Поскольку глобальная реакция на COVID-19 разворачивается в режиме реального времени, официальные лица здравоохранения призывают к беспрецедентным мерам, чтобы "сгладить кривую." Но как узнать, какие действия могут замедлить распространение и на сколько??
Ответ – модель пандемии, которую Дионн Алеман, исследователь факультета прикладных наук Университета Торонто & Инжиниринг, имеет непосредственный опыт строительства.
Алеман, доцент кафедры машиностроения и промышленной инженерии, является экспертом в области исследования операций, уделяя особое внимание приложениям в области здравоохранения. Десять лет назад она создала модель гипотетической пандемии и использовала ее, чтобы изучить, как такие факторы, как демографические различия в скорости передачи или стратегии смягчения последствий, влияют на спрос на медицинские услуги.
"Эти модели могут использоваться как «что, если машины», чтобы помочь должностным лицам общественного здравоохранения ответить на такие вопросы, как: «Является ли стратегия A более эффективной, чем стратегия B?’или’ Будет ли эта стратегия иметь неожиданные последствия для медицинских работников??’" объясняет Алеман.
Писательница Лиз До поговорила с Алеман, чтобы узнать больше о ее исследованиях и о том, как симуляции и моделирование играют жизненно важную роль в обеспечении готовности к пандемии.
Объясните свое исследование в области планирования пандемии. Что на самом деле моделируют ваши модели?
Мои исследования направлены на создание способности моделировать разнородных людей. При этом учитываются уникальные показатели передачи и восприимчивости – в зависимости от возраста и состояния здоровья, а также уникальное поведение. К такому поведению относятся, например, выбор общественного транспорта или решение оставаться дома, когда болеет. Мы учитываем, как распространяются заразные болезни, на основе этих очень специфических сценариев общения от человека к человеку.
Мы можем моделировать и моделируем все, о чем есть данные, включая инфекции по демографическим данным, смертность по демографическим данным, использование койки в отделениях интенсивной терапии (ОИТ) в больницах, инфекции медицинских работников или прогулы в больницах и т. Д. Мы также внедряем стратегии смягчения последствий, такие как социальное дистанцирование и центры вакцинации, а также закрытие школ, транзитных и крупных предприятий, таких как рестораны.
Мы начинаем с большой имитационной модели и превращаем эту модель в большую сеть, где люди представлены в виде узлов, а контакт между двумя людьми представляет собой дугу между этими узлами. Из этой сети мы можем использовать методы оптимизации для выявления наиболее критичных людей в популяции. Это те, которые следует сделать в первую очередь для вакцинации или карантина, чтобы минимизировать распространение болезни. Наиболее критичных людей часто можно определить по их роду занятий, району проживания, возрасту и использованию определенных транзитных маршрутов.
Чем ваши модели отличаются от традиционных прогнозных моделей?
Большинство моделей пандемии основаны на концепции, называемой репродуктивным числом, или R0. Это число представляет собой среднее количество инфекций, которые может вызвать один инфицированный человек. COVID-19, например, имеет R0 около 2.3, согласно последней оценке, которую я видел, хотя это число все еще увеличивается по мере появления новых данных.
Это число хорошо подходит для быстрого прогнозирования общих уровней инфекций с течением времени и влияния снижения R0 посредством, скажем, социального дистанцирования.
Но R0 может отличаться в городской и сельской среде и даже может отличаться в разных частях больших городов. Он также не может надежно фиксировать целевые стратегии смягчения последствий, такие как закрытие школ или вакцины и карантин для лиц из группы высокого риска. Наши модели создают уникальных людей для каждого жителя города на основе известных демографических данных, возраста, использования школ, рабочих мест, использования транспорта и т. Д. Это означает, что они могут собирать данные об индивидуальных изменениях в состоянии здоровья и более точно моделировать эффективность целевых стратегий смягчения последствий.
Недостатком этого подхода является то, что требуется гораздо больше данных. Важное предостережение заключается в том, что все модели пандемии в значительной степени основаны на оценках и предположениях, и, хотя общие тенденции и последствия распространения болезни можно точно предсказать, точные цифры того, что происходит – и когда – следует воспринимать с недоверием.
Где были реализованы ваши модели?
Мои модели были разработаны в консультации с исследователями из Агентства по охране и укреплению здоровья Онтарио (OAHPP), которое теперь называется Public Health Ontario (PHO), несколько лет назад. С тех пор мы значительно расширили детализацию моделей и наши методы оптимизации.
Могут ли ваши модели предсказать результаты, например, сколько больных будет в Восточном Йорке по сравнению с Северным Йорком, или какие больницы будут перегружены в первую очередь??
да и нет. Моделирование пандемии покажет потребности в пандемии в каждой больнице и какие больницы пострадали больше всего, но каждая симуляция – это всего лишь один бросок монеты, всего одна возможность.
Здесь задействовано множество случайных событий, поэтому один и тот же сценарий в другом моделировании может указывать на совсем другие результаты.
В качестве примера рассмотрим текущую вспышку COVID-19 как один сценарий и рассмотрим другой сценарий, при котором нулевой пациент в Ухане удобно изолирован в течение двух недель и никого не заразил. Очевидно, что эти два сценария имеют совершенно разные последствия для мира, даже если они начинаются с одной и той же болезни и с одним и тем же первым пациентом.
Итак, нам нужно запустить сотни симуляций, чтобы понять, что происходит в среднем или, скажем, в 90 процентах сценариев. Если одни и те же больницы регулярно появляются в числе наиболее пострадавших, то мы можем быть уверены, что эти больницы пострадают больше всего в случае настоящей пандемии.
Как ваша модель учитывает эффекты социального дистанцирования?
Мы можем определить как вероятность социального дистанцирования, так и вероятность соблюдения, то есть, насколько вероятно, что человек будет социально дистанцироваться от других, и насколько вероятно, что человек будет следовать рекомендациям общественного здравоохранения или обязательным карантинам. Эти вероятности могут быть скорректированы в зависимости от того, насколько эффективны, по нашему мнению, сообщения от правительства и средств массовой информации или, что, возможно, более актуально сегодня, насколько люди восприимчивы к кампаниям дезинформации, таким как утверждения о том, что COVID-19 "это похоже на грипп," или что вы можете заменить мыло и дезинфицирующее средство для рук эфирными маслами.
В последние несколько недель широкое внимание привлекла концепция: "сглаживание кривой." Насколько важна эта стратегия для уменьшения распространения, особенно в городских условиях, таких как Торонто?
Сглаживание кривой чрезвычайно важно повсюду в Канаде и в большинстве стран мира, в городах или за их пределами.
Все дело в замедлении распространения болезни, даже если общее количество инфекций останется прежним, поэтому пиковое количество инфекций – максимальное количество пациентов с пандемией, с которыми больницы должны будут справиться одновременно, – резко сокращается.
Больница может одновременно принять дополнительно 100 пациентов с COVID-19, но не дополнительно 1000 человек. Учитывая высокую вероятность инфицирования пациентов, которым требуются аппараты ИВЛ, доступность аппаратов ИВЛ также становится проблематичной, если кривая не сглаживается.
В Канаде на каждые 100000 человек приходится около 15 аппаратов ИВЛ, причем 90 процентов этих аппаратов ИВЛ уже используются, в результате чего остается около 1 аппарата.Доступно 5 аппаратов ИВЛ на 100 000 человек – поэтому, если даже несколько тысяч пациентов по всей стране нуждаются в аппаратах ИВЛ, это может означать, что некоторые пациенты не получают их, независимо от того, являются ли эти пациенты больными COVID-19 или другими. Особенно подвержены риску регионы и территории с низкой доступностью аппаратов ИВЛ.
В 2011 году вы разработали имитационную модель, которая проверила вспышку пандемического гриппа в GTA. Можете ли вы рассказать нам об этих уроках и результатах, а также о том, как это можно применить к текущей вспышке COVID-19??
Ранние и смелые меры лучше всего подходят для сдерживания распространения пандемических заболеваний. Мы постоянно выясняли, что закрытие школ, закрытие некоторых транзитных маршрутов с интенсивным движением и вакцинация целевых групп населения, таких как люди определенных возрастных групп или работники с большим количеством контактов с общественностью, были наиболее эффективными.
До недавнего времени я бы никогда не подумал, что такие радикальные меры, как закрытие школ, будут рассматриваться из-за политических разветвлений. Я очень впечатлен тем, что закрытие школ и университетов происходит по всей стране, прежде чем страну захлестнет COVID-19.
Наука явно лидирует в процессе принятия государственных решений, и так и должно быть. Прямо сейчас мы находимся на перепутье – мы можем попросить людей быть осторожными, но продолжать их обычную жизнь, или мы можем предпринять смелые, но временные меры и предотвратить десятки тысяч инфекций и смертей.