагноза; (4) большим числом пациентов с COVID-19, требующих лечения; (5) растущим числом смертельных исходов, несмотря на национальные усилия по улучшению терапии, включая решение о строительстве двух больших госпиталей в течение нескольких дней. Эмоциональные реакции людей, в основном связанные с ежедневным обновлением данных, стали большим затруднением для эффективного контроля над эпидемией, как это обычно бывает во время других эпидемий аналогичного характера [2, 3].

Парадокс состоит в том, что на ранних этапах эпидемии обычно слишком мало информации о новом инфекционном агенте, тогда как потребность в такой информации очень высока. Это случилось и с эпидемией, вызванной COVID-19. Возникновение такой эпидемии может привести к нелинейному, хаотичному и катастрофическому процессу, схожему с эпидемией атипичной пневмонии в Гонконге в 2003 г. [2], эпидемией лихорадки Эбола в Западной Африке в 2013–16 гг. [4, 5], пандемией гриппа H1N1 в 2009 г. [6–8] и недавней вспышкой кори в Соединенных Штатах Америки (США) [9]. Подобно извержению вулкана или землетрясению, независимо от того, насколько тщательно они мониторируются, сколько исследований было проведено, как много мы знаем о них, никто точно не знает, приобретёт ли вирусная инфекция характер вспышки, и когда именно это произойдет. Таким образом, сегодня нет рациональных ответов, нет стандартной операционной процедуры (SOP), которой нужно следовать, не известны меры, которые следовало бы предпринять, чтобы избежать негативных последствий [2]. 

Определение эпидемии COVID-19 как нелинейной и хаотичной не означает, однако, что мы должны лишь наблюдать за ней и не можем ничего предпринять после того, как узнали, что это вспышка. Напротив, выявление её нелинейного и хаотичного характера даёт нам информацию, чтобы принимать правильные решения и предпринимать необходимые действия. (1) На ранней стадии эпидемического процесса, когда мы не можем сказать, перерастёт ли он во вспышку, мы должны внимательно следить за ним, используя ограниченные данные, чтобы выявить ранние признаки изменения и предсказать, станет ли процесс вспышкой, и если да, то когда это случится. (2) После того, как эпидемический процесс объявлен вспышкой, необходимо действовать максимально быстро, поскольку инфекционные заболевания можно контролировать даже без знаний биологии возбудителя [10], и оценить эффективность этого контроля. 

Конечная цель этого исследования состоит в том, чтобы предложить некоторые решения данного парадокса, предоставить первую информацию о мерах контроля, сохранить оптимизм и не паниковать, задавать правильные вопросы и предпринимать адекватные действия.

Методы исследования

Ежедневно выявленные и подтвержденные случаи

Данными для этого исследования служили случаи инфекции, вызванной COVID-19, которые собирали ежедневнов течение первых двух месяцев (63 дня) эпидемии с 08.12.2019 по 08.02.2020. Эти данные были получены из двух источников. 

  1. Данные за первые 44 дня, с 08.12.2019 по 20.01.2020 получены из опубликованных исследований и определены с научной точки зрения [1]. Поскольку в этот период не было предпринято значительных мер контроля, эти данные использовали как основу для прогнозирования основной эпидемии, учитывая общую эпидемиологию. Наиболее подходящая модель была использована для прогнозирования определяемых случаев, а также для оценки уровня выявления новых случаев в разные периоды для различных целей.
  2.  Данные за оставшиеся 19 дней, с 21.01.2020 по 08.02.2020, получены из ежедневных официальных сообщений Национальной комиссии по здравоохранению Китайской Народной Республики (http://www.nhc.gov.cn/xcs/yqfkdt/ gzbd_index.shtml). Эти данные вместе с данными из первого источника были использованыдля ежедневного мониторинга динамики COVID-19 чтобы: 1) оценить, была ли эпидемия COVID-19 нелинейной и хаотичной; 2) узнать, как меняется эпидемический процесс в результате массивных мер, предпринятых против неё; 3) сообщить дальнейшие тренды развития эпидемии. 

Ежедневный анализ выявленных случаев 

Теоретически, истинное количество людей, инфицированных COVID-19, не может быть установлено независимо от метода детекции. На практике среди всех пациентов, зараженных в один день, какая-то часть будет иметь латентный период, в течение которого концентрация вируса достигнет уровня, достаточного для его обнаружения. У таких пациентов вирус может быть выявлен, если: a) им доступны услуги по выявлению вируса; b) все потенциально инфицированные пациенты доступны для диагностической службы и проходят тестирование; c) метод тестирования чувствительный, работающий и надежный. При ежедневном анализе нужно понимать, что число обнаруженных и диагностированных случаев в любой день может превосходить, быть равным или быть ниже числа обследуемых. Например, тестирование человека с подозрением на заболевание, выявленного в первый день, может быть отложено на следующий день, когда будут доступны услуги тестирования. Это приведет к снижению уровня обнаружения вируса <100% за день до дня тестирования и его повышению >100% в день тестирования. 

Моделирование суточных изменений во время эпидемии 

Мы начали наш модельный анализ с данных о совокупном количестве диагностированных случаев инфицирования COVID-19 в день. Пусть xi = количество новых диагностированныхслучаев в день i, i = (1, 2,… t), тогда совокупное число диагностированных новых случаев F(x) математически можно описать следующим образом:

Результаты F(x) дают информацию, наиболее полезную для распределения ресурсов для поддержки профилактики и лечения; однако показатель F(x) очень нечувствителен к изменениям в эпидемии. Для лучшего мониторинга эпидемии можно использовать первую производную F'(x):

Информация, предоставленная первой производной F'(x), будет более чувствительной, чем F(x), поэтому её можно использовать для оценки эпидемии. Практически F′(x) эквивалентна ежедневным вновь диагностированным случаям. Дальнейший анализ показывает, что F′(x) хотя и измеряет скорость распространения эпидемии, она не предоставляет никакой информации об изменении скорости (ускорении) эпидемии, которое будет более чувствительно, чем F′(x). Таким образом, мы использовали вторую производную F''(x):

Математически F′′(x) измеряет ускорение эпидемии или изменение числа вновь инфицированных каждый день. Следовательно, F′′(x)F′′(x)>0 будет ранним признаком ускорения эпидемии, тогда как F′′(x)<0 укажет на её замедление.

Моделирование естественного течения эпидемии

 В случае, если популяция закрытая и распространение вируса продолжается, число обнаруженных случаев можно описать с помощью экспоненциальной модели [10]. Таким образом мы оценивали ежедневно потенциально обнаруживаемые новые случаи в изучаемом периоде, подбирая наблюдаемое ежедневное совокупное число случаев к экспоненциальной кривой:

где α = количество ожидаемых случаев на исходном уровне и β = уровень роста в день. 

Оценка суточной частоты выявления инфицированных

Чтобы оценить полноту суточного выявления новых случаев, было использовано уравнение (4), позволяющее получить временную последовательность F(x̄), чтобы представить оценки совокупного числа потенциально обнаруживаемых случаев; затем мы использовали первую производнуюF′(x̄), чтобы получить другую временную последовательность ежедневно наблюдаемых новых случаев; наконец, с учетом наблюдаемого F′(xi) и предсказанной моделиF′(x̄), мы получили частоту суточного выявления Pi для дня i как:

В этом исследовании указанные оценки Pi были использованы несколькими способами.

  1.  До 20.01.2020, когда ещё не были предприняты масштабные меры, предполагаемую частоту Pi>1 использовали как индикатор обнаружения большего числа случаев по сравнению с ожидаемым, а предполагаемую частоту Pi<1 – как индикатор обнаружения меньшего числа случаев по сравнению с ожидаемым. 
  2. На раннем этапе масштабного вмешательства тенденцию увеличения Pi во времени использовали как доказательство, подтверждающее эффективность мероприятий в выявлении и наложении карантина на большее число инфицированных. 
  3. В течение 14 дней (латентный период) после начала мероприятий Pi<1 использовали скорее как подтверждение снижения числа новых случаев, а не как признак недостаточной диагностики; таким образом, её расценивали как признак раннего угасания эпидемии. 

Анализ моделирования был выполнен с помощью электронной таблицы. В качестве ориентира для оценки тяжести эпидемии COVID-19 были использованы показатели естественный смертности населения Уханя, полученные из Статистического отчета о национальной экономике и социальном развития Уханя за 2018 г. 

Результаты

Совокупное число выявленных и диагностированных случаев 

Эпидемия COVID-19 началась в Ухане, столице провинции провинции Хубэй, с общей численностью населения 14,2 млн человек, в том числе 5,1 млн человек мобильного населения. Смертность составила 5,5 на 1000 жителей Уханя согласно данным 2018 г. Если предположить, что все диагностированные в Китае случаи были инфицированы в Ухане (сознательное преувеличение для наглядности), то заболеваемость COVID-19 за 2 мес составила 2,6 на 1000 жителей Уханя. Основываясь на зарегистрированной смертности 2,3%, смертность от COVID-19 составила 0,6 на 1000 жителей или 1/9 от общего уровня смертности населения Уханя. 

На рисунке 1 представлены совокупные диагностированные случаи F(x) и основные события во время проведения исследования с 08.12.2019 по 08.02.2020. Всего за этот период было диагностировано и зарегистрировано 37 198 случаев. Ежедневное количество случаев варьировало от 0 до 3886 с медианной 199 (08.01.2020) и межквартальным диапазоном (IQR) 24 (23.12.2019) и 830 (23.01.2020). 

Динамика эпидемии и ответ на масштабные меры 

Динамические изменения, основанные на выявленных случаях F(x) на Рис. 1, были представлены на Рис. 2 с использованием первой производной F′(x) (верхняя часть рисунка) и второй производной F′′(x) (нижняя часть рисунка) соответственно. До объявления вспышки информация, представленная двумя динамическими измерениями, была схожей: не было выявлено большой вариабельности по сравнению с изменениями после вспышки. Эти данные свидетельствовали о нелинейном и хаотичном характере вспышки COVID-19.

После объявления 20 января вспышки заболевания информация, полученная с помощью F’′(x), стала значительно отличаться от таковой по F′(x). На основании информации по F′(x), вновь диагностированные случаи в F′(x) прогрессивно нарастали с некоторыми колебаниями, затем достигали пика 04.02.2020, после чего последовал спад. Увеличение числа диагностированных случаев могло быть связано как с естественным ростом эпидемии, так и увеличением усилий по выявлению инфицированных, а также с обоими этими факторами. Кроме того, F′(x) не давала признаков снижения эпидемии до 04.02.2020. Другими словами, необходимо ждать как минимум 14 дней после начала масштабных противоэпидемических мероприятий, если не использовать информацию, полученную из F′′(x).

рис. 1

рис. 2

F′′(x), значительно отличающаяся от F′(x), не принимает во внимание временную динамику F′(x) и показывает ускорение/замедление выявления случаев COVID-19. Следовательно, F′′(x) намного чувствительнее F′(x) для измерения внутренней динамики эпидемии в ответ на масштабные меры, предпринятые против COVID-19. После введения этих мер 21.01.2020 F′(x) внезапно становится очень активной, на что указывают чередующиеся ускорения и замедления. F′′(x) достигла пика 27.01.2020 после поступления 26.01.2020 большого количества наборов для тестирования (в результате выполнения решений Центрального народного правительства, принятых на встрече, проведенной председателем КНР Си Цзиньпином 24–25 января в канун Китайского нового года и в день Нового года).

Кроме того, расчётная F′′(x) зафиксировала три значительных замедления – 28.01.2020, 5–6 февраля (два дня подряд), а также 08.02.2020, что соответствовало активным массовым действиям по выявлению и лечению инфицированных, блокированию мест собраний людей, а также использованию масок и массовой дезинфекции патогенов во внешней среде. В дополнение к информации о том, реагировала ли эпидемия на принятые масштабные меры, F′′(x) сигнализировала об общем спаде эпидемии с момента начала 21.01.2020 массивных действий против COVID-19. Это отчетливо видно по области, выделенной двумя пунктирными линиями на рисунке 2: несмотря на зигзаги, постепенное сужение и нисходящий характер этой области указывают на общую тенденцию к понижению в F′′(x). Эта тенденция убедительно свидетельствует о том, что эпидемия может быть в скором времени взята под контроль благодаря предпринятым мерам. 

Экспоненциальный рост и скорость выявления новых случаев инфекции

Наблюдаемая F(x) соответствуют экспоненциальной модели уравнения (4) с  R2=0,9778. Расчётный показатель α=1,1070 характеризует первого инфицированного человека, с которого началась эпидемия. Расчетный показатель β=0,1716 характеризует темп роста эпидемии. Если использовать этот показатель роста, то для удвоения числа диагностированных случаев необходимо всего 4 дня.

На графике ниже представлены ежедневные показатели выявления новых случаев, оценённые с использованием подходящей экспоненциальной модели с первого дня эпидемии до последнего дня исследования. Основываясь на выводах из этого рисунка и данных рисунков 1 и 2, мы разделили первые 2 мес эпидемии COVID-19 на пять этапов.

рис. 3

Этап 1, 8–25 декабря 2019 г. В течение этого периода ежедневная частота выявления новых случаев Pi в целом была высокой, с колебаниями около и выше 100%. Это соответствовало раннему периоду после выявления и диагностики первого подозрительного случая. 

Этап 2, с 26.12.2019 по 08.01.2020, включал день Нового года. Показатель Pi колебался около 50% с минимумом 17% 31.12.2019 и максимумом 108% 08.01.2020. 

Этап 3, 8–20 января 2020 г., характеризовался прогрессирующим снижением оценочной частоты Pi со 105% 08.01.2020 до 1% 20.01.2020. Этот период постепенного снижения выявления новых случаев был для китайцев временем подготовки к традиционному Китайскому новому году, который отмечают наиболее широко и длительно. К сожалению, в этот период заболеваемость COVID-19 незаметно перерастала во вспышку.

Этап 4, 20–27 января 2020 г., когда оценочная частота Pi увеличилось с 1% 20.01.2010 до 100% и достигло пика в 170% 27.01.2020. Этот период соответствовал начальному и прогрессивному усилению масштабных мероприятий против эпидемии, организованных и координируемых Центральным народным правительством Китая.

Этап 5, с 27.01.2020 до конца исследования, что соответствовало периоду устойчивых масштабных национальных усилий в сочетании с акцентом на определенные моменты. В отличие от предыдущих четырёх этапов, снижение частоты выявления новых случаев Pi на этом этапе было не признаком недостаточной диагностики, а показателем снижения эпидемии, отражённым в выявленных и подтверждённых случаях COVID-19. Это связано с тем, что модель прогнозирования Pi не рассматривала никакие вмешательства, а только естественный рост эпидемии.

Рисунки 2 и 3 (фазы 4 и 5) позволяют сделать 3 вывода: 

  1. эпидемия была очень чувствительна к внешним воздействиям, что подтверждает её нелинейный и хаотичный характер, выявленный благодаря длинному латентному периоду в первые три фазы;
  2.  массивные национальные усилия были высоко эффективными в выявлении обнаруживаемого COVID-19; 
  3. сигнал о снижении эпидемии COVID-19 в Китае появился 21.01.2020, за 14 дней до начала окончательного снижения эпидемии 04.02.2020, что показано производными F′′(x) и F′(x) на Рис. 2 и показателем Pi на Рис. 3. 

Обсуждение

В этом исследовании мы использовали новый подход к выбору информации из совокупного числа диагностированных случаев инфекции, вызванной COVID-19. Среди различных типов данных по наблюдению, эта информация часто сообщается самой первой, поступает на постоянной основе, бывает наиболее полной и широко доступной. Кроме того, пациенты с диагностированной инфекцией – это пациенты, которые с высокой вероятностью передадут вирус другим людям. Результаты этого исследования позволили получить полезную информацию в режиме реального времени для мониторинга, оценки и прогнозирования эпидемии COVID-19 в Китае. Методы, использованные в данном исследовании, пусть и в определённой степени математические, однако им легко следовать, так как информация, полученная из обычно используемых данных с помощью этих методов, очень полезна и более чувствительна, чем ежедневные показатели новых и совокупных случаев. 

Нелинейный и хаотичный характер вспышки COVID-19

Для того, чтобы на основе анализа показать нелинейный, хаотичный и катастрофически характер вспышки COVID-19 необходимо больше времени до окончания эпидемии, однако данные за первые 2 мес позволяют предположить, что вспышка COVID-19 в Китае нелинейна и хаотична. Эпидемия возникла внезапно после длительного латентного периода без существенных изменений, как было показано на основе анализа совокупных случаев и их первой и второй производных. Высокая чувствительность эпидемии к противоэпидемическим мерам также подтверждает её хаотичный и катастрофический характер и демонстрирует, как выбрать оптимальное время для начала вмешательства. Многие из этих признаков похожи на те, что наблюдали при эпидемии, вызванной SARS в 2003 г. в Гонконге [2], распространении вируса Эболы в 2013–16 гг. в Западной Африке [4, 5], пандемии H1N1 2009 г. в США [6–8], а также недавней вспышки кори более чем в 80 городах США [9]. Доказано, что даже сезонный грипп имеет нелинейный компонент [11, 12]. 

Значение нелинейного и хаотичного характера COVID-19 в том, что нет доступных методов, позволяющих точно предсказать, в какой момент времени эпидемический процесс примет характер вспышки, также, как невозможно предсказать извержения вулканов и землетрясения. Поэтому практически не существует так называемого лучшего момента, или упущенного лучшего момента, чтобы начать действовать. Также не существует так называемого рационального анализа и рациональных ответов. Нет никакой “серебряной пули”, нет стандартной операционной процедуры, которой нужно следовать, и нет никаких мер без негативных последствий для контроля над эпидемией [2]. Например, США и ВОЗ потратили более 6 мес, чтобы определить пандемию H1N1 2009 года как взрывную [13, 14]. Следовательно, знание нелинейного и хаотичного характера эпидемической вспышки, подобной COVID-19, будет иметь важное значение для всех заинтересованных сторон, чтобы мобилизовать ресурсы, организовать совместную работу, принять все возможные меры для контроля над эпидемией и минимизации её негативных последствий.

Говоря конкретнее, чтобы справиться с такой вспышкой, как COVID-19, необходимы следующие меры:

  1. сбор информации настолько рано, насколько это возможно; 
  2. мониторинг эпидемии настолько близко к ней, насколько это возможно, так же, как это делают при подготовке к землетрясению и урагану;
  3. поддержание связи с обществом и использование подтверждённых данных, обработанных надлежащим образом, не вызывающих и не усугубляющих страх и панику среди населения, стресс и дистресс среди медицинских работников и работников сферы здравоохранения, управленцев, что позволит принимать правильные решения и выбирать верную стратегию в правильное время в правильном месте для правильных людей.

Знание нелинейного и хаотичного характера распространения вируса также необходимо для принятия мер по контролю над эпидемической вспышкой, подобной COVID-19. Как только вспышка подтверждена, следует незамедлительно принять следующие меры:

  1.  внимательно и аккуратно следить за эпидемией; 
  2. предпринимать основанные на доказательствах действия для контроля эпидемии;
  3.  активно оценивать реакцию эпидемии на вмешательства; 
  4. позволять делать ошибки в принимаемых мерах, особенно в ранний период эпидемии; 
  5. всегда быть готовыми к альтернативным действиям. 

Еще одна проблема возникает в начале эпидемии, когда все спрашивают, что это? Как это случилось? Что я должен сделать, чтобы избежать инфекции? Существует ли эффективное лечение? Ответы на эти вопросы требуют времени, однако не нужно ждать решения всех этих вопросов, чтобы начать действовать. Мы можем действовать для предотвращения COVID-19 немедленно, и в это время ожидать ответы на вопросы. Для этого у нас есть основанная на доказательствах стратегия контроля и профилактики любого инфекционного заболевания, которая применима даже без полного понимания этой инфекции. Это так называемая трёхкомпонентная стратегия: обнаружение и контроль источников инфекций, выявление и блокирование путей передачи и защита тех, кто наиболее восприимчив к инфекции [10]. 

Как раз всё это уже сделал Китай, делает сейчас и продолжит делать далее. Типичные примеры мер по контролю и профилактике включают в себя блокирование городов, поселений и деревень с потенциально высоким уровнем передачи инфекции, массивную дезинфекцию окружающей среды, стимулирование к использованию масок, усилия по обнаружению, изоляции и лечению инфицированных. Очень важно, чтобы большая часть этих действий была инициирована, мобилизована, скоординирована и поддержана правительством, от центрального до местного, и усилена волонтерами и международной поддержкой.

Высокая эффективность национальных усилий

Другой важной находкой стало то, что было установлено влияние национальных усилий, предпринятых Китаем с самого начала и до конца этого исследования. Например, из второй производной мы наблюдали увеличение числа инфицированных во время акции 22.01.2020, на следующий день после начала масштабных мероприятий 21.01.2020. Этот результат также был получен при экспоненциальном моделировании. С первого дня, 21.01.2020, когда были начаты массовые противоэпидимические мероприятия, и до 04.02.2020, мы налюдали латентный период эпидемии COVID-19. Вторая производная точно зафиксировала изменение в диагностировании новых случаев в ответ на масштабные меры, что нашло своё отражение в быстром увеличении частоты выявления новых случаев и соответствовало результатам, полученным при анализе экспоненциального моделирования.

Выявленная реакция эпидемии на принятые меры обеспечила данные для прогнозирования начала спада эпидемии 04.02.2020 при условии продолжения выполнения тех же мер; именно это было установлено из второй производной. На основании полученных результатов можно сказать, что эпидемия COVID-19 в Китае может скоро закончиться. Несмотря на задержку в 43 дня от первых подтвержденных случаев заболевания 08.12.2019 до 20.01.2020, эпидемия COVID-19 была очень чувствительна к масштабным вмешательствам, что подтверждено эффективностью данных вмешательств. Мы предполагаем, что эпидемия COVID-19 будет поставлена под контроль к концу февраля 2020 г., учитывая известные всем эффективные меры борьбы, повышение уровня иммунитета в общей популяции за счёт стёртых форм инфекции и широкое распространение знаний и навыков по контролю и профилактике инфекционных заболеваний среди 1,4 миллиарда человек в Китае.

Эффективные методы наблюдения

Существует несколько преимуществ у методов, которые мы разработали и использовали в данном исследовании. Во-первых, объединяя диагностированные случаи в совокупность, первая и вторая производные создают систему для измерения эпидемии, причем совокупные случаи показывают общий уровень эпидемии, первая производная отражает изменения эпидемии, а вторая производная позволяет контролировать скорость изменения эпидемического процесса. При включении показателя смертности в качестве ориентира, результаты нашего подхода будут (1) всеобъемлющими, чтобы информировать общество, что оно должно быть готовым, а не испуганным или ищущим виноватых; (2) полезными для управленцев, принимающих решения; (3) ценными действий медицинских работников и работников сферы здравоохранения. 

Во-вторых, мы концептуально отделили (1) истинное количество инфицированных, которое на практике никогда невозможно установить, от (2) случаев инфекции, которые можно выявить, если услуги доступны и достижимы,технологии тестирования чувствительные и надежные, и от (3) фактически выявленных случаев инфекции. Эта классификация значительно улучшила наше понимание полученных данных, а также результатов анализа двух производных, и помогла нам оценить реакцию эпидемии на масштабные вмешательства и прогнозировать её развитие. Это уточнение также усилило наш аналитический подход, добавив экспоненциальную модель для оценки уровня выявления и получения большего количества данных, оценивающих реакцию эпидемии на масштабные вмешательства. Мы настоятельно рекомендуем включить эти методы в плановое наблюдение за инфекционными заболеваниями, которое проводят учреждения по контролю и профилактике заболеваний.

Ограничения и план на будущее 

В исследовании есть ограничения. Во-первых, это исследование охватывало только первые 2 месяца эпидемии. Мы продолжим оценивать практичность данного метода, наблюдая за развитием эпидемии. Во-вторых, методы, использованные в исследовании, были основаны на изучении закрытой популяции. Эта гипотеза может быть неверной, потому что большое количество потенциально инфицированных людей из Китая поехали в другие страны. До 08.02.2020 общее число диагностированных случаев составляло 37 552 по всему миру (Worldometer на Coronavirus), из них 37 198 случаев было выявлено в Китае, что составило 99,1% от общего числа случаев в мире. Следовательно, влияние предположения о закрытости популяции будет ограниченным. В-третьих, для подробного анализа не хватало индивидуальных данных пациентов. В-четвертых, наша модель может быть улучшена с помощью других данных, таких как учёт клинической тяжести случаев, число людей, у которых заподозрено заболевание, число пациентов, получивших лечение, и результаты лечения. Мы будем внимательно следить за эпидемией и готовиться к дальнейшим исследованиям по этой теме, когда появится больше данных. 

Несмотря на ограничения, это исследование предоставило новые данные, чтобы побудить тех, кто заражен, лучше бороться с инфекциями; информировать и поощрять широкую общественность, медицинских работников и работников здравоохранения, а также правительство продолжать текущие мероприятия и разрабатывать новые, инновационные и эффективные меры для прекращения эпидемии COVID-19. Одним из главных мотивов этого исследования было желание предоставить правильную информацию на уровне анализа популяции в реальном виде, чтобы дополнить лабораторные данные о свойствах микроорганизма, биологическую, молекулярную, фармакологическую и клиническую информацию как в академической среде, так и средствах массовой информации, которые скорее пугают, а не поддерживают людей, в том числе профессионалов здравоохранения. Из диагностированных случаев инфекции, вызванной COVID-19, менее 20% протекают тяжело. Результаты нашего исследования показали, что не нужно поддаваться панике с позиций общественного здравоохранения. Несмотря на то, что общее число случаев COVID-19 велико, показатели двухмесячной заболеваемости составили около половины от уровня естественной смертности жителей Уханя.

Ссылки

1. Li Q, Guan X, Wu P, Wang X, Zhou L, Tong Y, et al. Early transmission dynamics in Wuhan, China, of novel coronavirus-infected pneumonia. N Engl J Med. 2020. https://doi.org/10.1056/NEJMoa2001316

2. Christensen T, Painter M. The politics of SARS – Rational responses or ambiguity, symbols and chaos? Policy Soc. 2004;23:18 –48. 

3. Hui DL, Ng MK. Politics and the management of public health disasters: reflections on the SARS epidemic in greater China. Asia Pac J Public Health. 2007;19 Spec No:7 –12. 

4. Mangiarotti S, Peyre M, Huc M. A chaotic model for the epidemic of Ebola virus disease in West Africa (2013-2016). Chaos. Interdiscip J Nonlin Sci. 2016;26(11):113112. 

5. Upadhyay RK, Roy P. Deciphering Dynamics of Recent Epidemic Spread and Outbreak in West Africa: The Case of Ebola Virus. Int J Bifurcation Chaos. 2016;26(09):1630024. 

6. Gonzalez-Parra G, Arenas AJ, Chen-Charpentier BM. A fractional order epidemic model for the simulation of outbreaks of influenza A(H1N1). Math Methods Appl Sci. 2014;37:2218 –26. 

7. Sharomi O, Podder CN, Gumel AB, Mahmud SM, Rubinstein E. Modelling the transmission dynamics and control of the novel 2009 swine influenza (H1N1) pandemic. Bull Math Biol. 2011;73:515 –48. 

8. Mabrouk MS. A Nonlinear Pattern Recognition of Pandemic H1N1 Using a State Space Based Methods. Avicenna J Med Biotechnol. 2011;3:25 –9. 

9. Dalziel BD, Bjornstad ON, van Panhuis WG, Burke DS, Metcalf CJE, Grenfell BT. Persistent Chaos of Measles Epidemics in the Prevaccination United States Caused by a Small Change in Seasonal Transmission Patterns. PloS Comput Biol. 2016;12(2):e1004655. 10. Nelson KE, Wiliams CM. Infectious disease epidemiology: Theory and practice (3rd edition). Burlington: Jones & Bartlett Learning; 2014. 

11. Truscott J, Fraser C, Cauchemez S, Meeyai A, Hinsley W, Donnelly CA, et al. Essential epidemiological mechanisms underpinning the transmission dynamics of seasonal influenza. J R Soc Interface. 2012;9:304 –12. 

12. Upadhyay RK, Roy P, Rai V. Deciphering Dynamics of Epidemic Spread: The Case of Influenza Virus. Int J Bifurcation Chaos. 2014;24(05):1450064. 

13. Khanna M, Kumar B, Gupta A, Kumar P. Pandemic Influenza A H1N1 (2009) Virus: Lessons from the Past and Implications for the Future. Indian J Virol. 2012;23:12 –7. 

14. US Centers for Disease Control and Prevention, The 2009 H1N1 Pandemic: Summary Highlights, April 2009 –April 2010. vol. January 12, 2015, 2015.

Вы нашли ответ?