Журнал микробиологии, эпидемиологии и иммунобиологии. 2020; 97: 289-302
Прогнозирование динамики заболеваемости COVID-19 и планирование мероприятий по вакцинопрофилактике населения Москвы на основе математического моделирования
https://doi.org/10.36233/0372-9311-2020-97-4-1Аннотация
Введение. Распространение вируса SARS-CoV-2 продолжается во всем мире. Большие надежды возлагаются на вакцины, которые разрабатываются во многих ведущих научных центрах мира, в том числе в России.
Цель исследования — с помощью разработанной эпидемиологической модели провести анализ и прогноз динамики заболеваемости COVID-19 на территории Москвы и определить основные подходы к организации противоэпидемических мероприятий (ПЭМ) с учетом вакцинации населения на сезон 2020/2021 гг.
Материалы и методы. Эпидемиологическая модель разработана на базе отечественной теории математического моделирования эпидемий «Эпиддинамика». Прогнозную оценку на среднесрочный период проводили на основе прогнозных сценариев развития эпидемической ситуации при различных изменениях ПЭМ (по изоляции инфицированных и контактных лиц, прерыванию механизма передачи), в том числе с учетом различных объемов вакцинации населения Москвы.
Результаты и обсуждение. Вычислительные эксперименты показали, что существует вероятность подъема заболеваемости при ослаблении ПЭМ в отсутствие вакцинации населения. При этом высота пика ежедневной заболеваемости зависит от степени снижения ПЭМ и практически не зависит от времени начала их снижения. Проведение вакцинации на фоне ослабления ПЭМ позволяет снизить заболеваемость, однако степень влияния зависит от времени начала, объема и скорости охвата населения вакцинацией.
Заключение. Результаты вычислительных экспериментов показали, что для предотвращения значительного подъема заболеваемости COVID-19 на фоне проводимой вакцинации необходимо поддерживать остальные ПЭМ до достижения объема охвата вакцинацией около 2 млн человек. Оптимальным представляется сохранение мер по изоляции и прерыванию механизма передачи до достижения суммарного объема охвата вакцинацией 4 млн человек, после которого возможно значительное ослабление ограничительных мер; при охвате вакцинацией 50% населения Москвы возможна их полная отмена.
Список литературы
1. Боев Б.В. Прогнозно-аналитические модели эпидемий (оценка последствий техногенных аварий и природных катастроф. Лекция. М.; 2005.
2. Wu Z., McGoogan J.M. Characteristics of and important lessons from the coronavirus disease 2019 (COVID-19) outbreak in China: summary of a report of 72,314 cases from the Chinese Center for Disease Control and Prevention. JAMA. 2020; 323(13): 1239-42. DOI: http://doi.org/10.1001/jama.2020.2648
3. Mizumoto K., Kagaya K., Zarebski A., Chowell G. Estimating the asymptomatic proportion of coronavirus disease 2019 (COVID-19) cases on board the Diamond Princess cruise ship, Yokohama, Japan, 2020. Euro Surveill. 2020; 25(10): 2000180. DOI: http://doi.org/10.2807/1560-7917.es.2020.25.10.2000180
4. Pollán M., Pérez-Gómez B., Pastor-Barriuso R., Oteo J., Hernán M.A., Pérez-Olmeda M., et al. Prevalence of SARSCoV-2 in Spain (ENE-COVID): a nationwide, population-based seroepidemiological study. Lancet. 2020; S0140-6736(20)31483-5. DOI: http://doi.org/10.1016/S0140-6736(20)31483-5
5. Stringhini S., Wisniak A., Piumatti G., Azman A.S., Lauer S.A., Baysson H., et al. Seroprevalence of anti-SARS-CoV-2 IgG antibodies in Geneva, Switzerland (SEROCoV-POP): a population-based study. Lancet. 2020; 396(10247): 313-9. DOI: http://doi.org/10.1016/S0140-6736(20)31304-0
6. Бароян О.В., Рвачев Л.А., Иванников Ю.Г. Моделирование и прогнозирование эпидемий гриппа для территории СССР. М.; 1977.
7. Боев Б.В. Модель развития эпидемии гриппа А(H1N1) в России в сезон 2009–2010 годов. Эпидемиология и вакцинопрофилактика. 2010; (1): 52-8.
8. Боев Б.В., Салман Э.Р., Асатрян М.Н. Применение компьютерного инструментария для прогнозирования водных вспышек гепатита А техногенного характера с оценкой эффективности мер противодействия. Эпидемиология и вакцинопрофилактика. 2010; (3): 57-62.
9. Асатрян М.Н., Салман Э.Р., Киликовский В.В., Киселев К.В., Сипачева Н.Б., Семененко Т.А. Изучение процессов распространения мутантных вариантов «вакцинального бегства» вируса гепатита В среди населения с помощью компьютерной модели эпидемического процесса гепатита В. Эпидемиология и инфекционные болезни. Актуальные вопросы. 2013; (6): 34-8.
10. Салман Э.Р. Прогнозирование эпидемии ВИЧ-инфекции среди потребителей внутривенных наркотиков: Автореф. дисс. … канд. мед. наук. М.; 2005.
11. Салман Э.Р., Асатрян М.Н., Гайдаренко А.Д., Ершов И.Ф., Семененко Т.А. Прогнозная оценка предотвратимой смертности, ассоциированной с хроническим гепатитом С. Эпидемиология и инфекционные болезни. Актуальные вопросы. 2016; (6): 40-7.
12. Linton N.M., Kobayashi T., Yang Y., Hayashi K., Akhmetzhanov A.R., Jung S.M., et al. Incubation period and other epidemiological characteristics of 2019 novel coronavirus infections with right truncation: a statistical analysis of publicly available case data. J. Clin. Med. 2020; 9(2): 538. DOI: http://doi.org/10.3390/jcm9020538
13. Luo Y., Trevathan E., Qian Z., Li Y., Li J., Xiao W., et al. Asymptomatic SARS-CoV-2 Infection in Household Contacts of a Healthcare Provider, Wuhan, China. Emerg. Infect. Dis. 2020; 26(8): 1930-3. DOI: http://doi.org/10.3201/eid2608.201016
14. Epidemiology Working Group for NCIP Epidemic Response, Chinese Center for Disease Control and Prevention. The epidemiological characteristics of an outbreak of 2019 novel coronavirus diseases (COVID-19) in China. Zhonghua Liu Xing Bing Xue Za Zhi. 2020; 41(2): 145-51. DOI: http://doi.org/10.3760/cma.j.issn.0254-6450.2020.02.003 (in Chinese)
15. Meyerowitz-Katz G., Merone L. A systematic review and meta-analysis of published research data on COVID-19 infection-fatality rates. medRxiv. 2020. DOI: http://doi.org/10.1101/2020.05.03.20089854
16. Акимкин В.Г., Кузин С.Н., Шипулина О.Ю., Яцышина С.Б., Тиванова Е.В., Каленская А.В. и др. Эпидемиологическое значение определения РНК SARS-CoV-2 среди различных групп населения Москвы и Московской области в период эпидемии COVID-19. Журнал микробиологии, эпидемиологии и иммунобиологии. 2020; 97(3): 197-201. DOI: http://doi.org/10.36233/0372-9311-2020-97-3-1
17. Беляков В.Д., Яфаев Р.Х. Эпидемиология. М.: Медицина; 1989.
Journal of microbiology, epidemiology and immunobiology. 2020; 97: 289-302
Predicting the dynamics of Covid-19 incidence and planning preventive vaccination measures for Moscow population based on mathematical modeling
https://doi.org/10.36233/0372-9311-2020-97-4-1Abstract
The results of the predictive analytical studies on Covid-19 incidence dynamics in Moscow, taking into account different changes in epidemic prevention measures, including vaccination coverage of the population, are presented.
Research Objective. Using the new epidemiological model for analysis and prediction of the Covid-19 incidence dynamics in Moscow and outlining main strategies in implementing epidemic prevention measures (EPMs), including vaccination in 2020/2021.
Materials and methods. The epidemiological model is based on the Russian approach to mathematical modeling of epidemics, known as Epiddynamics. The medium-term forecasting incorporated probable scenarios of epidemic development with different EPMs (isolation of the infected and contacts, breaking the transmission chains), including different rates of vaccination coverage in Moscow.
Results and discussion. The computational simulations demonstrated that the incidence rate is likely to increase with scaling down EPMs and zero vaccination coverage. At the same time, the daily incidence rate depends on the degree of EPMs reduction and basically does not depend on the time when the reduction begins. With scaled-down EPMs, vaccination can decrease the incidence, though its effectiveness will depend on the time of its commencement, coverage and rate.
Conclusion. The computational simulations showed that the vaccination will be efficient for prevention of new surges in COVID-19 cases only if the other EPMs (isolation of the infected and contacts, breaking the transmission chains) are still in place until the vaccination coverage reaches about 2 million people. Ideally, the measures aimed at isolation and breaking of transmission chains should be continued until the total vaccination coverage reaches 4 million people, after which the restrictive measures can be scaled down significantly. With vaccination coverage of 50% of the population of Moscow, the restrictive measures can be completely discontinued.
References
1. Boev B.V. Prognozno-analiticheskie modeli epidemii (otsenka posledstvii tekhnogennykh avarii i prirodnykh katastrof. Lektsiya. M.; 2005.
2. Wu Z., McGoogan J.M. Characteristics of and important lessons from the coronavirus disease 2019 (COVID-19) outbreak in China: summary of a report of 72,314 cases from the Chinese Center for Disease Control and Prevention. JAMA. 2020; 323(13): 1239-42. DOI: http://doi.org/10.1001/jama.2020.2648
3. Mizumoto K., Kagaya K., Zarebski A., Chowell G. Estimating the asymptomatic proportion of coronavirus disease 2019 (COVID-19) cases on board the Diamond Princess cruise ship, Yokohama, Japan, 2020. Euro Surveill. 2020; 25(10): 2000180. DOI: http://doi.org/10.2807/1560-7917.es.2020.25.10.2000180
4. Pollán M., Pérez-Gómez B., Pastor-Barriuso R., Oteo J., Hernán M.A., Pérez-Olmeda M., et al. Prevalence of SARSCoV-2 in Spain (ENE-COVID): a nationwide, population-based seroepidemiological study. Lancet. 2020; S0140-6736(20)31483-5. DOI: http://doi.org/10.1016/S0140-6736(20)31483-5
5. Stringhini S., Wisniak A., Piumatti G., Azman A.S., Lauer S.A., Baysson H., et al. Seroprevalence of anti-SARS-CoV-2 IgG antibodies in Geneva, Switzerland (SEROCoV-POP): a population-based study. Lancet. 2020; 396(10247): 313-9. DOI: http://doi.org/10.1016/S0140-6736(20)31304-0
6. Baroyan O.V., Rvachev L.A., Ivannikov Yu.G. Modelirovanie i prognozirovanie epidemii grippa dlya territorii SSSR. M.; 1977.
7. Boev B.V. Model' razvitiya epidemii grippa A(H1N1) v Rossii v sezon 2009–2010 godov. Epidemiologiya i vaktsinoprofilaktika. 2010; (1): 52-8.
8. Boev B.V., Salman E.R., Asatryan M.N. Primenenie komp'yuternogo instrumentariya dlya prognozirovaniya vodnykh vspyshek gepatita A tekhnogennogo kharaktera s otsenkoi effektivnosti mer protivodeistviya. Epidemiologiya i vaktsinoprofilaktika. 2010; (3): 57-62.
9. Asatryan M.N., Salman E.R., Kilikovskii V.V., Kiselev K.V., Sipacheva N.B., Semenenko T.A. Izuchenie protsessov rasprostraneniya mutantnykh variantov «vaktsinal'nogo begstva» virusa gepatita V sredi naseleniya s pomoshch'yu komp'yuternoi modeli epidemicheskogo protsessa gepatita V. Epidemiologiya i infektsionnye bolezni. Aktual'nye voprosy. 2013; (6): 34-8.
10. Salman E.R. Prognozirovanie epidemii VICh-infektsii sredi potrebitelei vnutrivennykh narkotikov: Avtoref. diss. … kand. med. nauk. M.; 2005.
11. Salman E.R., Asatryan M.N., Gaidarenko A.D., Ershov I.F., Semenenko T.A. Prognoznaya otsenka predotvratimoi smertnosti, assotsiirovannoi s khronicheskim gepatitom S. Epidemiologiya i infektsionnye bolezni. Aktual'nye voprosy. 2016; (6): 40-7.
12. Linton N.M., Kobayashi T., Yang Y., Hayashi K., Akhmetzhanov A.R., Jung S.M., et al. Incubation period and other epidemiological characteristics of 2019 novel coronavirus infections with right truncation: a statistical analysis of publicly available case data. J. Clin. Med. 2020; 9(2): 538. DOI: http://doi.org/10.3390/jcm9020538
13. Luo Y., Trevathan E., Qian Z., Li Y., Li J., Xiao W., et al. Asymptomatic SARS-CoV-2 Infection in Household Contacts of a Healthcare Provider, Wuhan, China. Emerg. Infect. Dis. 2020; 26(8): 1930-3. DOI: http://doi.org/10.3201/eid2608.201016
14. Epidemiology Working Group for NCIP Epidemic Response, Chinese Center for Disease Control and Prevention. The epidemiological characteristics of an outbreak of 2019 novel coronavirus diseases (COVID-19) in China. Zhonghua Liu Xing Bing Xue Za Zhi. 2020; 41(2): 145-51. DOI: http://doi.org/10.3760/cma.j.issn.0254-6450.2020.02.003 (in Chinese)
15. Meyerowitz-Katz G., Merone L. A systematic review and meta-analysis of published research data on COVID-19 infection-fatality rates. medRxiv. 2020. DOI: http://doi.org/10.1101/2020.05.03.20089854
16. Akimkin V.G., Kuzin S.N., Shipulina O.Yu., Yatsyshina S.B., Tivanova E.V., Kalenskaya A.V. i dr. Epidemiologicheskoe znachenie opredeleniya RNK SARS-CoV-2 sredi razlichnykh grupp naseleniya Moskvy i Moskovskoi oblasti v period epidemii COVID-19. Zhurnal mikrobiologii, epidemiologii i immunobiologii. 2020; 97(3): 197-201. DOI: http://doi.org/10.36233/0372-9311-2020-97-3-1
17. Belyakov V.D., Yafaev R.Kh. Epidemiologiya. M.: Meditsina; 1989.
