Гість: R0 та імунітет стада

Поза кривою: блог доктора Пітера Лурі COVID-19

Це гостьовий пост старшого юриста з питань політики CSPI Ешлі Хіксон. Переглянути всі публікації Beyond the Curve.

Корисною перевагою пандемії коронавірусу є те, як вона підкреслює те, що ми всі разом перебуваємо у цьому важкому становищі. Для того, щоб «згладити криву», нам усім потрібно діяти спільно, одягаючи маски, миючи руки, дотримуючись рекомендацій щодо соціального дистанціювання та взагалі мінімізуючи контакт з іншими. В епідеміології це поняття взаємозалежності закладено в поняття «імунітет стада». Коли більша частина населення не застрахована від інфекційного захворювання, це забезпечує непрямий захист - або імунітет стада - навіть тим, хто не має імунітету до цієї хвороби. По суті, як тільки популяційний імунітет досягне певного рівня, ваші шанси натрапити на когось, хто є інфекційним, значно зменшуються. Залежно від того, наскільки інфекційною є хвороба, зазвичай для встановлення імунітету стада потрібно мати імунітет від 70 до 90% населення. Але рівень антитіл, який вимірює попередній вплив вірусу, становить лише близько 25% у Нью-Йорку і значно нижче майже скрізь. І це передбачає, що наявність антитіл забезпечує імунітет - те, що ще не доведено. Таким чином, більшість населення залишається сприйнятливим до зараження.

Враховуючи високу частку все ще сприйнятливих людей, не дивно, що спалахи COVID-19 продовжуються в таких містах, як Чикаго, Х'юстон, Лос-Анджелес, Маямі та Фенікс. Ці похмурі події малюють картину спалаху, який не міститься і все ще швидко поширюється.

Як епідеміологи зображують потенціал поширення інфекційного захворювання? Тут ми звернемося до технічного терміну, про який ви, можливо, чули (і, напевно, буде): базове відтворювальне число, позначене як R0 (вимовляється як "R нічого"). Цей показник описує ймовірний вплив однієї інфекції - кількість людей, яким заражена людина, швидше за все, передасть хворобу, якщо ніхто не захищений. Це одна з найбільш фундаментальних метрик при вивченні спалахів інфекційних хвороб. Отже, якщо кожна людина поширює інфекцію на двох людей, а кожен цикл зараження займає тиждень, приблизно через місяць інфікуються 16 людей (звичайно, в цей період частина з 16 буде одужати).

Щоб зрозуміти, з теоретичної точки зору, як обчислюється R0, розглянемо одного зараженого, який захворів на захворювання на початку спалаху, коли ніхто не має імунітету. Щоб підрахувати, скільки людей ця людина заразить, спочатку слід з’ясувати, як довго людина є інфекційною (від 2 до 14 днів для COVID-19, згідно з даними Центрів контролю та профілактики захворювань) і помножити це на кількість людей, яких вони зустріч на день. Кількість зустрінутих контактів може бути розрахована як на індивідуальному (за допомогою відстеження контактів), так і на рівні популяції. Нарешті, ми множимо це на ймовірність зараження для кожного зіткнення, оскільки, на щастя, переважна більшість випадків не призводить до зараження. Це дає нам кількість людей, які були заражені першою людиною. Престо! Це сам R0. (На практиці R0 обчислюється за допомогою складного математичного моделювання з кількома додатковими входами, але це ілюструє концепції, що лежать в основі міри).

Щоб допомогти контекстуалізувати R0, пандемія іспанського грипу 1918 року, яка вбила 50 мільйонів людей у всьому світі, мала R0, який, за оцінками, становив від 1,4 до 2,8. За оцінками, сезонний грип має значення R0 приблизно 1,3. Хоча оцінки R0 для COVID-19 різняться, часто наводять діапазон від 2 до 3.

Але, як правило, незабаром після початку спалаху, деякі люди стають імунітетом, тому R може змінюватися з часом. Тут виникає ефективне репродуктивне число, або Rt (t означає час). Ця цифра описує, чи зростають спалахи, чи залишаються стабільними чи зменшуються. Значення Rt більше 1 вказує на те, що епідемія продовжує зростати, значення Rt 1 вказує на стабільність спалаху (з кожним випадком поширення хвороби на одну людину), а Rt менше 1 означає, що спалах на місці занепаде і за рівних рішень загасне сам.

На додаток до R0 і Rt, фактор дисперсії, або "k", також важливий для оцінки спалаху. К. фіксує думку, що деякі люди поширюватимуть інфекцію на багатьох людей, тоді як інші не поширюватимуть її ні на кого іншого, залежно від соціальної дистанції та безлічі інших пом’якшуючих факторів, таких як носіння маски. Наприклад, дослідження показують, що люди, інфіковані COVID-19, найбільш інфекційні протягом короткого періоду часу; якщо в цей період заражена людина потрапляє у зону високого ризику, може статися надзвичайно поширена подія. Інші взаємодії, навіть з боку тієї самої особи, будуть мати менший ризик. Таким чином, k фіксує рівень складності, який не міститься в R0 або Rt: всі експозиції не створюються рівними. Загалом розподіл інфекційності залежить від вірусу, особливостей потенційного розповсюджувача та обставин поширення інфекції, включаючи зусилля щодо пом'якшення передачі інфекції.

Ми маємо приклади цього в країні із спалахів, пов’язаних з невеликими соціальними подіями. Такі зустрічі, такі як біблійні навчальні групи чи дні народження, частіше відбуваються в приміщенні, створюючи середовище, де вірус може легко поширюватися від людини до людини. 30 травня в Техасі сім’я влаштувала день народження для 25 гостей. Один родич, несвідомо інфікований вірусом, що викликає COVID-19, поширив хворобу на сім членів сім'ї (набагато більше, ніж типове значення для R0); після цієї зустрічі заразилися десять родичів, які не відвідали вечірку. По всій країні грецькі будинки братств та жіночих товариств, поряд із залами проживання, стали місцем спалахів COVID-19 в університетах, включаючи штат Оклахома та Університет Північної Кароліни на Чапел-Хілл. Епідемія спального табору в Грузії минулого місяця призвела до того, що 260 дітей та працівників захворіли на вірус менш ніж за тиждень після спільного проведення часу у близьких кварталах. Цей приклад є найбільшою задокументованою подією, що розповсюджується серед дітей у країні, і дає паузу для занепокоєння щодо майбутнього навчального року.

На відміну від R0, обчислення для k є занадто залученим для обговорення тут. Досить сказати, що він фіксує неоднорідність з ймовірністю передачі у даній популяції. Якщо невелика кількість осіб відповідає за велику кількість передач, значення k буде близьким до нуля. Поки ми продовжуємо оцінювати поширення цієї хвороби, k буде важливим заходом, який слід враховувати при прийнятті рішень щодо відновлення роботи шкіл та підприємств.

Дослідження, що моделювало спалахи COVID-19 у різних країнах, виявило, що значення k становить приблизно 0,1, вказуючи на те, що лише 10% інфікованих осіб можуть бути пов'язані з 80% передач. Це забезпечує промінь надії: якщо ми зосередимось на потенційних суперпоширених подіях, таких як, гм, закриті політичні мітинги, ми можемо мати непропорційний вплив на хід пандемії.