< Modélisation
COVID-19 salgınının evrimini tahmin edebilir miyiz?
Metin güncellendi 2020-06-19
COVID-19 salgınını matematiksel modeller kullanarak simüle etmek mümkündür. Bu modeller salgının belirli bir zamanda ki durumunu değerlendirmede ve kısa vadeli gelişimini tahmin etmede çok yararlıdır. Uzun vadede, salgının evrimi için farklı olası senaryoları düşünmemize ve hazırlanmamıza izin verirler.
Matematiksel modeller
COVID-19 salgınının seyrini tahmin etmek için epidemiyologlar, Virüs Korona virüsü (SARS-CoV-2) bir nüfus içinde. Modeller genellikle sayısı gibi birçok parametre içerir kişiler enfekte bir kişi tarafından enfekte, bulaşıcı faz süresi, enfekte kişilerin yaşı, fiziksel temas, diğerleri arasında insanların hareketlilik. Bu parametrelerin tümü güvenilir bir şekilde belirlenemez ve bölgeden bölgeye veya zaman içinde değişebilir.
Bir referans modeli kermack ve McKendrick tarafından 1927 yılında büyük bir popülasyonda bulaşıcı bir hastalık salgınının dinamiklerini modellemek için geliştirilen "Duyarlı Enfekte Restore" veya "SIR" modelidir. Bu modelde, popülasyondaki bireyler üç kategoriye ayrılır: Duyarlı, Enfekte, Restore. İnsanlar bu üç kategori arasında gelişirler. Bu modelden, maruz kalma, enfeksiyon, bulaşıcı hastalık ve bağışıklık için hesap birkaç uzantıları geliştirilmiştir.
Salgının ilk evresi
Bu modeller, coronavirus yayılmasını kontrol etmek için önlemler yokluğunda göstermektedir Korona virüsü (SARS-CoV-2) bir popülasyonda, COVID-19 salgını önemli sayıda ciddi vakaya yol açarak, en gelişmiş ülkelerin hastane canlandırma kapasitesini çok fazla dır. Bu beklentiler, ülkelerin çoğunluğunun, Virüs . Saldırı oranı ve yayılma oranı nüfus yoğunluğu ve nüfus yaşına bağlıdır, bu da neden daha yoğun metropollerde veya daha yaşlı toplumlarda en katı kuralların uygulandığını açıklar.
İkinci dalga
Uzun süreli simülasyonlar salgının kontrol altına alındıktan sonra toparlanabileceğini gösteriyor. Salgın rebound zaten bazı erken etkilenen ülkelerde gözlenmiştir (örneğin, Suudi Arabistan, İran, Kore, Çin). Bu "ikinci dalgaları" tahmin etmek zordur, çünkü koronavirüs le enfekte olmuş nüfusun oranı, fiziksel mesafe ölçülerinin ve bariyer hareketlerinin sürdürülmesi, ülkelerin yeni vakaları tespit etme ve izole etme yeteneği, bireylerin davranışları, bağışıklık süresi gibi genellikle değerlendirilmesi zor olan veya bilinmeyen parametrelere bağlıdırlar.
Sezonun etkisi
COVID-19'un mevsimselliği henüz bilinmemektedir. Birçok bulaşıcı solunum yolu hastalığı gibi COVID-19'un da yaz aylarında ılıman bölgelerde yavaşlaması olasıdır. Yüksek sıcaklıklar ve güneş ışığı coronavirus bulaşmasını azaltsa da Korona virüsü (SARS-CoV-2) , yüksek bulaşıcılık ve dünya nüfusunun ezici duyarlılık herhangi bir iklim etkisi ağır basabilir. Buna ek olarak, koronavirüs bulaşıcılığında azalma yı hesaba katan modeller, yaz tatilinin salgının sonu anlamına gelmediğini göstermektedir. Hastalığın mevsimsel hale gelmesi veya salgın zirvelerin her iki yılda bir aralıklı olarak ortaya çıkması çok olasıdır.
Dokunulmazlığın Önemi
Enfekte insanların bağışıklık dikkate alan modeller bu parametre salgının uzun vadeli seyri için kritik olduğunu göstermektedir. Ülkelerin çoğunda, nüfusun %10'dan azının enfekte olduğu tahmin ediliyor ve bu da ikinci dalgaların gelişini engelleyebilecek grup bağışıklığı sağlamak için henüz yeterli değil. Eğer bağışıklık sürdürülebilirse, salgın yok olabilir. Ancak, bağışıklık kısa ise, COVID-19 grip gibi tekrarlayan bir hastalık haline gelebilir. 2003 yılında SARS sırasında SARS-CoV-1'e verilen immün yanıta ilişkin veriler, 18 aya yaklaşan ara bağışıklığı göstermektedir.
Kaynaklar
COVID-19 salgınının modellenebildiği bu salgının sağlık sisteminin doygunluğa yol açabileceğini gösteriyor.
Ferguson, N., Laydon, D., Nedjati Gilani, G., Imai, N., Ainslie, K., Baguelin, M., ... - Dighe, A. (2020). Rapor 9: Farmasötik olmayan müdahalelerin (NP'ler) COVID19 mortalitesini ve sağlık talebini azaltmaya etkisi.Avrupa'daki COVID-19 salgını üzerindeki çevrelemenin etkisinin analizi.
Keten Adam S, Mishra, S., Gandy, A. ve ark. Avrupa'da farmasötik olmayan müdahalelerin COVID-19 üzerindeki etkilerinin tahmin edilebilmektedir. Doğa (2020).Ile-de-France'daki COVID-19 salgınının modelalınması ve çevreleme aşamasından sonraki evrimi.
Di Domenico, L., Pullano, G., Sabbatini, C. E., Boelle, P. Y., Colizza, V. (2020). Ile-de-France ve olası çıkış stratejileri kilitleme beklenen etkisi. medRxiv.Covid-19 salgını üzerinde mevsim etkisi modelleme.
Baker, R. E., Yang, W., Vecchi, G.A., Metcalf, C. J. E., Grenfell, B. T. (2020). Olası arz erken iklim rolünü sınırlar Korona virüsü (SARS-CoV-2) Pandemi. Bilim.Mevsimlerin etkisi ve bağışıklık süresi dikkate alınarak birkaç yıl içinde salgın projeksiyonlar.
Kissler, S.M., Tedijanto, C., Goldstein, E., Grad, Y. H., Lipsitch, M. (2020). İletim dinamiklerinin yansıtılmı Korona virüsü (SARS-CoV-2) postpandemik dönemden geçer. Bilim, 368(6493), 860-868.SARS-CoV-1 immün yanıt süresi 176 hastadan ortalama 2 yıl olarak tahmin edildi.
Wu L-P, Wang N-C, Chang Y-H, Tian X-Y, Na D-Y, Zhang L-Y, Zheng, L, Lan, T, Wang, LF ve Liang, GD. ilgili yazar. Şiddetli akut solunum sendromu sonrası antikor yanıtlarının süresi. Emerg Infect Dis [Internette seri]. 2007 Ekim [tarih atıfta].Referans SIR modelinin açıklaması.
Kermack WO, McKendrick AG. Salgınların matematiksel teorisine katkıları-- I. Boğa Matematik Biol. 1991;53 (1-2):33-55. doi: 10.1007/BF02464423.