Исследование: COVID-19 распространился в США и Европе раньше, чем предполагалось
Местная передача вируса COVID-19 происходила в Калифорнии, Нью-Йорке, Флориде и Техасе задолго до первого зарегистрированного в США случая заболевания в штате Вашингтон 20 января 2020 года, согласно новому исследованию, опубликованному в журнале Nature, которое показывает, что вирус распространился в США и Европе гораздо раньше и быстрее, чем считалось ранее.
Авторы исследования, международная группа экспертов по передаче инфекционных заболеваний, включая Айру Лонгини, доктора философии, профессора биостатистики в Колледже общественного здравоохранения и медицинских профессий и Медицинском колледже Университета Флориды, пришли к выводу, что узость критериев первоначального тестирования COVID-19, наряду с ограниченными возможностями наблюдения и тестирования, позволили вирусу циркулировать необнаруженным в течение нескольких недель. Они пишут, что к декабрю 2019 года и январю 2020 года в нескольких районах Европы и США была вероятна передача вируса в общинах, а к началу марта системами эпиднадзора были выявлены лишь 1-3 из 100 случаев инфицирования.
Реконструкция раннего незамеченного распространения COVID-19 - это не просто интересное академическое упражнение, говорит Лонгини, она предлагает важные идеи, которые помогут странам подготовиться к будущим вспышкам вариантов COVID-19, таких как омикрон, или к возникающим угрозам инфекционных заболеваний.
"Наша модель позволяет быстро спрогнозировать размеры и пути развития возникающей эпидемии гораздо раньше, чем можно было бы подумать", - сказал Лонгини, сотрудник Института новых патогенов UF. "Обладая этой информацией, можно проводить эпидемиологические мероприятия, такие как эпиднадзор и сдерживание, чтобы смягчить передачу инфекции на местном уровне"
Для отслеживания первой волны COVID-19 в США и Европе группа использовала статистическую модель, известную как проект "Глобальная эпидемия и мобильность" (GLEAM). GLEAM разделяет мир на 3 200 субпопуляций, сосредоточенных вокруг транспортных узлов в 200 городах, чтобы смоделировать возможные сценарии эпидемии, и калибруется с учетом реальных данных о таких факторах, как потоки воздушного и наземного транспорта, демографические характеристики населения, динамика заболеваний, поведение и время принятия мер, в том числе блокировки.
Ученые использовали GLEAM в начале пандемии для анализа распространения COVID-19 в Китае и пришли к выводу, что ограничения на поездки из Уханя могли лишь на несколько дней задержать распространение вируса на материковый Китай. Результаты нового исследования подтверждают ограниченность ограничений на поездки в плане остановки распространения инфекционных заболеваний.
"Запреты на поездки не работают; они всегда действуют слишком поздно", - сказал Лонгини. "К тому времени, когда страна вводит запрет, болезнь уже распространяется в этой стране. Вероятно, в настоящее время это относится к вызывающему опасения варианту COVID-19 omicron, который обнаруживается во многих местах за пределами южной части Африки"
По словам Лонгини, что действительно работает на ранних стадиях вспышки, так это хороший эпиднадзор и быстрое принятие мер по сдерживанию. В случае COVID-19, например, болезнь имеет некоторые отличительные признаки, такие как потеря вкуса и обоняния, и мониторинг данных о симптомах мог бы помочь сотрудникам здравоохранения точно определить области местной передачи.
Далее, использование тестов полимеразной цепной реакции, или ПЦР, как только они становятся доступными, наряду с немедикаментозными мерами, такими как ношение масок, физическое дистанцирование, потенциальные изоляторы, изоляция больных и карантин для близких контактов, может значительно снизить передачу инфекции.
"Этого можно добиться с помощью базовой эпидемиологии и хорошего эпиднадзора за инфекционными заболеваниями", - сказал Лонгини. "Но вы должны знать, где искать и где это реализовать. Мы продемонстрировали, что аналитически возможно прогнозировать раннее распространение с помощью правильных инструментов. Мы разработали модель и методы для этого, чтобы в следующий раз мы могли спрогнозировать будущее и использовать эту информацию для координации стратегий раннего контроля до появления лечения и вакцин"
