ГРАФИКИ | Доктор: необязательно полностью запирать себя в четырех стенах

Доктор наук, генетик Наталия Первякова в своем блоге написала статью о том, какими способами можно победить эпидемию коронавируса. Мы публикуем эту статью с разрешения автора.

Сегодня я хотела бы рассказать, как ”заглядывают” в будущее, а если точнее, как делаются оценки рисков и соответствующие прогнозы, чтобы оценить реальное влияние COVID-19 на нашу ближайшую жизнь. Я постараюсь сделать это максимально легко и доступно. А если вам не хочется читать всю статью, то для вас я написала вывод сразу в первом абзаце:

Даже простые модели говорят нам о том, что многого не нужно, чтобы затормозить эпидемию, — на сегодняшний день (в момент написания статьи — 1 декабря) в Эстонии необязательно полностью запирать себя в четырех стенах, достаточно уменьшить число контактов хотя бы на 20%, держать дистанцию и носить маску в закрытых помещениях. Если говорить о сокращении контактов, то самое действенное — уменьшить контакты с людьми, которые не входят в число наших ежедневных/обязательных контактов. Тем самым мы повышаем безопасность нашей семьи и наших коллег. А как следствие, наше государство может дольше функционировать без нового локдауна, а значит, и падения уровня жизни населения. Однако, если и дальше будет такой тренд, как сейчас, то перспектива локдауна станет все более реальной, увы.

Есть одно очень важное условие всех предлагаемых мер: мы должны действовать сообща. Нашим путеводителем через эту эпидемию должна стать солидарность. Самое важное сейчас — не дать взлететь экспоненте, которая упорно пытается это сделать.

Из этой картинки видно, что на коэффициент репродукции воздействуют как факторы, на которые мы никак не можем влиять (например количество дней, когда человек заразен), так и факторы, на которые мы можем влиять (например число контактов, ношение масок и соблюдение дистанции). К чему, собственно, и идет призыв с самой весны.

Начать придется с теории: с коэффициента репродукции R (первая картинка), который вы наверняка встречали много раз за последний год. Если говорить очень упрощенно: этот коэффициент описывает, скольких людей заразит один заболевший. Самое важное, что я хочу до вас донести, – это то, как нужно смотреть на этот коэффициент. Для начала возьмем теоретические данные:

Я хочу, чтобы на этом графике вы обратили внимание на разницу между показателями 1 и 1.1. Если R становится больше единицы, то это означает, что количество зараженных людей будет расти по экспоненте или, другими словами, как ядерная цепная реакция. Если же значение коэффициента R будет ниже единицы, то для нас это означает, что болезнь замедляет свое распространение, а то и вовсе может остановиться.

И вот теперь я хочу вам показать реальные данные по Эстонии:

Цветным закрашены случаи заражения по уездам за последние 60 дней. Самое важное, на что здесь следует взглянуть: как будет расти заболеваемость при R = 1.1, R = 1.2 и R = 1.3. Разница может достигать 400 новых случаев в день, то есть к середине декабря возможен сценарий, при котором будут заболевать более 1000 людей в день. Вот поэтому так важно сдерживать коэффициент репродукции R.

Повторю кратко вывод, который уже привела в начале статьи: важно комплексное применение мер: нужно и мыть руки, и держать дистанцию, и носить маски, и уменьшить число контактов. Тогда результаты появятся в скором времени. Помните, что все результаты проявляются с задержкой во времени, иными словами, если мы действуем сегодня, то результат будет ощутим через 1-2 недели, поэтому в вопросах эпидемии нужно действовать превентивно.

Дальше поговорим о прогнозах и реальных данных

Прогнозы помогают не только в вопросах возможного числа заболевших, но и в том, какова будет необходимость в больничных местах и палатах интенсивной терапии для лечения людей со средней и тяжелой формой заболевания. Модели прогнозирования всегда строятся как на имеющихся данных, так и на предположениях. Чем больше нам (человечеству) известно о вирусе, тем более точные данные могут быть взяты в расчет и тем более точной будет модель. Например, сейчас уже можно построить модели, которые опишут частоту тяжелых случаев заражения, сколько времени проходит от момента заражения до момента попадания в больницу, сколько времени один пациент проводит в больнице, вероятность необходимости использования палаты интенсивной терапии, сколько один пациент проводит в палате интенсивной терапии, какова смертность и время до смерти. Для любознательных и усидчивых привожу ссылки на самые популярные методы, которыми пользуются ученые для составления прогнозов: SIR/SEIR и Monte-Carlo. Здесь же покажу результаты этих моделей (автор доктор Марио Кадастик).

Давайте рассмотрим визуализацию модели, которая описывает необходимость больничных мер. На графике представлены различные варианты в зависимости от того, как будут действовать меры, принятые 24.11.2020, на момент принятия мер R = 1.2.

Обратите внимание на коэффициент R и на то, как меняется прогноз в зависимости от величины этого коэффициента. Мы делаем предположение, что меры начинают работать сразу, и в таком случае мы будем продолжать видеть рост числа пациентов в больницах в течение 1-2 недель. Эта модель подтвердилась на практике весной: максимальное число заболевших было зарегистрировано 1 апреля, примерно через две недели после ввода чрезвычайного положения (eriolukord), после этого заболеваемость пошла на спад. Но при этом мы видели увеличение числа госпитализированных пациентов с 91 до 151 человека. Этот показатель начал падать только начиная с 12 апреля. Исходя из весенних данных, а также осеннего прогноза, получается, что если сейчас госпитализированы чуть более 200 человек, то можно быть уверенным, что их число увеличится до 300-400 человек, даже при условии, что меры реально начнут действовать сразу и мы даже увидим небольшое снижение заболеваемости.

А вот еще два прогноза: а) необходимость в лечении в палатах интенсивной терапии и б) возможная смертность. Если сопоставить эти прогнозы с количеством мест в больницах, создается не очень оптимистичный прогноз: к середине декабря (или даже раньше в отдельных регионах) может возникнуть острая нехватка мест в больницах.

И на десерт поговорим об эффективности мер, которые применяются для сдерживания эпидемии. В середине ноября в журнале Nature был опубликован большой разбор различных ограничений, которые применяются в разных странах. Исходя из этих данных видно, что самым эффективным ограничением является отмена встреч маленькими группами. Такой запрет помогает снизить R в среднем на 0.2-0.4. Нашей стране такого уменьшения R было бы уже достаточно. Перечисленные ограничения расставлены в порядке важности, первые восемь отмечены как самые действенные. Восьмым пунктом обозначена мера: обучение и активное общение с обществом. Так что можно сказать, что и эта статья внесла небольшой вклад в победу над эпидемией.

Я очень хочу, чтобы и наши самые худшие прогнозы не оправдались. Напоследок добавлю, что никто не может вам дать гарантию 100%, что именно такой прогноз реализуется полностью. Тем не менее иметь разные прогнозы всегда лучше, чем ничего – это практически единственный шанс заглянуть в будущее и лучше понять, к чему мы движемся и как избежать страшных ошибок ценой в человеческие жизни.

Доктор Первякова, профессор Фишер и доктор Попов.