Pages Navigation Menu

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ЭЛ № ФС 77 - 80772, 16+

DOI: https://doi.org/10.23670/IRJ.2021.106.4.049

Скачать PDF ( ) Страницы: 126-135 Выпуск: № 4 (106) Часть 2 () Искать в Google Scholar
Цитировать

Цитировать

Электронная ссылка | Печатная ссылка

Скопируйте отформатированную библиографическую ссылку через буфер обмена или перейдите по одной из ссылок для импорта в Менеджер библиографий.
Жумалиева Ч. МОДЕЛИРОВАНИЕ ПОТЕНЦИАЛЬНОГО ВОЗДЕЙСТВИЯ РАЗЛИЧНЫХ СЦЕНАРИЕВ ПРЕКРАЩЕНИЯ КАРАНТИННЫХ ОГРАНИЧЕНИЙ НА СИСТЕМУ ЗДРАВООХРАНЕНИЯ В КЫРГЫЗСКОЙ РЕСПУБЛИКЕ / Ч. Жумалиева, Д. Айжан, А. Мукамбетов и др. // Международный научно-исследовательский журнал. — 2021. — № 4 (106) Часть 2. — С. 126—135. — URL: https://research-journal.org/medical/modelirovanie-potencialnogo-vozdejstviya-razlichnyx-scenariev-prekrashheniya-karantinnyx-ogranichenij-na-sistemu-zdravooxraneniya-v-kyrgyzskoj-respublike/ (дата обращения: 18.05.2021. ). doi: 10.23670/IRJ.2021.106.4.049
Жумалиева Ч. МОДЕЛИРОВАНИЕ ПОТЕНЦИАЛЬНОГО ВОЗДЕЙСТВИЯ РАЗЛИЧНЫХ СЦЕНАРИЕВ ПРЕКРАЩЕНИЯ КАРАНТИННЫХ ОГРАНИЧЕНИЙ НА СИСТЕМУ ЗДРАВООХРАНЕНИЯ В КЫРГЫЗСКОЙ РЕСПУБЛИКЕ / Ч. Жумалиева, Д. Айжан, А. Мукамбетов и др. // Международный научно-исследовательский журнал. — 2021. — № 4 (106) Часть 2. — С. 126—135. doi: 10.23670/IRJ.2021.106.4.049

Импортировать


МОДЕЛИРОВАНИЕ ПОТЕНЦИАЛЬНОГО ВОЗДЕЙСТВИЯ РАЗЛИЧНЫХ СЦЕНАРИЕВ ПРЕКРАЩЕНИЯ КАРАНТИННЫХ ОГРАНИЧЕНИЙ НА СИСТЕМУ ЗДРАВООХРАНЕНИЯ В КЫРГЫЗСКОЙ РЕСПУБЛИКЕ

МОДЕЛИРОВАНИЕ ПОТЕНЦИАЛЬНОГО ВОЗДЕЙСТВИЯ РАЗЛИЧНЫХ СЦЕНАРИЕВ
ПРЕКРАЩЕНИЯ КАРАНТИННЫХ ОГРАНИЧЕНИЙ НА СИСТЕМУ ЗДРАВООХРАНЕНИЯ
В КЫРГЫЗСКОЙ РЕСПУБЛИКЕ

Научная статья

Жумалиева Ч.1, Айжан Д.2, Мукамбетов А.3, Кубатова А.4, *, Эстебесова А.5, Ибрагимов Ш.6, Кутманова А.7, Усенбаев Н.8, Жороев А.9, Абдыкеримов С.10, Джангазиев Б.11, Молдокматова А.12

4 ORCID: 0000-0002-0693-6729;

12 ORCID: 0000-0002-3006-3737;

1, 2, 4 ОФ «Институт социального развития», Бишкек, Кыргызская Республика;

1, 4 Научно- производственного объединения «Профилактическая медицина», Бишкек, Кыргызская Республика;

3, 6 Фонд Сороса в Кыргызской Республике, Бишкек, Кыргызская Республика;

5 Миссия ЮСАИД в Кыргызской Республике, Бишкек, Кыргызская Республика;

7 Международной высшей школы медицины, Бишкек, Кыргызская Республика;

8, 10, 11 Министерство Здравоохранения Кыргызской Республики, Бишкек, Кыргызская Республика;

9 Департамент профилактики заболеваний и государственного санитарно-эпидемиологического надзора,
Бишкек, Кыргызская Республика;

12 Оксфордский университет, Оксфорд, Великобритания

* Корреспондирующий автор (kubatova.aisuluu[at]gmail.com)

Аннотация

Моделирование — это инструмент, помогающий рассмотреть влияние различных вариантов вмешательств на ход эпидемии с учетом существующих неопределенностей в отношении природы вируса SARS-CoV-2 и его эпидемиологии. Для исследования был использован веб-интерфейс динамической модели SEIR, разработанной Консорциумом по моделированию эпидемии COVID-19 (CoMo) в сотрудничестве с Группой моделирования по вопросам глобального здоровья Оксфордского университета. Модель является дополнительным исследовательским инструментом для принятия решений по стратегическим вмешательствам в условиях существующей неопределенности. Индикаторы модели – новые случаи COVID-19 и случаи с летальным исходом, демографические данные населения с разбивкой на возрастные группы, объем запланированных больничных коек, коек в отделениях интенсивной терапии и аппаратов ИВЛ, различные сценарии нефармацевтических интервенций и т.д. Используя математическую модель, мы сравнили потенциальное воздействие полного и управляемого снятия карантинных ограничений на ход эпидемии COVID-19 и нагрузку на систему здравоохранения в КР.

Опираясь на результаты прогнозирования мы пришли к выводу, что полное снятие ограничений без последующих вмешательств могло вызвать значительный рост количества новых случаев заболевания, что привело бы к перегруженности системы здравоохранения, и как следствие, к высокому росту уровня смертности. Продление карантина еще на пять недель без принятия каких-либо дополнительных мер могло лишь отодвинуть по времени развитие пандемии, так как большинство населения оставалось бы восприимчивым к вирусу в силу ограничения контактов во время карантина, и после снятия ограничительных мер, инфекция могла бы быстро распространиться. Управляемое снятие карантинных ограничений помогло бы сгладить кривую заболеваемости, а это требовало принятия чрезвычайных мер как со стороны правительства, так и со стороны населения с целью недопущения дальнейшего обострения эпидемической ситуации и предотвращения ее трагических последствий.

Ключевые слова: COVID-19, пандемия, Кыргызская Республика, карантин, изоляция, моделирование, вмешательства, сценарий.

MODELING OF THE POTENTIAL EFFECTS OF LOCKDOWN RELEASE INTERVENTIONS
ON THE HEALTH CARE SYSTEM IN THE KYRGYZ REPUBLIC

Research article

Zhumalieva Ch.1, Aizhan D.2, Mukambetov A.3, Kubatova A.4, *, Estebesova A.5, Ibragimov Sh.6, Kutmanova A.7, Usenbayev N.8, Zhoroev A.9, Abdykerimov S.10, Dzhangaziev B.11, Moldokmatova A.12

4 ORCID: 0000-0002-0693-6729;

12 ORCID: 0000-0002-3006-3737;

1, 2, 4 OF “Institute of Social Development”, Bishkek, Kyrgyz Republic;

1, 4 Research and Production Association “Preventive Medicine”, Bishkek, Kyrgyz Republic;

3, 6 Soros Foundation in the Kyrgyz Republic, Bishkek, Kyrgyz Republic;

5 USAID Mission in the Kyrgyz Republic, Bishkek, Kyrgyz Republic;

7 International Higher School of Medicine, Bishkek, Kyrgyz Republic;

8, 10, 11 Ministry of Health of the Kyrgyz Republic, Bishkek, Kyrgyz Republic;

9 Department of Disease Prevention and State Sanitary and Epidemiological Surveillance, Bishkek, Kyrgyz Republic;

12 Oxford University, Oxford, United Kingdom

* Corresponding author (kubatova. aisuluu[at]gmail.com)

Abstract

Mathematical modelling can be applied as a tool to analyse the effect of various interventions on the course of the epidemic of infectious diseases, like SARS-CoV-2, by considering uncertainties and assumptions related to the nature of infection and epidemiology. For this study we have applied a web-based interface of the SEIR dynamic model, which was developed by COVID-19 Modelling (CoMo) Consortium in collaboration with Oxford Modelling of the Global Health (OMGH) Group. The model was employed as is an additional research tool to inform national policy strategies under the conditions of limited evidence. Model indicators include but not limited with new and death COVID-19 cases, demographic data of the population disaggregated by age groups, hospitals capacity (surge and ICU beds and ventilators) and non-pharmaceutical intervention scenarios. Through the mathematical model we compared the potential effect of the full and managed lockdown release on the course of the epidemic and its pressure on the health system of the Kyrgyz Republic.

Based on the model outcomes, we have come to the conclusion that the full release of strict measures may cause a significant increase of new infection cases, which may result in the tremendous pressure on the health system and, as a consequence, increased mortality rates. The extension of the lockdown to additional five weeks without taking any further preventive measures may just postpone the epidemic to the equivalent period, as the majority of the population would remain susceptible due to the limited social contacts and the infection would spread out quickly after the full release of strict measures. The managed lockdown release would help to flatten the course of the epidemic. However, such approach required tremendous efforts both from the government and the population to prevent further escalation of the situation with the epidemic and its advert consequences.

Keywords: COVID-19, pandemic, Kyrgyz Republic, quarantine, isolation, modeling, interventions, scenario.

Введение

Первые завозные случаи COVID-19 были зарегистрированы в Кыргызстане 16 марта 2020 года, после чего был введен режим чрезвычайного положения с 25 марта 2020 года до середины апреля с последующим продлением до 10 мая 2020 года. В связи с отсутствием вакцины, ответные меры системы общественного здравоохранения в стране были сосредоточены на общепринятых во всем мире нефармацевтических подходах, включая отслеживание контактов, тестирование, изоляцию инфицированных людей и карантинизацию контактных лиц, гигиену рук, физическое дистанцирование, закрытие общественных мест и ограничения в отношении передвижения и поездок.

Двухмесячный режим изоляции, введенный на территории всей страны, помог установить эффективный контроль над эпидемиологической ситуацией. За данный период совокупное количество подтвержденных случаев заболевания составило 1,038, из них было зарегистрировано 13 случаев смерти [1]. Однако строгие ограничительные меры были сопряжены с серьезными социальными и экономическими вызовами, что потребовало тщательного изучения ситуации в целях достижения баланса между эффективным сокращением случаев передачи COVID-19 и смягчением последствий эпидемии на социальные и экономические аспекты жизни людей.

На фоне сложившейся ситуации, когда отсутствовали какие-либо фактические знания или информация об эффективных способах профилактики и лечения в контексте страны, подход, предполагавший изучение потенциальных сценариев с помощью математического моделирования, мог стать вспомогательным инструментом для лиц, принимающих решения в области общественного здравоохранения. Учитывая данные обстоятельства, мы провели оценку ситуации, используя веб-интерфейс динамической модели с учетом возрастной структуры, разработанной Консорциумом по моделированию эпидемии COVID-19 (CoMo) в сотрудничестве с Группой моделирования по вопросам глобального здоровья Оксфордского университета с целью изучения потенциального воздействия различных пакетов вмешательств на эпидемиологическую кривую в более чем 150 странах [2].

Целью нашей работы являлся поиск эффективных и осуществимых стратегических вмешательств в период, последовавший после снятия режима карантина, чтобы помочь стране в борьбе с эпидемией и контроле количества тяжелых случаев и числа смертей, а также для предотвращения потенциальной перегрузки системы здравоохранения в период резкого роста заболеваемости.

Методы

Для моделирования ситуации была использована динамическая модель CoMo SEIR для COVID-19 с учетом возрастной структуры, в которой случаи стратифицированы по симптомам, степени тяжести, способам обращения за лечением и доступом к медицинским услугам, [2]. Параметры модели по заболеванию и вмешательствам были основаны на имеющихся доказательных данных, включая матрицу социальных контактов для 152 стран, разработанной К. Премом и коллегами [3], отчет ООН по оценочным показателям рождаемости и смертности населения [4], национальный онлайн-ресурс по COVID-19 [1], отчет Google о мобильности населения Кыргызстана [5] и других ресурсов.

Визуальная калибровка данных проводилась с учетом факторов, связанных с заболеванием и госпитализацией, а также параметров базовых вмешательств, вероятности распространения случаев инфекции с учетом контактных лиц, соотношении зарегистрированных случаев, протекающих в симптоматической и бессимптомной форме, зарегистрированных случаев госпитализации и даты начала работы по моделированию.

Гипотетические сценарии развития ситуации в зависимости от характера проводимых вмешательств

В ходе моделирования были рассмотрены пять гипотетических сценариев с различной комбинацией вмешательств по снятию ограничений:

1) Базовый сценарий с полным снятием ограничительных мер, без каких-либо последующих вмешательств, кроме соблюдения гигиены рук и ношения масок.

2) Управляемый вариант: с более умеренным послаблением ограничений.

3) Управляемый вариант: с более активным послаблением ограничений. Оба варианта управляемых сценариев включали снятие ограничений с различной степенью интенсивности, включая работу с подтвержденными/симптоматическими случаями COVID-19 и их потенциальными контактами, а также работу с общим населением.

4) Продление режима полного карантина с последующим полным снятием ограничений.

5) Длительный режим карантина с постепенным управляемым снятием ограничительных мер. Изоляция пожилых людей не рассматривалась в качестве активной меры реагирования, подлежащей строгому соблюдению, в связи с культуральными и социальными особенностями Кыргызстана (расширенный состав семей в домохозяйствах), хотя некоторые семьи (в основном в городской местности) все-таки старались изолировать своих пожилых членов семьи. Подробная информация о параметрах вмешательства представлены в таблицах ниже.

 

Таблица 1 – Базовый сценарий: Полное снятие ограничений

Категория Дата начала Дата завершения Значение, %
Гигиена рук 17/02/2020 01/05/2020 80
Гигиена рук 02/05/2020 31/12/2020 60
Ношение масок 25/03/2020 10/05/2020 50
Ношение масок 11/05/2020 31/12/2020 20
Самоизоляция при симптомах 25/03/2020 10/05/2020 80
Скрининг 25/03/2020 01/04/2020 40*
Скрининг 02/04/2020 15/04/2020 10*
Скрининг 16/04/2020 10/05/2020 50*
Изоляция домохозяйства при выявлении случая 25/03/2020 10/05/2020 60
Физическое дистанцирование 25/03/2020 30/04/2020 80
Физическое дистанцирование 01/05/2020 10/05/2020 60
Удаленный режим работы 25/03/2020 31/03/2020 30
Удаленный режим работы 01/04/2020 01/05/2020 70
Удаленный режим работы 02/05/2020 10/05/2020 60
Закрытие школ 25/03/2020 10/05/2020 100
Закрытие школ 01/06/2020 31/08/2020 80
Изоляция пожилых 25/03/2020 10/05/2020 30
Закрытие границ 25/03/2020 10/05/2020 90

Примечание: * кол-во контактов

 

Таблица 2 – Сценарий 1: Управляемое постепенное снятие ограничений

Категория Дата начала Дата завершения Значение, %
Гигиена рук 17/02/2020 01/05/2020 80
Гигиена рук 02/05/2020 31/12/2020 60
Ношение масок 25/03/2020 10/05/2020 50
Ношение масок 11/05/2020 31/12/2020 20
Самоизоляция при симптомах 25/03/2020 10/05/2020 80
Самоизоляция при симптомах 11/05/2020 30/07/2020 40
Скрининг 25/03/2020 01/04/2020 40*
Скрининг 02/04/2020 15/04/2020 10*
Скрининг 16/04/2020 10/05/2020 50*
Скрининг 11/05/2020 30/07/2020 20
Изоляция домохозяйства при выявлении случая 25/03/2020 10/05/2020 60

 

Окончание таблицы 2 – Сценарий 1: Управляемое постепенное снятие ограничений

Категория Дата начала Дата завершения Значение, %
Изоляция домохозяйства при выявлении случая 11/05/2020 30/07/2020 30
Физическое дистанцирование 25/03/2020 30/04/2020 80
Физическое дистанцирование 01/05/2020 10/05/2020 60
Удаленный режим работы 25/03/2020 31/03/2020 30
Удаленный режим работы 01/04/2020 01/05/2020 70
Удаленный режим работы 02/05/2020 10/05/2020 60
Закрытие школ 25/03/2020 10/05/2020 100
Закрытие школ 01/06/2020 31/08/2020 80
Изоляция пожилых 25/03/2020 10/05/2020 30
Закрытие границ 25/03/2020 10/05/2020 90

Примечание: * кол-во контактов

 

Таблица 3 – Сценарий 2: Управляемое ускоренное снятие ограничений

Категория Дата начала Дата завершения Значение, %
Гигиена рук 17/02/2020 01/05/2020 80
Гигиена рук 02/05/2020 31/12/2020 60
Ношение масок 25/03/2020 10/05/2020 50
Ношение масок 11/05/2020 31/12/2020 20
Самоизоляция при симптомах 25/03/2020 10/05/2020 80
Самоизоляция при симптомах 11/05/2020 30/08/2020 60
Скрининг 25/03/2020 01/04/2020 40*
Скрининг 02/04/2020 15/04/2020 10*
Скрининг 16/04/2020 10/05/2020 50*
Скрининг 11/05/2020 30/08/2020 20
Изоляция домохозяйства при выявлении случая 25/03/2020 10/05/2020 60
Изоляция домохозяйства при выявлении случая 11/05/2020 30/08/2020 30
Физическое дистанцирование 25/03/2020 30/04/2020 80
Физическое дистанцирование 01/05/2020 10/05/2020 60
Физическое дистанцирование 11/05/2020 30/08/2020 30
Удаленный режим работы 25/03/2020 31/03/2020 30
Удаленный режим работы 01/04/2020 01/05/2020 70
Удаленный режим работы 02/05/2020 10/05/2020 60
Закрытие школ 25/03/2020 10/05/2020 100
Изоляция пожилых 25/03/2020 10/05/2020 30
Закрытие границ 25/03/2020 10/05/2020 90

Примечание: * кол-во контактов

 

Таблица 4 – Сценарий 3: Продление карантина (на 1 месяц) с последующей полной отменой ограничений

Категория Дата начала Дата завершения Значение, %
Гигиена рук 17/02/2020 01/05/2020 80
Гигиена рук 02/05/2020 31/12/2020 60
Ношение масок 25/03/2020 10/05/2020 50
Ношение масок 11/05/2020 31/12/2020 20
Самоизоляция при симптомах 25/03/2020 15/06/2020 80
Скрининг 25/03/2020 01/04/2020 40*
Скрининг 02/04/2020 15/04/2020 10*
Скрининг 16/04/2020 15/06/2020 50*
Изоляция домохозяйства при выявлении случая 25/03/2020 15/06/2020 60
Физическое дистанцирование 25/03/2020 30/04/2020 80
Физическое дистанцирование 01/05/2020 15/06/2020 60
Удаленный режим работы 25/03/2020 31/03/2020 30
Удаленный режим работы 01/04/2020 01/05/2020 70
Удаленный режим работы 02/05/2020 15/06/2020 60
Закрытие школ 25/03/2020 10/05/2020 100
Закрытие школ 11/05/2020 15/06/2020 100
Закрытие школ 16/06/2020 31/08/2020 80
Изоляция пожилых 25/03/2020 15/06/2020 30
Закрытие границ 25/03/2020 15/06/2020 90

Примечание: * кол-во контактов

 

Таблица 5 – Сценарий 4: Продление карантина (2 месяца) с управляемым снятием ограничений

Категория Дата начала Дата завершения Значение, %
Гигиена рук 17/02/2020 01/05/2020 80
Гигиена рук 02/05/2020 31/12/2020 60
Ношение масок 25/03/2020 10/05/2020 50
Ношение масок 11/05/2020 31/12/2020 20
Самоизоляция при симптомах 25/03/2020 15/07/2020 80
Самоизоляция при симптомах 16/07/2020 30/12/2020 60
Скрининг 25/03/2020 01/04/2020 40*
Скрининг 02/04/2020 15/04/2020 10*
Скрининг 16/04/2020 15/07/2020 50*
Скрининг 16/07/2020 30/12/2020 40*
Изоляция домохозяйства при выявлении случая 25/03/2020 15/07/2020 60
Изоляция домохозяйства при выявлении случая 16/07/2020 30/12/2020 40
Физическое дистанцирование 25/03/2020 30/04/2020 80
Физическое дистанцирование 01/05/2020 15/07/2020 80
Физическое дистанцирование 16/07/2020 30/12/2020 40
Удаленный режим работы 25/03/2020 31/03/2020 30
Удаленный режим работы 01/04/2020 01/05/2020 70
Удаленный режим работы 02/05/2020 15/07/2020 60
Удаленный режим работы 16/07/2020 30/10/2020 30
Закрытие школ 25/03/2020 10/05/2020 100
Закрытие школ 11/05/2020 15/07/2020 100
Закрытие школ 16/07/2020 31/08/2020 80
Закрытие школ 01/09/2020 30/10/2020 80
Изоляция пожилых 25/03/2020 15/07/2020 30
Изоляция пожилых 16/07/2020 30/12/2020 30
Закрытие границ 25/03/2020 15/07/2020 90
Закрытие границ 16/07/2020 30/09/2020 50

Примечание: * кол-во контактов

 

Результаты

Модель предполагала, что быстрый рост заболеваний во всех рассмотренных сценариях приведет к значительному давлению на существующую систему здравоохранения. Потребность в дополнительных местах в стационарах и/или отделениях реанимации и ИВЛ значительно превысило бы имеющиеся возможности. Таким образом, как показано на рисунке 1, потребности в дополнительной госпитализации на базе стационаров намного превысили бы их предельные возможности, особенно по 1 и 3 сценарию (в случае полной отмены всех карантинных ограничений). Такая ситуация могла привести к отказам в госпитализации большого количества заболевших, и стать причиной высокого уровня смертности.

Рисунок 2 показывает, что при достижении предельных возможностей стационаров, занятость койко-мест в общих отделениях не остановилась бы на максимально возможном уровне относительно имеющихся мощностей, а росла бы дальше, так как модель предусматривала гибкий подход относительно включения дополнительных коек (например, создание временных стационаров или коек в коридорах отделений).

Важно отметить, что занятость койко-мест превышала спрос, так как включала в себя всех тех больных, кто нуждался в размещении в стационаре, а также тех, кто нуждался в реанимации или в искусственной вентиляции легких, но не получил ни того, ни другого ввиду переполненности отделений реанимации, либо ввиду отсутствия аппаратов ИВЛ, и по этой причине, были госпитализированы в общие отделения.

Продолжение практики физического дистанцирования, отслеживания контактов, и изоляции групп риска могло в значительной степени сократить потребности в госпитализациях. Как показано ниже, пик потребности в госпитализации в случае управляемого ослабления карантинных мер мог составлять от 42.8% до 71.7% в зависимости от интенсивности осуществляемых мероприятий после снятия карантинных ограничений. Однако, как показывают диаграммы, запланированная мощность стационаров была бы недостаточной даже при наиболее благоприятном сценарии профилактических мер.

Такая же ситуация прогнозировалась и с наличием мест в отделениях интенсивной терапии и аппаратов искусственной вентиляции легких. Согласно предполагаемым сценариям, потребности в размещении в ОИТ, а также в аппаратах ИВЛ и концентраторах кислорода значительно превышали бы имеющиеся возможности (рисунки 3 и 4).

Как прогнозировала модель, система здравоохранения должна была испытывать дефицит в койках интенсивной терапии и аппаратах ИВЛ на протяжении большей части периода прогнозирования (рисунки 5 и 6). В отличие от возможностей открытия дополнительных койко-мест в стационарах, развертывание дополнительных коек в ОИТ и аппаратов ИВЛ представлялось более проблематичным, в связи с чем подход модели к возможности превышения соответствующих показателей относительно имеющихся мощностей больниц был не таким гибким.

 

27-04-2021 14-01-34

Рис. 1 – Прогнозируемая дневная потребность в дополнительных местах в стационарах в Кыргызстане
после снятия карантинных ограничений 10 мая 2020 года (по сценариям)

27-04-2021 14-01-49

Рис. 2 – Прогнозируемая дневная потребность в отделениях интенсивной терапии в Кыргызстане
после снятия карантинных ограничений 10 мая 2020 года (по сценариям)

27-04-2021 14-02-24

Рис. 3 – Прогнозируемая дневная потребность в аппаратах ИВЛ в Кыргызстане
после снятия карантинных ограничений 10 мая 2020 года (по сценариям)

27-04-2021 14-02-51

Рис. 4 –Уровень занятости дополнительных койко-мест в стационарах в Кыргызстане
после снятия карантинных ограничений 10 мая 2020 года (по сценариям)

27-04-2021 14-08-48

Рис. 5 – Уровень занятости дополнительных койко-мест в ОИТ в Кыргызстане
после снятия карантинных ограничений 10 мая 2020 года (по сценариям)

27-04-2021 14-09-05

Рис. 6 – Уровень занятости аппаратов ИВЛ в Кыргызстане
после снятия карантинных ограничений 10 мая 2020 года (по сценариям)

 

Обсуждение

Используя математическую модель, мы сравнили потенциальное воздействие полного и управляемого снятия карантинных ограничений на ход пандемии COVID-19 и состояние системы здравоохранения в Кыргызстане. На основе результатов прогнозирования мы пришли к выводу, что полное снятие ограничений без последующих вмешательств могло вызвать значительный рост количества новых случаев заболевания, что привело бы к перегруженности системы здравоохранения, и как следствие, к высокому росту уровня смертности. Важно отметить, что продление карантина еще на один месяц без принятия каких-либо дополнительных мер могло лишь задержать развитие пандемии, так как большинство населения оставалось восприимчивым к вирусу в силу ограничения физических контактов во время карантина. Напротив, управляемое снятие карантинных ограничений помогло бы стране несколько сгладить кривую заболеваемости в зависимости от интенсивности и длительности пост-карантинных вмешательств.

24 апреля 2020 года результаты моделирования были представлены в Министерстве здравоохранения и Штабе по координации реагирования на чрезвычайные ситуации Кыргызской Республики в качестве дополнительного ресурса для принятия решений на основе имеющихся доказательств. К сожалению, Кыргызстан оказался не готов к управляемому ослаблению ограничительных мер. Двухмесячный общенациональный режим чрезвычайного положения оказал огромное разрушительное воздействие на экономическую и социальную жизнь населения, которое не могло более находиться в состоянии изоляции и было вынуждено вернуться на свои рабочие места. Такие меры, как отслеживание контактов, карантинизация представителей групп риска, обеспечение физического дистанцирования и обязательное повсеместное ношение масок, оказались трудно осуществимыми требованиями в силу ограниченности ресурсов, местных социальных и культуральных особенностей и менталитета, а также ограниченной информационной работы с населением. Из всех интервенций, перечисленных в модели, лишь две меры были в полной мере реализованы после отмены карантина: дистанционное обучение и закрытие границ. Впоследствии, в течение нескольких недель после отмены ограничений, страна столкнулась с неконтролируемой вспышкой случаев, протекающих в тяжелой форме.

В дополнение к вышесказанному, система здравоохранения оказалась не подготовленной надлежащим образом. Как и в других странах с ограниченными ресурсами, в Кыргызстане система здравоохранения испытывала трудности, связанные с дефицитом ресурсов, как человеческих, так и материальных. К сожалению, запланированное количество дополнительно развертываемых мест в стационарах и отделениях интенсивной терапии, а также аппаратов ИВЛ оказалось намного ниже реального спроса. Множество пациентов с тяжелой формой заболевания не смогли получить доступ к необходимому лечению и ресурсам, в результате чего значительно увеличилось количество смертельных случаев. Так, согласно отчетам Национального статистического комитета КР, количество умерших от острой пневмонии в одном лишь июле 2020 года превысило среднегодовые показатели смертности предыдущих лет (Нацстатком, 2020).

На основе вышесказанного, исследователями предполагалось, что эпидемическая ситуация в Кыргызстане в июне-июле развивалась в соответствии со сценарием, который предусматривал полное снятие ограничений, что требовало принятия чрезвычайных мер как со стороны правительства, так и со стороны населения с целью недопущения дальнейшего обострения эпидемической ситуации и предотвращения ее трагических последствий. Учитывая проблему ограниченности данных об этой новой эпидемии, и принимая во внимание текущее положение дел, дальнейшее моделирование может оказаться полезным при разработке стратегий и планировании интервенций.

Ограничения и допущения

Любые результаты моделирования следует использовать с осторожностью ввиду ограниченности имеющихся данных относительно распространения вируса COVID-19 и его эпидемиологии. Кроме того, нам необходимо принимать во внимание ограничения, связанные с существующей неопределенностью и допущениями касательно охвата и эффективности текущих интервенций, на которые оказывают воздействие социальные, культурные и экономические факторы. Результаты моделирования будут меняться по мере того, как мы будем все больше узнавать о заболевании и влиянии вмешательств на характер заболевания, а также получать более надежные данные относительно интенсивности интервенций и охвата ими населения. Соответственно, модель и прогнозы необходимо постоянно обновлять, по мере получения новых данных и знаний.

Также важно осознавать, что модель отражает среднесрочный прогноз развития эпидемиологической ситуации. При долгосрочном прогнозировании, кривая будет выглядеть иначе. Например, продление карантина с постепенным снятием ограничений демонстрирует наиболее благоприятные результаты в рамках периода, охваченного симуляцией (до 13 февраля 2021 года). Однако, мы допускаем что отмена всех пост-карантинных вмешательств без постепенного управляемого снятия ограничений может вызвать новую волну заболеваний. Таким образом, в свете отсутствия более эффективных мер, таких как вакцинирование, мы считаем, что управляемое и постепенное снятие строгих ограничений на передвижение граждан потребует дальнейших усилий в сфере контролируемого управления ситуацией.

В этой связи, результаты моделирования необходимо интерпретировать исключительно в свете вышеобозначенных допущений и ограничений.

Благодарности

Авторы статьи выражают признательность Министерству Здравоохранения Кыргызской Республики и Департаменту профилактики заболеваний и государственного санитарно-эпидемиологического надзора за предоставление данных для моделирования. Отдельная благодарность профессору Оксфордского университета Лизе Уайт за координацию работы и техническую помощь, оказанную кыргызской группе моделирования, а также доктору Рикардо Агуас (Оксфордский университет) и Оливеру Келхай (Оксфордский университет) за компьютерное программирование модели и разработку веб-интерфейса.

Acknowledgement

The authors of the article express their gratitude to the Ministry of Health of the Kyrgyz Republic and the Department of Disease Prevention and State Sanitary and Epidemiological Surveillance for providing data for modeling. Special thanks to Professor Lisa White of the University of Oxford for coordinating the work and technical assistance provided to the Kyrgyz modeling group, as well as to Dr. Ricardo Aguas (University of Oxford) and Oliver Kelhai (University of Oxford) for the computer programming of the model and the development of the web interface.

Конфликт интересов

Не указан.

Conflict of Interest

None declared.

Список литературы / References

  1. Stop COVID KG. (2020). COVID-19 Kyrgyzstan. [Electronic resource]. – URL: https://covid.kg/ (accessed: 12.03.2021)
  2. Aguas R. COVID-19 Pandemic Modelling in Context: Uniting People and Technology Across Nations / R. Aguas, N. Hupert, R. Shretta et al. July 2020. Pre-print. DOI: 10.13140/RG.2.2.33488.53769
  3. Prem, K. Projecting social contact matrices in 152 countries using contact surveys and demographic data / Prem, K., Cook, A. R., & Jit, M. // PLoS Computational Biology, 13(9), e1005697. DOI: 1371/journal.pcbi.1005697
  4. (2019). World Population Prospects: Population Division. [Electronic resource]. – URL: https://population.un.org/wpp/Download/Standard/Population/ (accessed: 12.03.2021)
  5. (2020). COVID-19 Community Mobility Reports. [Electronic resource]. – URL: https://www.google.com/covid19/mobility/ (accessed: 12.03.2021)

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.