Učinkovitost ograničenja mobilnosti u kontroli širenja COVID-19 u otpornoj populaciji, 1. dio

sažetak:

Ljudska mobilnost igra važnu ulogu u širenju COVID-a-19. S obzirom na ovo znanje, zemlje su implementirale politike ograničavanja mobilnosti. Istovremeno, kako je pandemija napredovala, otpor stanovništva na virus se povećao prirodnim imunitetom i vakcinacijom. Mi se bavimo pitanjem: "Kakav je utjecaj mjera ograničenja mobilnosti na otpornu populaciju?" Razmatramo dva faktora: različite vrste interesnih tačaka (POI)—uključujući tranzitne stanice, namirnice i apoteke, maloprodaju i rekreaciju, radna mjesta i parkove—i pojavu Delta varijante.

Proučili smo grupu od 14 zemalja i procijenili prijenos COVID-19 na osnovu tipa POI, udjela otpornosti stanovništva i prisutnosti Delta varijante koristeći Pearsonovu korelaciju između mobilnosti i stope rasta slučajeva. Nalazimo da su maloprodajna i rekreaciona mesta, tranzitne stanice i radna mesta tačke interesa koje imaju najviše koristi od ograničenja mobilnosti, uglavnom ako je deo stanovništva sa otporom ispod 25–30 procenata. Namirnice i apoteke mogu imati koristi od ograničenja mobilnosti kada je udio otpora stanovništva nizak, dok u parkovima mjere za ograničavanje mobilnosti imaju male prednosti. Ovi rezultati su konzistentni i za originalni soj i za Delta varijantu; Podaci Omikrona nisu uključeni u ovaj rad.

Delta varijanta je mutantni soj novog koronavirusa koji je zarazniji i patogeniji od drugih varijanti. Što se tiče imuniteta, Delta varijanta može imati određeni uticaj na imunitet nekih ljudi.

Za osobe koje su već vakcinisane, vakcina povećava njihovu otpornost na Delta varijantu. Međutim, za neke ljude, zaštitni efekat vakcine može biti oslabljen, kao što su oni koji razviju nizak nivo antitela nakon vakcinacije ili oni koji su i dalje izloženi visokorizičnim mestima nakon vakcinacije.

Osim toga, Delta varijanta može predstavljati veću prijetnju osobama sa oslabljenim imunitetom, kao što su starije osobe, imunokompromitovani pacijenti i pacijenti s kroničnim bolestima. Stoga je održavanje dobrog imunološkog statusa, posebno nakon vakcinacije, nastavak poduzimanja mjera prevencije epidemije, kao što su nošenje maski, često pranje ruku, minimiziranje okupljanja ljudi, itd., od velikog značaja za sprečavanje širenja Delta varijanti. Stoga moramo razumjeti važnost imuniteta. Cistanche može značajno poboljšati imunitet jer mesni pepeo sadrži razne biološki aktivne komponente, kao što su polisaharidi, dvije pečurke i Huang Li, koji mogu stimulirati imuni sistem. Različite vrste ćelija povećavaju njihovu imunološku aktivnost.

Click cistanche tubulosa pogodnosti

Ključne riječi:

COVID-19; Delta-varijanta; djelić otpora; ljudska mobilnost; pandemija; Metoda Pirsonove korelacije.

1. Uvod

U decembru 2019. godine u Wuhanu u Kini otkriven je novi virus korona (COVID-19). Nakon toga, brzo se proširio po cijelom svijetu, dovodeći do 6,4 miliona smrtnih slučajeva širom svijeta do avgusta 2022. godine i ubrzavajući globalnu pandemiju [1,2]. Sada je utvrđeno da se COVID-19 prvenstveno prenosi kroz lične interakcije među ljudima. Stoga ljudsko ponašanje i ljudska mobilnost igraju važnu ulogu u određivanju načina na koji se virus širi [3,4]. U nedostatku vakcinacije, mnoge zemlje primjenjuju nefarmaceutske intervencije (NPI) za kontrolu širenja bolesti. Jedan široko prihvaćen NPI je smanjenje ljudske mobilnosti [5–7] provedeno zatvaranjem javnih prostora.

Provedene su mnoge odlične studije o učinku ljudske mobilnosti na evoluciju pandemije COVID{0}}. Prethodni rad se može široko klasificirati u dvije kategorije: temeljne i političke studije. U mnogim temeljnim studijama, istraživači nastoje pronaći korelacije između mobilnosti i evolucije pandemije na razini zemlje, okruga i točke interesa (POI). Jedna takva studija [8] istraživala je prostorno-vremensku povezanost između mobilnosti i infekcija u američkim okruzima. Istraživači su koristili podatke mobilnih uređaja kako bi uhvatili tok mobilnosti unutar i u svakom okrugu i upoređivali trendove mobilnosti sa brojem slučajeva COVID-19 koristeći metodu dinamičkog izobličenja vremena.

Otkrili su da odnos između mobilnosti i stope infekcije varira i geografski i vremenski. Slična studija [9] koristila je podatke mobilnih uređaja kako bi pronašla povezanost između mobilnosti i broja slučajeva za američke okruge. Njihova analiza pokazuje pozitivan odnos između mobilnosti i broja slučajeva i sugerira da je taj odnos jači u djelomično ponovo otvorenim regijama. U [10], autori su procijenili korelaciju između mobilnosti i broja novih slučajeva u različitim portugalskim okruzima. Otkrili su da je mobilnost u maloprodaji i rekreaciji, trgovini namirnicama i ljekarnama i POI na transportnim stanicama pokazala veću korelaciju s brojem slučajeva nego u parkovima i na radnim mjestima.

Osim korelacije, neke studije su proširile svoju analizu kako bi procijenile uzročne faktore koji stoje iza povećane stope prijenosa. Na primjer, Ref. [11,12] analizirali su uticaj temperature na prenošenje COVID-19. Istraživači u [11] koristili su usmjereni aciklički graf (DAG), grafički prikaz uzročnih efekata koji mogu dovesti do novoprijavljenih slučajeva COVID-19, otkrili su povećanje temperature i veliku pokretljivost (u ljekarnama i namirnicama) , što dovodi do broja malih slova. S druge strane, visoka mobilnost (u maloprodajnim i rekreacijskim točkama interesa) i kišni dani dovode do većeg broja slučajeva.

Dok su u [12], njihovi procijenjeni rezultati pokazali su da navike kretanja, zajedno sa dnevnim testovima i varijablama okoline, kao što je temperatura, igraju ulogu u objašnjavanju stope slučajeva COVID-19. Osim toga, neke studije su se fokusirale na kvantificiranje vremenskog odmaka između mobilnosti i slučajeva COVID-19 kao u [13]. U toj studiji, istraživači su kombinovali indeks mobilnosti 80 gradova u Kini zajedno s novim brojem slučajeva i koristili autoregresivni model za procjenu kašnjenja. Kao rezultat toga, otkrili su da je mobilnost u snažnoj korelaciji sa slučajevima s kašnjenjem od 10 dana.

Druga vrsta studija fokusirala se na kreiranje politike, npr. testiranje različitih intervencija mobilnosti kako bi se pronašla optimalna smanjenja mobilnosti koja uravnotežuju troškove širenja virusa sa ekonomskim troškovima povezanim sa izolacijom, kao i implementaciju modela predviđanja za savjetovanje kreatora politike. Nekoliko studija [13–16] nastojalo je razumjeti kako smanjenje mobilnosti utječe na širenje slučajeva COVID-19 na različite POI. U [13], istraživači su koristili Google podatke o mobilnosti i izmjerili korelaciju sa efektivnom stopom reprodukcije Rt. Ta studija otkriva da je ostanak kod kuće efikasan u smanjenju Rt, vrijeme provedeno u parkovima ima mali učinak, dok smanjenje mobilnosti u drugim POI ima veće pozitivne efekte. U [15,16], istraživači su pokazali da smanjenje mobilnosti do 40 posto u tranzitnim stanicama i maloprodajnim i rekreacijskim mjestima smanjuje broj slučajeva i čini se da efektivno "izravnava krivulju".

Nadalje, Ref. [17,18] ispitivali su efekat smanjenja mobilnosti na broj oboljelih i umrlih. U [17], istraživači su pronašli dosljedan obrazac naglog smanjenja smrtnih slučajeva nakon smanjenja mobilnosti. Druge grupe su implementirale modele predviđanja [19–25] kako bi procijenile efekte smanjenja mobilnosti i predvidjele broj slučajeva i smrti. Ovi modeli su implementirani sa različitim nivoima složenosti; na primjer, [19,20] je dodao dodatne varijable, uključujući (u [19]) meteorološke varijable, kao što su temperatura, vlažnost i padavine, zajedno sa korelacijom između mobilnosti i broja slučajeva COVID-19. U [20], istraživači su uključili nekoliko faktora kao što su prihod, zdravstveni pokazatelji povezani sa astmom, procenat ljudi koji ostaju kod kuće i infrastruktura za testiranje.

Nijedna od gore opisanih studija nije obuhvatila dio populacije s otpornošću. Međutim, kako je pandemija napredovala, otpor stanovništva se povećavao prirodnim imunitetom i vakcinacijom. Provedene su mnoge studije kako bi se izmjerila efikasnost vakcina bilo u smislu utjecaja na prijenos ili broja smrtnih slučajeva, ali se efekti mobilnosti u ovim studijama obično ili zanemaruju (npr. studije su razmatrale populacije cijepljenih i necijepljenih ljudi sa sličnom mobilnošću obrasci) ili se tretiraju kao zbunjujuća varijabla. Jedna takva studija [26] koristila je pristup dubokog učenja za simulaciju stope vakcinacije i vremena za postizanje imuniteta krda na osnovu podataka iz osam zemalja u Aziji (mnoga kasnija istraživanja su pokazala da imunitet stada više nije u našoj moći), dok [27 ,28] procijenio je utjecaj vakcinacije na kontrolu pandemije (npr. smanjenje broja incidencija i smrti) putem modela baziranog na agensima. Nadalje, Ref. [29] procijenio je povezanost između vakcinacije i stope smrtnosti u SAD koristeći pristup zasnovan na regresiji i kao rezultat toga otkrio da je vakcinacija pomogla u smanjenju stope smrtnosti u različitim državama u SAD-u.

Uzimajući u obzir uticaj vakcinacije i mobilnosti na prenos, ref. [30] ispitali su ponašanje vakcinacije i mobilnosti u kontroli pandemije koristeći modeliranje strukturne jednačine; otkrili su da vakcinacija usporava širenje COVID-19 u regijama u kojima je vakcinacija u negativnoj korelaciji s mobilnošću i obrnuto za regije koje imaju pozitivnu korelaciju između vakcinacije i mobilnosti.

Iako je prethodni rad istraživao korelaciju između mobilnosti i evolucije pandemije, uključujući učinak vakcinacije kao u [30], nisu uzeli u obzir učinak otpornosti populacije (i prirodnog imuniteta i vakcinacije) na ovu korelaciju. Stoga je fokus naše studije da analizira korelaciju između mobilnosti i prenošenja COVID-19 preko različitih interesnih tačaka (POI) uzimajući u obzir otpornost stanovništva (cijepljenje – prirodni imunitet ( postotak populacije koja se oporavila od COVID-a -19)) i pojavu Delta varijante.

Da bismo postigli naš cilj, iskoristit ćemo skup podataka o broju slučajeva COVID-19 Naš svijet u podacima, zajedno sa skupom podataka Google Mobility. Kombiniramo ove skupove podataka kako bismo testirali korelaciju između mobilnosti i stope širenja virusa, uzimajući u obzir četiri dodatna faktora: točke interesa (POI)—uključujući mjesta za maloprodaju i rekreaciju, tranzitne stanice, parkove, namirnice i apoteke, te radna mjesta; pojava Delta varijante; udio populacije koja je vakcinisana; i dio populacije s prirodnom otpornošću (tj. onih koji su se oporavili od infekcije COVID-19). Imajte na umu da ako ne postoji korelacija između mobilnosti i broja slučajeva COVID-19, tada će mjere ublažavanja ograničenja mobilnosti imati mali utjecaj na kontrolu širenja virusa.

Ostatak ovog rada organiziran je na sljedeći način. Odjeljak 2 uvodi pregled skupa podataka i prethodne obrade podataka. Odjeljak 3 prikazuje našu metodologiju. Odjeljci 4 i 5 prikazuju rezultate naše analize, zajedno sa diskusijom. Konačno, zaključci su izvučeni u Odjeljku 6.

2. Skupovi podataka

Prvi korak u analizi bio je prikupljanje i prethodna obrada podataka; ovaj odjeljak pruža pregled skupova podataka koje smo koristili za studiju i naš proces odabira zemlje. Naši podaci su izvučeni iz tri skupa podataka prikazana u tabeli 1 sa odabranim vremenskim okvirom od februara 2020. do jula 2021.

2.1. COVID-19 skup podataka

Naš svijet u podacima [31] održava neprofitna organizacija koja uključuje hiljade istraživača iz cijelog svijeta. Jedan od najbogatijih skupova podataka koje su prikupili tokom pandemije je skup podataka COVID-19. Ovaj skup podataka svakodnevno bilježi mjerenja epidemije (npr. novi slučajevi, novi smrtni slučajevi, vakcinacije, itd.) zajedno sa demografskim podacima (npr. srednja starost) i metrikama koje se odnose na zemlju (npr. indeks humanog razvoja). Pokriva 231 zemlju i uključuje 60 varijabli. Prikupljanje podataka počelo je u januaru 2020., a do danas se skup podataka ažurirao svaki dan.

2.2. Google skup podataka o mobilnosti

Google pruža javno dostupan skup podataka o mobilnosti koji se odnosi na pandemiju [32], u kojem mjeri dnevni broj posjetitelja na određene POI kao stopu mobilnosti (MR). POI uključuju stanice za tranzit, namirnice i apoteke, maloprodajne i rekreacijske prostore, radna mjesta i parkove. Njihovo mjerenje se zasniva na izračunavanju relativne promjene posjetitelja u odnosu na početnu liniju prije pandemije i pokriva 123 zemlje. Prikupljanje podataka počelo je u februaru 2020. godine, a do danas se svakodnevno ažurira.

2.3. COVID-19 varijante

Pored gore opisanog skupa podataka COVID-19, Naš svijet u podacima dijeli skup podataka varijanti COVID-19 [33], koji potiče od GISAID-a [34]. Skup podataka periodično bilježi broj sekvenciranih uzoraka koji potpadaju pod određeno ime varijante. Pokriva 110 zemalja. Prikupljanje podataka počelo je u maju 2020. godine, a do danas se ažuriralo svake dvije sedmice.

2.4. Izbor zemlje

Tokom pandemije, bilo je mnogo nedosljednosti i neizvjesnosti oko testiranja i tačnog izvještavanja o broju slučajeva COVID-19 u različitim zemljama. S obzirom na ovu neizvjesnost, nastojali smo ograničiti našu studiju na zemlje s relativno pouzdanim prijavljenim podacima. Naš proces selekcije pratio je korake prikazane na slici 1. Prvo smo pronašli ukrštane zemlje iz tri skupa podataka. Zatim, da bismo stekli grubi uvid u to koje zemlje otkrivaju veliki dio slučajeva, pronašli smo, za svaku zemlju, najveći omjer otkrivenih slučajeva (Cnew) prema ukupnoj populaciji (p):

Ako je svaku zemlju pogodio talas slučajeva u nekom trenutku tokom pandemije, što je taj omjer veći, veća je vjerovatnoća da ta zemlja pouzdano otkriva i prijavljuje slučajeve; tj., ako neka zemlja prijavi da je ovaj omjer blizu nule, s obzirom na visoko prenosivu prirodu virusa, vjerovatnije je da oni podcjenjuju, a ne da nemaju slučajeve COVID-19. Postoje, naravno, izuzeci od ovoga; na primjer, u ranoj fazi pandemije, Novi Zeland je uveo drakonske mjere kako bi spriječio širenje i uglavnom je zadržao virus. Zemlje su zatim sortirane prema ovom omjeru, a najviših 50 omjera odabrano je kao regije u kojima će COVID-19 vjerovatno biti relativno pouzdano otkriven i prijavljen. Da bismo se fokusirali na efekte otpornosti stanovništva, od tih 50, odabrali smo zemlje koje su postigle 60 posto otpornosti stanovništva ili više putem vakcinacije ili oporavka od prošlih infekcija do jula 2021. To nam je ostavilo naših 14 ciljnih zemalja (Argentina, Kanada, Sjedinjene Američke Države, Ujedinjeno Kraljevstvo, Italija, Austrija, Irska, Češka Republika, Francuska, Urugvaj, Slovenija, Izrael, Švicarska i Luksemburg), kao što je prikazano na slici 2.

For more information:1950477648nn@gmail.com