Модель COVID-19 сравнивает эффективность вакцин и стратегий смягчения последствий

COVID-19 model compares effectiveness of vaccine and mitigation strategies0

Кристофер Гэннон, Университет Штата Айова

COVID-19 model compares effectiveness of vaccine and mitigation strategies1

Университет Штата Айова

Клаус Каделка, доцент кафедры математики

Предыдущий Следующий

Newswise-AMES, Iowa-прогнозирование распространения COVID-19 с использованием стандартных статистических моделей имеет свои проблемы, поэтому два исследователя из Университета штата Айова разработали сетевой подход для изучения влияния конкретной политики и стратегий вакцинации на протяжении многих этапов пандемии.

Клаус Каделка, доцент математики, и Одри Маккомбс, аспирантка по статистике, впервые начали работать над этим вопросом в марте. Каделка говорит, что они обнаружили, что многие модели использовали “несовершенную информацию, чтобы сделать прогнозы, которые не были точными”, поэтому он и Маккомбс выбрали другой подход.   

“Вместо того чтобы пытаться предсказать то, что на самом деле невозможно предсказать, учитывая неопределенность данных, мы разработали абстрактную модель для качественного сравнения различных сценариев, чтобы увидеть, какой из них дает нам наилучший результат, независимо от лежащей в основе неопределенности всех ключевых параметров вируса и болезни”, — сказал Каделка.

В статье, опубликованной на medRxiv до рецензирования, исследователи использовали свою модель сети социального взаимодействия, чтобы понять, как гомофилия – тенденция ассоциироваться с людьми, которые разделяют одни и те же мнения и убеждения, в данном случае о COVID-19 – влияет на вероятность вспышки и количество смертей. Модель сравнивает вероятность вспышки заболевания для разных уровней гомофилии и корреляции между представлениями о вакцинации и социальным дистанцированием. Каделка говорит, что они сохранили одинаковую долю людей с позитивными убеждениями во всех сценариях, чтобы обеспечить сравнение яблок с яблоками.

Модель показала, что наличие гомофилии может оказывать сильное влияние на вероятность вспышки. Гомофилия в отношении вакцинации подразумевает наличие кластеров вакцинированных, но также и кластеров невакцинированных особей. Исследователи обнаружили, что такая гомофилия в сетях социального взаимодействия может привести к значительно более частым вспышкам, особенно в присутствии эффективной вакцины.

«Стандартные модели предполагают, что социальные связи людей случайны, что, как мы знаем, не соответствует действительности”, — сказал Маккомбс. «Моделирование более реалистичных социальных моделей привело к худшим вспышкам и более высокой смертности, чем предсказывают стандартные модели.”

Они также обнаружили, что вспышки заболевания происходят чаще, когда существует положительная корреляция между убеждениями в вакцинации и социальным дистанцированием. Если лица, получившие вакцину, являются теми же людьми, которые более склонны к социальной дистанции, то существует процент населения, не принимающего никаких защитных мер, что увеличивает риск вспышки.

Когда существует отрицательная корреляция-люди получают вакцину, но не проходят социальную дистанцию, или люди проходят социальную дистанцию, но не получают вакцину, – вспышек становится меньше, потому что все больше людей следуют одной из стратегий смягчения последствий. Исследователи говорят, что их модель дает более реалистичную оценку того, как наши взаимодействия и растущая поляризация мнений влияют на распространение вируса. 

Приоритетность вакцинации

Основываясь на полученных результатах, исследователи рекомендовали политикам учитывать местную практику социального дистанцирования при определении приоритетов вакцинации для лиц с высоким или низким риском. Если те, кто находится в группе высокого риска, имеют значительно меньше контактов, приоритетное назначение вакцины лицам с низким риском снижает общую смертность по сравнению с вакцинацией лиц с высоким риском в первую очередь. Исследователи говорят, что лучшая стратегия вакцинации может отличаться от сообщества к сообществу в зависимости от местного принятия стратегий снижения риска.

«Люди с высоким риском, как правило, старше, имеют меньше контактов, и хотя это трудно измерить, они с большей вероятностью будут дистанцироваться”, — сказал Каделка. «Люди с низким риском в возрасте от 20 до 30 лет имеют больше контактов и реже дистанцируются. В зависимости от относительной частоты контактов, возможно, имеет смысл сосредоточить вакцинацию на этой группе в некоторых общинах.”

Социальное дистанцирование, тестирование, сортировка по больницам

В отдельной статье, опубликованной в журнале PLOS Computational Biology, Каделка и Маккомбс впервые представили свою сетевую модель и продемонстрировали, как политика COVID-19 – социальное дистанцирование, тестирование и приоритизация медицинской помощи, когда больницы достигают потенциала, – взаимодействуют друг с другом и усиливают или подрывают последствия.

Вот некоторые из ключевых выводов:

  • Тестирование лиц с низким уровнем риска более эффективно снижает смертность, чем определение приоритетов для тестирования лиц с высоким риском. Люди с низким риском имеют больше контактов, и снижение их активности с помощью тестирования замедляет распространение болезни.
  • Сокращение публичных или случайных встреч оказывало более сильное влияние на смертность, чем сокращение личных контактов. Это может быть связано с тем, что публичные встречи позволяют вирусу быстро распространяться по всему сообществу, в то время как личные контакты ограничивают распространение в небольшой субобщине.
  • Важность тестирования и больничной сортировки – при изучении комбинированного эффекта-зависит от уровня социального дистанцирования.

В своей статье исследователи писали “ » цель этого исследования состояла не в том, чтобы предсказать ожидаемое абсолютное число смертей, связанных с COVID-19; скорее, модель является инструментом, который может быть использован, несмотря на неопределенность ключевых параметров, для сравнения эффективности различных стратегий, направленных на снижение смертности.”

Понравилась статья? Поделиться с друзьями:
Коронавирус-2