6 мая 2020, 00:00

Чья стратегия по борьбе с коронавирусом сработала лучше всего? Ученые в поисках самых эффективных мер

Чья стратегия по борьбе с коронавирусом сработала лучше всего? Ученые в поисках самых эффективных мер

Оригинал: Медач

Автор: Elizabeth Gibney

Опубликовано: 06 мая 2020, Медач

Перевод: Татьяна Рогова

Редакция: Майя Половицкая

На основании доступных данных исследователи пытаются сравнить существенно отличающиеся меры по сдерживанию распространения инфекции в разных странах.

Кажется, что Гонконг преподал всему миру урок эффективного сдерживания COVID-19. При населении в 7,5 миллиона человек сообщается всего о четырех смертельных исходах. Исследователи, изучающие подход Гонконга, уже обнаружили, что оперативный эпидемиологический надзор, карантин и меры социального дистанцирования, такие как использование масок для лица и закрытие школ, помогли сократить передачу коронавируса. Мерой передачи инфекции служит среднее число людей, которых заражает каждый инфицированный человек (или R), и этот показатель к началу февраля снизился до критического уровня, равного единице. Но авторы опубликованной в этом месяце статьи не смогли разделить последствия различных мер и изменений поведения людей, происходящих в одновременно.

Определение эффективности беспрецедентных мер, осуществляемых во всем мире для ограничения распространения коронавируса, в настоящее время является одним из самых актуальных вопросов. Исследователи надеются, что, в конечном итоге, они смогут точно предсказать, как введение и снятие мер контроля влияет на скорость передачи и количество зараженных. Эта информация будет важна для правительств, поскольку они разрабатывают стратегии для возвращения жизни в нормальное русло, сохраняя при этом низкий уровень передачи, чтобы предотвратить повторные волны инфекции. «Речь идет не о следующей эпидемии, а о том, что мы делаем сейчас», — говорит Розалинда Эгго, разработчик математических моделей в Лондонской школе гигиены и тропической медицины (LSHTM).

Исследователи уже работают над моделями, которые используют данные из отдельных стран, чтобы понять эффект мер контроля. Модели, основанные на реальных данных, должны быть более детализированными, чем те, которые в начале вспышки вынужденно предсказывали эффект вмешательств главным образом на основе предположений. Объединение данных со всего мира позволит исследователям сравнить политику разных стран. И по сравнению с исследованиями из отдельных стран это также должно позволить разработать модели, которые могут дать более точные прогнозы относительно новых фаз пандемии, применимые для разных стран.

Но распутать причинно-следственные связи чрезвычайно сложно, отчасти потому, что условия в разных странах различаются, и потому, что неясно, насколько люди выполняют предписания, предупреждает Эгго. «Это действительно трудно, но это не значит, что мы не должны пытаться», — добавляет она.

Объединяя усилия

В ближайшие недели на помощь в решении этих вопросов придет база данных, которая объединяет информацию о сотнях различных мероприятий, внедренных во всем мире. Платформа, подготовленная для Всемирной организации здравоохранения (ВОЗ) группой из LSHTM, объединяет данные, собранные десятью группами, уже отслеживающими мероприятия. Среди них группы из Оксфордского университета (Великобритания), Complexity Science Hub Vienna (CSH Vienna), а также общественные организации здравоохранения и некоммерческие организации, такие как ACAPS, которые анализируют гуманитарные кризисы.

По словам Криса Гранди, ученого, работающего над проектом LSHTM, база данных будет содержать стандартизированную информацию, собранную различными группами, и эта база должна стать более полной, чем то, что может подготовить любая отдельная группа. «Такие учреждения, как ВОЗ, постоянно отслеживают меры контроля, используемые во время вспышек заболеваний, но для COVID-19 картина осложняется скоростью и масштабом пандемии», — говорит Гранди. LSHTM привлек внушительную команду из 1100 добровольцев для работы по подготовке и объединению информации. По словам Гранди, база данных будет открыта для всех и будет улучшаться в будущих версиях. «Скорость имеет значение, — говорит он. — Сейчас счет идет на дни».

Исследователи раскрывают широкий спектр мер, применяемых в разных странах. Венская команда собрала информацию об около 170 мероприятий в 52 странах: от небольших мер, таких как наклейки на полу, которые обозначают двухметровое расстояние, до значительных ограничительных мер, таких как закрытие школ. Между тем, Оксфордский проект «the COVID-19 Government Response Tracker» отслеживает 13 мероприятий в более чем 100 странах. Он объединяет семь из 13 в единый индекс «строгости», который отражает общую серьезность ответных действий каждой страны и позволяет сравнивать страны, использующие разные подходы (см. «Защита от пандемии»). Команда работает над способом расчета индекса и его шкалой.

Защита от пандемии

Исследователи создали «индекс строгости», который описывает общую серьезность реакции страны на вспышку коронавируса и позволяет сравнивать ответные меры. Индекс учитывает семь ограничительных мер, таких как закрытие школ и самоизоляция.

Картинка
Оригинал

Группировка стран

Уже сейчас ученые обеих групп анализируют данные, чтобы изучить различия между реакцией разных стран. Венская группа ищет закономерности, и в их методы входит группировка стран по по общему числу введенных ограничений и по тому, как рано в период эпидемии они начали принимать меры. «В Европе, например, алгоритмы объединяют Швецию, Великобританию и Нидерланды, как страны, которые действовали относительно медленно. На ранних стадиях эпидемии эти три страны придерживались стратегии "коллективного иммунитета", которая включала в себя лишь несколько мер или такие меры, которые опирались на добровольное их соблюдение, хотя позже Соединенное Королевство и Нидерланды перешли к более строгим мерам, включая изоляцию в масштабах всей страны», — говорит Амели Десварс-Ларрив, эпидемиолог из CSH Vienna и Венского университета ветеринарной медицины.

«Между тем Германия и Австрия выделяются как страны, которые рано реализовали строгие стратегии контроля по сравнению с Италией, Францией и Испанией, которые приняли аналогичные меры, включая изоляцию, но позже в ходе эпидемии», — говорит она. До сих пор в Германии и Австрии на душу населения приходится значительно меньше смертей от COVID-19 по сравнению с другими странами.

Ранние выводы Оксфордской группы также свидетельствуют о том, что более бедные страны, как правило, прибегают к более строгим мерам, чем богатые страны, при данной тяжести вспышки. Например, республика Гаити ввела строгий режим изоляции при подтверждении первого случая заболевания, в то время как Соединенные Штаты ждали более двух недель после первого смертельного исхода до издания приказа о самоизоляции. «Это может быть связано с тем, что страны с низким уровнем дохода и менее развитыми системами здравоохранения действуют осторожнее», — говорит Анна Петерик, исследователь государственной политики в Оксфорде. «Это также может отражать тот факт, что вспышка заболевания достигла этих стран позже, что дает им больше времени для того, чтоб учиться на примере других стран», — говорит она.

Модели и прогнозы

В конечном счете, исследователи надеются использовать данные из LSHTM, чтобы выйти за рамки изучения различий в принятых мерах и понять, насколько эффективными были эти стратегии для ограничения распространения инфекции. «Нам действительно нужно оценивать эти мероприятия в реальном времени, чтобы принимать решения», — говорит Эгго, которая не участвовала в создании базы данных, но планирует ее использовать. «Если мы не знаем, какие меры работает, и не знаем, насколько они эффективны, то нам будет очень трудно решить, что делать дальше». Эгго и ее коллеги будут использовать полученные данные для проверки точности математических моделей, которые описывают скорость и механизмы передачи инфекции при различных типах введенных мероприятий и сроках.

«В идеале исследователи смогут предсказать, как добавление и снятие мер изменит количество случаев инфицирования с течением времени. Политики могли бы использовать такие прогнозы вместе с данными о возможностях оказания интенсивной терапии для принятия решений — например, о том, стоит ли вновь открывать школы», — говорит Нильс Хауг, математический физик из CSH Vienna и Венского медицинского университета.

Хауг входит в команду из 15 разработчиков, которая изучает, какие статистические подходы следует использовать. Вместо того, чтобы непосредственно определять точный эффект каждого мероприятия, эти методы можно использовать для определения мер, которые наилучшим образом прогнозируют уровень инфицирования. Один из подходов заключается в использовании техники машинного обучения, называемой рекуррентной нейронной сетью, которая используется для извлечения закономерностей из данных и прогнозирования. Исследователи могут узнать, насколько важно данное мероприятие, посмотрев, как меняются прогнозы, когда они удаляют информацию о нем из сети.

Другой метод включает в себя регрессионный анализ, который оценивает силу связи между конкретным показателем, таким как закрытие школ, и метрикой, такой как показатель среднего числа людей, которых заражает каждый инфицированный человек (R), для каждой страны. Например, используя метод регрессии лассо, исследователи могут определить, какие меры уменьшают R больше всего.

«Но все методы имеют свои ограничения», — говорит Хауг. Метод лассо предполагает, что данная мера всегда приводит к одному и тому же сокращению R с течением времени, независимо от страны, в которой она была применена. Это одна из основных проблем в извлечении информации из данных по многим странам. Исследователи хотят иметь возможность включить национальные особенности, такие как распространенность совместного проживания семей, состоящих из нескольких поколений, в некоторых странах, что может ускорить распространение инфекции. Венская команда в конечном итоге попытается учесть эти различные особенности непосредственно в своих моделях. На данный момент они описывают их все одной переменной, которая влияет на R для каждой страны.

Без вакцины или эффективного лечения остановка передачи инфекции остается единственной защитой от COVID-19. Понимание эффектов каждой ограничительной меры необходимо для выяснения того, какие из них можно безопасно изменить или отменить, говорит Петерик. «Если мы выясним, что необходимо предпринять, и что работает лучше всего для сдерживания распространения инфекции и при этом сохраняет жизнь в наилучшем виде, я думаю, это было бы огромным вкладом», — говорит она.

Пусть больше людей узнает о проектеПоделитесь с друзьями и коллегами. Вместе победим! 💪