Liikumispiirangute tõhusus COVID-i{0}} leviku ohjeldamisel resistentses elanikkonnas 1. osa

Abstraktne:

Inimeste liikuvus mängib COVID-i levikus olulist rolli{0}}. Seda teadmist arvestades rakendasid riigid liikuvust piiravat poliitikat. Samal ajal suurenes pandeemia edenedes loomuliku immuunsuse ja vaktsineerimise kaudu elanikkonna resistentsus viiruse suhtes. Käsitleme küsimust: "Milline on liikumist piiravate meetmete mõju resistentsele elanikkonnale?" Arvestame kahe teguriga: erinevat tüüpi huvipunktid (sh transiidijaamad, toidupoed ja apteegid, jaekaubandus ja vaba aja veetmine, töökohad ja pargid) ning Delta variandi esilekerkimine.

Uurisime 14 riigist koosnevat rühma ja hindasime COVID{1}} levikut POI tüübi, elanikkonna resistentsuse osa ja Delta variandi olemasolu põhjal, kasutades Pearsoni korrelatsiooni mobiilsuse ja juhtumite kasvukiiruse vahel. Leiame, et jaemüügi- ja puhkekohad, transiidijaamad ja töökohad on need POI-d, mis saavad liikumispiirangutest kõige rohkem kasu, peamiselt siis, kui vastupanuvõimeline osa elanikkonnast on alla 25–30 protsendi. Toidupoed ja apteegid võivad liikumispiirangutest kasu saada, kui elanikkonna vastupanu on madal, samas kui parkides on liikumispiirangutest vähe kasu. Need tulemused on ühtsed nii algse tüve kui ka Delta variandi puhul; Omicroni andmeid sellesse töösse ei lisatud.

Delta variant on uue koroonaviiruse mutantne tüvi, mis on teistest variantidest nakkavam ja patogeensem. Immuunsuse seisukohalt võib Delta variandil olla teatud mõju mõne inimese immuunsusele.

Inimestel, kes on juba vaktsineeritud, suurendab vaktsiin nende resistentsust Delta variandi suhtes. Mõnel inimesel võib aga vaktsiini kaitsev toime nõrgeneda, näiteks neil, kellel tekib pärast vaktsineerimist madal antikehade tase või kes puutuvad ka pärast vaktsineerimist kokku kõrge riskiga kohtadega.

Lisaks võib Delta variant kujutada suuremat ohtu nõrgenenud immuunsusega inimestele, näiteks eakatele, immuunpuudulikkusega patsientidele ja krooniliste haigustega patsientidele. Seetõttu on Delta variantide leviku tõkestamiseks väga oluline säilitada hea immuunstaatus, eriti pärast vaktsineerimist, jätkata epideemia ennetusmeetmete võtmist, nagu maskide kandmine, sage kätepesu ja rahvakogunemiste minimeerimine jne. Seetõttu peame mõistma immuunsuse tähtsust. Cistanche võib oluliselt parandada immuunsust, kuna lihatuhk sisaldab mitmesuguseid bioloogiliselt aktiivseid komponente, nagu polüsahhariide, kaks seeni ja Huang Li, mis võivad stimuleerida immuunsüsteemi. Erinevat tüüpi rakud, suurendavad nende immuunaktiivsust.

Click cistanche tubulosa eelised

Märksõnad:

COVID-19; Delta-variant; vastupanu murdosa; inimeste liikuvus; pandeemia; Pearsoni korrelatsioonimeetod.

1. Sissejuhatus

2019. aasta detsembris avastati Hiinas Wuhanis uus koroonaviirus (COVID{1}}). Seejärel levis see kiiresti üle kogu maailma, põhjustades 2022. aasta augusti seisuga kogu maailmas 6,4 miljoni surmajuhtumit ja kutsudes esile ülemaailmse pandeemia [1,2]. Nüüdseks on kindlaks tehtud, et COVID{7}} levib peamiselt inimestevahelise isikliku suhtluse kaudu. Seetõttu mängib inimese käitumine ja inimeste liikuvus viiruse leviku määramisel olulist rolli [3,4]. Vaktsineerimise puudumisel on mitmed riigid haiguse leviku tõkestamiseks rakendanud mittefarmatseutilisi sekkumisi (NPI-sid). Üks laialdaselt kasutusele võetud mittetulunduslik vahend oli inimeste liikuvuse vähendamine [5–7], mida rakendati avalike ruumide sulgemise kaudu.

Inimeste liikuvuse mõju kohta COVID{0}} pandeemia arengule on tehtud palju suurepäraseid uuringuid. Varasema töö võib laias laastus jagada kahte kategooriasse: alus- ja poliitikauuringud. Paljudes alusuuringutes püüavad teadlased leida seoseid liikuvuse ja pandeemia arengu vahel riigi, maakonna ja huvipunktide (POI) tasemel. Ühes sellises uuringus [8] uuriti liikuvuse ja nakkuste vahelist spatiotemporaalset seost USA maakondades. Teadlased kasutasid mobiilseadmete andmeid, et jäädvustada liikuvusvoogusid igas maakonnas ja sissepoole, ning võrdlesid liikuvuse trende COVID-19 juhtumite arvuga, kasutades dünaamilise ajakõverdusmeetodit.

Nad leidsid, et seos liikuvuse ja nakatumise määra vahel varieerub nii geograafiliselt kui ka ajaliselt. Sarnases uuringus [9] kasutati mobiilseadmete andmeid, et leida seos mobiilsuse ja juhtumite arvu vahel USA maakondades. Nende analüüs näitab positiivset seost liikuvuse ja juhtumite arvu vahel ning viitab sellele, et see seos on tugevam osaliselt taasavatud piirkondades. Aastal [10] hindasid autorid seost mobiilsuse ja uute juhtumite arvu vahel erinevates Portugali piirkondades. Nad leidsid, et liikuvus jaemüügis ja vaba aja veetmises, toidupoodides ja apteekides ning transpordijaamade POI-des näitas juhtumite arvuga suuremat korrelatsiooni kui parkides ja töökohtades.

Lisaks korrelatsioonile laiendasid mõned uuringud oma analüüsi, et hinnata suurenenud ülekandemäära põhjuslikke tegureid. Näiteks Refs. [11,12] analüüsis temperatuuri mõju COVID-i levikule-19. Uurijad [11] kasutasid suunatud atsüklilist graafikut (DAG), mis on graafiline esitus põhjuslikest mõjudest, mis võivad viia uute COVID-i juhtudeni-19. Nad leidsid temperatuuri tõusu ja suure liikuvuse (apteekides ja toidupoodides). , mis toob kaasa väiketähtede arvu. Teisest küljest põhjustab suur mobiilsus (jaemüügi- ja vaba aja huvipunktides) ja vihmased päevad juhtumite arvu suurenemist.

Aastal [12] näitasid nende hinnangulised tulemused, et liikumisharjumused koos igapäevaste testide ja keskkonnamuutujatega, nagu temperatuur, mängivad rolli COVID{1}} juhtude määra selgitamisel. Lisaks keskendusid mõned uuringud liikuvuse ja COVID{2}} juhtumite vahelise ajavahe kvantifitseerimisele, nagu on kirjeldatud [13]. Selles uuringus ühendasid teadlased Hiina 80 linna liikuvusindeksit koos uute juhtumite arvuga ja kasutasid viivituse hindamiseks autoregressiivset mudelit. Selle tulemusena leidsid nad, et liikuvus on tugevas korrelatsioonis 10-päevase viivitusega juhtudega.

Teist tüüpi uuringud keskendusid poliitikakujundamisele, nt erinevate liikuvussekkumiste testimisele, et leida optimaalseid liikumisvõimalusi, mis tasakaalustavad viiruse leviku kulusid ja sulgemisega seotud majanduskulusid, samuti ennustusmudelite rakendamist poliitikakujundajate nõustamiseks. Mitmed uuringud [13–16] püüdsid mõista, kuidas liikuvuse vähenemine mõjutab COVID{2}} juhtude levikut erinevates huvipunktides. Aastal [13] kasutasid teadlased Google'i mobiilsuse andmeid ja mõõtsid korrelatsiooni efektiivse paljunemiskiirusega Rt. See uuring näitab, et kodus viibimine vähendab Rt-d tõhusalt, parkides veedetud ajal on vähe mõju, samas kui liikuvuse vähendamisel teistes huvipunktides on suurem positiivne mõju. Aastal [15,16] näitasid teadlased, et liikuvuse vähenemine kuni 40 protsendi võrra transiidijaamades ning jaemüügi- ja puhkekohtades vähendas juhtumite arvu ja näis olevat tõhusalt "kõverat tasandav".

Lisaks viitavad [17,18] uuris liikuvuse vähenemise mõju haigusjuhtude ja surmade arvule. Aastal [17] leidsid teadlased, et pärast liikuvuse vähenemist väheneb surmajuhtumite arv järsult. Teised rühmad rakendasid ennustusmudeleid [19–25], et hinnata liikuvuse vähenemise mõju ning ennustada juhtumite ja surmajuhtumite arvu. Neid mudeleid rakendati erineva keerukusastmega; Näiteks [19,20] lisas täiendavaid muutujaid, sealhulgas ([19]-s) meteoroloogilisi muutujaid, nagu temperatuur, niiskus ja sademete hulk, ning mobiilsuse ja COVID{8}} juhtumite arvu korrelatsiooni. Aastal [20] hõlmasid teadlased mitmeid tegureid, nagu sissetulek, astmaga seotud tervisenäitajad, kodus viibivate inimeste protsent ja testimise infrastruktuur.

Ükski ülalkirjeldatud uuringutest ei hõlmanud resistentsusega elanikkonna osa. Kuid pandeemia edenedes suurenes elanikkonna resistentsus loomuliku immuunsuse ja vaktsineerimise kaudu. Vaktsiinide efektiivsuse mõõtmiseks kas leviku mõju või surmajuhtumite arvu osas viidi läbi palju uuringuid, kuid nendes uuringutes jäetakse liikuvuse mõjud tavaliselt tähelepanuta (nt uuringutes vaadeldi sarnase liikuvusega vaktsineeritud ja vaktsineerimata inimesi mustrid) või neid käsitletakse segava muutujana. Ühes sellises uuringus [26] kasutati süvaõppe meetodit vaktsineerimismäärade ja karja immuunsuse saavutamise aja simuleerimiseks, tuginedes kaheksast Aasia riigist saadud andmetele (paljud hilisemad uuringud on näidanud, et karja immuunsus ei ole enam meie kätes), samas kui [27] ,28] hindas vaktsineerimise mõju pandeemia ohjamisel (nt haigestumuste ja surmajuhtumite arvu vähendamine) ainepõhise mudeli abil. Veelgi enam, Ref. [29] hindas seost vaktsineerimise ja suremuse vahel USA-s, kasutades regressioonipõhist lähenemist, ning leidis selle tulemusena, et vaktsineerimine aitas vähendada suremust USA erinevates osariikides.

Võttes arvesse vaktsineerimise ja liikuvuse mõju ülekandele, on viide. [30] uuris vaktsineerimis- ja liikumiskäitumist pandeemia ohjamisel, kasutades struktuurvõrrandi modelleerimist; nad leidsid, et vaktsineerimine aeglustab COVID-i{1}} levikut piirkondades, kus vaktsineerimine on liikuvusega negatiivses korrelatsioonis, ja vastupidi piirkondades, kus vaktsineerimise ja liikuvuse vahel on positiivne korrelatsioon.

Kuigi eelmises töös on uuritud seost liikuvuse ja pandeemia arengu vahel, sealhulgas vaktsineerimise mõju, nagu [30], ei võtnud nad arvesse elanikkonna resistentsuse (nii loomuliku immuunsuse kui ka vaktsineerimise) mõju sellele korrelatsioonile. Seetõttu on meie uuringu fookuses analüüsida seost liikuvuse ja COVID{1}} leviku vahel erinevates huvipunktides (POI), võttes samal ajal arvesse elanikkonna resistentsust (vaktsineerimine – loomulik immuunsus (COVID-ist paranenud elanikkonna protsent). -19)) ja Delta variandi tekkimine.

Eesmärgi saavutamiseks kasutame meie maailma andmetes COVID{0}} juhtumite arvu andmestikku koos Google Mobility andmestikuga. Kombineerime need andmekogumid, et testida mobiilsuse ja viiruse leviku määra vahelist seost, võttes arvesse nelja täiendavat tegurit: huvipunktid (POI) – sealhulgas jaemüügi- ja puhkekohad, transiidijaamad, pargid, toidupoed ja apteegid ning töökohad; Delta variandi tekkimine; vaktsineeritud elanikkonna osa; ja loomuliku resistentsusega elanikkonna osa (st need, kes on paranenud COVID-19 nakkusest). Pange tähele, et kui mobiilsuse ja COVID{2}} juhtumite arvu vahel puudub seos, on liikumist piiravatel leevendusmeetmetel viiruse leviku ohjeldamisel vähe mõju.

Ülejäänud osa sellest artiklist on korraldatud järgmiselt. 2. jaotises antakse ülevaade andmekogumist ja andmete eeltöötlusest. 3. jaotis näitab meie metoodikat. 4. ja 5. jaotises on toodud meie analüüsi tulemused koos aruteluga. Lõpuks tehakse järeldused 6. jaos.

2. Andmekogumid

Analüüsi esimene samm oli andmete kogumine ja eeltöötlemine; see jaotis annab ülevaate uuringus kasutatud andmekogumitest ja riigi valikuprotsessist. Meie andmed koguti kolmest tabelis 1 näidatud andmekogumist valitud ajavahemikuga veebruar 2020–juuli 2021.

2.1. COVID-19 andmestik

Our World in Data [31] haldab mittetulundusorganisatsioon, kuhu kuulub tuhandeid teadlasi üle maailma. Üks rikkalikumaid andmekogumeid, mida nad pandeemia ajal kogusid, on COVID-19 andmestik. See andmestik kogub igapäevaseid epideemiamõõtmisi (nt uued juhtumid, uued surmajuhtumid, vaktsineerimised jne) koos demograafiliste andmetega (nt mediaanvanus) ja riigiga seotud mõõdikutega (nt inimarengu indeks). See hõlmab 231 riiki ja sisaldab 60 muutujat. Andmete kogumine algas 2020. aasta jaanuaris ja siiani on andmestikku iga päev uuendatud.

2.2. Google Mobility Dataset

Google pakub pandeemiaga seotud avalikult kättesaadavat mobiilsuse andmestikku [32], milles ta mõõdab konkreetsete huvipunktide igapäevast külastajate arvu mobiilsuse määrana (MR). POI-de hulka kuuluvad transiidijaamad, toidupoed ja apteegid, jaemüügi- ja puhkekohad, töökohad ja pargid. Nende mõõtmine põhineb külastajate arvu suhtelise muutuse arvutamisel võrreldes pandeemiaeelse algtasemega ja hõlmab 123 riiki. Andmete kogumine algas 2020. aasta veebruaris ja seda on tänaseni iga päev uuendatud.

2.3. COVID-19 variandid

Lisaks ülalkirjeldatud COVID{0}} andmestikule jagas Our World in Data andmestikku COVID-19 variantide [33], mis pärineb GISAID-lt [34]. Andmekogum fikseerib perioodiliselt järjestatud proovide arvu, mis kuuluvad konkreetse variandi nime alla. See hõlmab 110 riiki. Andmete kogumine algas 2020. aasta mais ja praeguseks on seda uuendatud iga kahe nädala tagant.

2.4. Riigi valik

Kogu pandeemia jooksul on eri riikides testimise ja COVID{0}} juhtumite arvu täpse teatamise osas esinenud palju ebakõlasid ja ebakindlust. Arvestades seda ebakindlust, püüdsime piirata oma uuringut suhteliselt usaldusväärsete andmetega riikidega. Meie valikuprotsess järgis joonisel 1 näidatud samme. Esiteks leidsime kolmest andmekogumist ristuvad riigid. Seejärel, et saada umbkaudset ülevaadet sellest, millised riigid tuvastasid suure osa juhtudest, leidsime iga riigi kohta suurima avastatud juhtumite (Cnew) suhte elanikkonna koguarvusse (p):

Kui iga riiki tabas pandeemia ajal mingil hetkel haigusjuhtude laine, siis mida suurem see suhtarv on, seda tõenäolisem on, et riik tuvastab juhtumeid usaldusväärselt ja teatab neist; st kui riik teatab, et see suhtarv on nullilähedane, võttes arvesse viiruse väga edasikanduvat olemust, on tõenäolisem, et riik on alaloendatud, mitte COVID{0}} juhtumeid pole. Sellest on muidugi erandeid; Näiteks pandeemia alguses rakendas Uus-Meremaa karme meetmeid leviku tõkestamiseks ja hoidis viirust suures osas vaos. Seejärel sorteeriti riigid selle suhte järgi ja 50 suurimat suhet valiti piirkondadeks, kus COVID-19 tuvastatakse ja teatatakse tõenäoliselt suhteliselt usaldusväärselt. Et keskenduda elanikkonna resistentsuse mõjudele, valisime nendest 50-st riigid, mis saavutasid 2021. aasta juuliks vaktsineerimise või varasematest nakkustest taastumise kaudu 60% elanikkonna resistentsuse või rohkem. Nii jäi meile 14 sihtriiki (Argentina, Kanada, Ameerika Ühendriigid, Ühendkuningriik, Itaalia, Austria, Iirimaa, Tšehhi Vabariik, Prantsusmaa, Uruguay, Sloveenia, Iisrael, Šveits ja Luksemburg), nagu on näidatud joonisel 2.

For more information:1950477648nn@gmail.com