Как разные варианты ковида одолевают людей разного уровня доходов смоделировали ученые на примере одной страны из Африки
18:00
13.10.2021
Прогнозирование будущего распространения COVID-19 требует понимания прошлых моделей. Команда использовала математическую модель, чтобы проверить объяснения первых трех волн эпидемии COVID-19 в Кении.
[caption id="attachment_241510" align="aligncenter" width="960"]
Результаты моделирования показывают, что первая и вторая волны инфекций объясняются различиями в мобильности и частоте контактов между высокими и низкими социально-экономическими группами в Кении. Фото: Pixabay[/caption]
Объединение данных о распространенности антител, результатах ПЦР-тестов, геномного надзора и мобильности населения со смартфонов позволило разработчикам моделей инфекционных заболеваний объяснить эволюцию первых трех волн COVID-19, которые затронули Кению с начала пандемии.
Моделирование, проведенное совместно Уорикским университетом и исследовательской программой KEMRI-Wellcome Trust в Кении, объясняет пандемию COVID-19 в Кении последовательными волнами передачи через различные социально- экономические группы , за которыми следует инфекция, усиленная введением новых вариантов, пишет medicalxpress.com.
Исследование было опубликовано в журнале Science и получило финансирование в рамках Совместной инициативы по исследованиям в области обеспечения готовности к эпидемиям и ответных мер, сотрудничества между Wellcome и Министерством иностранных дел, по делам Содружества и развития (FCDO), а также финансирование от Национального института здравоохранения. Исследования (NIHR).
Прогнозирование будущего распространения COVID-19 требует понимания прошлых моделей. Команда использовала математическую модель, чтобы проверить объяснения первых трех волн эпидемии COVID-19 в Кении.
Работа, проведенная совместно учеными Уорикского университета и исследовательской программой KEMRI-Wellcome Trust в Кении, впервые объединила данные исследования антител COVID-19, данные ПЦР, данные геномных вариантов и данные о мобильности Google, стремясь найти объяснение волнам COVID-19 в Кении. Затем цель заключалась в предоставлении основанных на политике прогнозов будущих волн в стране на основе результатов модели.
Низшие социально-экономические группы были определены как уязвимые для SARS-CoV-2 на глобальном Юге из-за проживания в неформальных поселениях с высокой плотностью населения, ограниченного доступа к санитарии и зависимости от неформальной занятости, которая требует ежедневной мобильности. Напротив, представители более высоких социально-экономических групп с гарантированной работой могут работать из дома, физически удаленно и иметь свободный доступ к воде и санитарии, тем самым снижая передачу.
Результаты моделирования показывают, что первая и вторая волны инфекций объясняются различиями в мобильности и частоте контактов между высокими и низкими социально-экономическими группами в Кении. На начальном этапе эпидемии (с марта 2020 г.) люди из высоких социально-экономических групп смогли снизить свою мобильность и частоту контактов, а люди из более низких социально-экономических групп - нет. Это привело к передаче инфекции среди лиц из более низких социально-экономических групп, которая наблюдалась как первая волна в городских центрах. Когда эти люди выздоровели от инфекции и приобрели иммунитет, по крайней мере временно, первая волна закончилась.
Ко времени второй волны (с октября 2020 г.) у лиц из высоких социально-экономических групп повысилась частота контактов и увеличилась мобильность. Это привело к передаче инфекции среди лиц в высоких социально-экономических группах, что наблюдалось как вторая волна, и, кроме того, вторая волна охватила как сельские, так и городские районы. Похоже, что вторая волна затем закончилась, когда люди избавились от вируса и стали, по крайней мере, временно, иммунными. Однако новые бета- и альфа-варианты, представленные в Кении, оказались более заразными и вызвали третью волну среди как высоких, так и низких социально-экономических групп (с марта 2021 года).
Во многих других африканских странах наблюдались множественные волны, которые, похоже, не полностью объясняются сроками введения ограничений, и, поскольку у них также есть общие схожие социально-экономические группы в городских центрах, ученые предполагают, что эти объяснения могут применяться более широко. Понимание причин возникновения таких множественных волн имеет решающее значение для прогнозирования потребности в госпитализации и вероятной эффективности вмешательств, включая стратегию вакцинации.
Доктор Сэмюэл Брэнд из Института системной биологии и эпидемиологических исследований инфекционных заболеваний (SBIDER) и Школы наук о жизни Университета Уорика сказал: «Это одно из первых исследований, в которых рассматриваются подробные прогнозы динамики COVID-19 в разных странах. множественные волны в тропической Африке к югу от Сахары. Мы считаем, что это устанавливает новый стандарт для работы по моделированию общественного здравоохранения, которая может проводиться в реальном времени в развивающихся странах ».
Д-р Джон Охал из KEMRI-Wellcome Trust Research Program сказал: «В странах с высоким уровнем доходов проводятся очень подробные исследования моделирования такого рода, но ранее в тропической Африке к югу от Сахары таких исследований не проводилось».
Профессор Мэтт Килинг, директор Института Зеемана в Университете Уорика, сказал: «Исследования в странах с высоким уровнем дохода показывают, что предположение о равномерном смешении населения хорошо работает для объяснения передачи SARS-CoV-2 в этих странах. Ясно, что это не всегда так, как показано в нашем исследовании Кении, и вариации в разбросе по социально-экономическим группам могут преобладать в других условиях с низким доходом».
Профессор Эдвин Бараса, директор исследовательского центра KEMRI-Wellcome Trust в Найроби, сказал: «Я не удивлен выводами о заметном неравенстве передачи по социально-экономическим группам в Кении, где очень высока доля городского населения, работающего. в неформальном секторе, которые не могут позволить себе роскоши сокращать контакты, но нуждаются в повседневной работе ».
Результаты моделирования показывают, что первая и вторая волны инфекций объясняются различиями в мобильности и частоте контактов между высокими и низкими социально-экономическими группами в Кении. Фото: Pixabay[/caption]
Объединение данных о распространенности антител, результатах ПЦР-тестов, геномного надзора и мобильности населения со смартфонов позволило разработчикам моделей инфекционных заболеваний объяснить эволюцию первых трех волн COVID-19, которые затронули Кению с начала пандемии.
Моделирование, проведенное совместно Уорикским университетом и исследовательской программой KEMRI-Wellcome Trust в Кении, объясняет пандемию COVID-19 в Кении последовательными волнами передачи через различные социально- экономические группы , за которыми следует инфекция, усиленная введением новых вариантов, пишет medicalxpress.com.
Исследование было опубликовано в журнале Science и получило финансирование в рамках Совместной инициативы по исследованиям в области обеспечения готовности к эпидемиям и ответных мер, сотрудничества между Wellcome и Министерством иностранных дел, по делам Содружества и развития (FCDO), а также финансирование от Национального института здравоохранения. Исследования (NIHR).
Прогнозирование будущего распространения COVID-19 требует понимания прошлых моделей. Команда использовала математическую модель, чтобы проверить объяснения первых трех волн эпидемии COVID-19 в Кении.
Работа, проведенная совместно учеными Уорикского университета и исследовательской программой KEMRI-Wellcome Trust в Кении, впервые объединила данные исследования антител COVID-19, данные ПЦР, данные геномных вариантов и данные о мобильности Google, стремясь найти объяснение волнам COVID-19 в Кении. Затем цель заключалась в предоставлении основанных на политике прогнозов будущих волн в стране на основе результатов модели.
Низшие социально-экономические группы были определены как уязвимые для SARS-CoV-2 на глобальном Юге из-за проживания в неформальных поселениях с высокой плотностью населения, ограниченного доступа к санитарии и зависимости от неформальной занятости, которая требует ежедневной мобильности. Напротив, представители более высоких социально-экономических групп с гарантированной работой могут работать из дома, физически удаленно и иметь свободный доступ к воде и санитарии, тем самым снижая передачу.
Результаты моделирования показывают, что первая и вторая волны инфекций объясняются различиями в мобильности и частоте контактов между высокими и низкими социально-экономическими группами в Кении. На начальном этапе эпидемии (с марта 2020 г.) люди из высоких социально-экономических групп смогли снизить свою мобильность и частоту контактов, а люди из более низких социально-экономических групп - нет. Это привело к передаче инфекции среди лиц из более низких социально-экономических групп, которая наблюдалась как первая волна в городских центрах. Когда эти люди выздоровели от инфекции и приобрели иммунитет, по крайней мере временно, первая волна закончилась.
Ко времени второй волны (с октября 2020 г.) у лиц из высоких социально-экономических групп повысилась частота контактов и увеличилась мобильность. Это привело к передаче инфекции среди лиц в высоких социально-экономических группах, что наблюдалось как вторая волна, и, кроме того, вторая волна охватила как сельские, так и городские районы. Похоже, что вторая волна затем закончилась, когда люди избавились от вируса и стали, по крайней мере, временно, иммунными. Однако новые бета- и альфа-варианты, представленные в Кении, оказались более заразными и вызвали третью волну среди как высоких, так и низких социально-экономических групп (с марта 2021 года).
Во многих других африканских странах наблюдались множественные волны, которые, похоже, не полностью объясняются сроками введения ограничений, и, поскольку у них также есть общие схожие социально-экономические группы в городских центрах, ученые предполагают, что эти объяснения могут применяться более широко. Понимание причин возникновения таких множественных волн имеет решающее значение для прогнозирования потребности в госпитализации и вероятной эффективности вмешательств, включая стратегию вакцинации.
Доктор Сэмюэл Брэнд из Института системной биологии и эпидемиологических исследований инфекционных заболеваний (SBIDER) и Школы наук о жизни Университета Уорика сказал: «Это одно из первых исследований, в которых рассматриваются подробные прогнозы динамики COVID-19 в разных странах. множественные волны в тропической Африке к югу от Сахары. Мы считаем, что это устанавливает новый стандарт для работы по моделированию общественного здравоохранения, которая может проводиться в реальном времени в развивающихся странах ».
Д-р Джон Охал из KEMRI-Wellcome Trust Research Program сказал: «В странах с высоким уровнем доходов проводятся очень подробные исследования моделирования такого рода, но ранее в тропической Африке к югу от Сахары таких исследований не проводилось».
Профессор Мэтт Килинг, директор Института Зеемана в Университете Уорика, сказал: «Исследования в странах с высоким уровнем дохода показывают, что предположение о равномерном смешении населения хорошо работает для объяснения передачи SARS-CoV-2 в этих странах. Ясно, что это не всегда так, как показано в нашем исследовании Кении, и вариации в разбросе по социально-экономическим группам могут преобладать в других условиях с низким доходом».
Профессор Эдвин Бараса, директор исследовательского центра KEMRI-Wellcome Trust в Найроби, сказал: «Я не удивлен выводами о заметном неравенстве передачи по социально-экономическим группам в Кении, где очень высока доля городского населения, работающего. в неформальном секторе, которые не могут позволить себе роскоши сокращать контакты, но нуждаются в повседневной работе ».
Выбор редакции
