האפקטיביות של מגבלות ניידות בשליטה על התפשטות נגיף הקורונה-19 באוכלוסייה עמידה חלק 1
May 31, 2023
תַקצִיר:
ניידות אנושית משחקת תפקיד חשוב בהתפשטות נגיף הקורונה-19. לאור הידע הזה, מדינות יישמו מדיניות מגבילה ניידות. במקביל, ככל שהמגיפה התקדמה, עלתה עמידות האוכלוסייה לנגיף באמצעות חסינות טבעית וחיסונים. אנו מתייחסים לשאלה: "מהי ההשפעה של אמצעים מגבילי ניידות על אוכלוסייה עמידה?" אנו רואים שני גורמים: סוגים שונים של נקודות עניין (POI) - כולל תחנות מעבר, מצרכים ובתי מרקחת, קמעונאות ונופש, מקומות עבודה ופארקים - והופעתה של וריאנט הדלתא.
חקרנו קבוצה של 14 מדינות והערכנו העברה של COVID-19 על סמך סוג ה-POI, חלק ההתנגדות של האוכלוסייה והנוכחות של וריאנט ה-Delta תוך שימוש בקורלציה של פירסון בין ניידות וקצב הגידול של המקרים. אנו מוצאים שמקומות קמעונאות ובילוי, תחנות מעבר ומקומות עבודה הם הנקודות הפופולריות ביותר מהגבלות ניידות, בעיקר אם חלק מהאוכלוסייה עם התנגדות הוא מתחת ל-25-30 אחוז. מכולת ובתי מרקחת עשויים להפיק תועלת מהגבלות ניידות כאשר שיעור ההתנגדות לאוכלוסייה נמוך, בעוד שבפארקים, יש יתרון קטן לאמצעים להגבלת ניידות. תוצאות אלה עקביות הן עבור הזן המקורי והן עבור וריאנט הדלתא; נתוני Omicron לא נכללו בעבודה זו.
וריאנט הדלתא הוא זן מוטנטי של נגיף הקורונה החדש שהוא מדבק ופתוגני יותר מאשר וריאנטים אחרים. עבור חסינות, לוריאנט הדלתא עשויה להיות השפעה מסוימת על החסינות של אנשים מסוימים.
עבור אנשים שכבר חוסנו, החיסון מגביר את עמידותם לגרסה הדלתא. עם זאת, עבור חלק מהאנשים, ההשפעה המגנה של החיסון עלולה להיות נחלשת, כגון אלו המפתחים רמות נמוכות של נוגדנים לאחר החיסון, או אלו שעדיין חשופים למקומות בסיכון גבוה לאחר החיסון.
בנוסף, גרסת הדלתא עשויה להוות איום גדול יותר על אנשים עם חסינות מוחלשת, כגון קשישים, חולים עם דכאון חיסוני וחולים עם מחלות כרוניות. לכן, לשמירה על מצב חיסוני טוב, במיוחד לאחר חיסון, להמשך נקיטת אמצעים למניעת מגיפה, כגון חבישת מסכות, נטילת ידיים תכופה, מזעור התקהלויות קהל וכדומה, ישנה משמעות רבה למניעת התפשטות גרסאות הדלתא. לכן, עלינו להבין את החשיבות של חסינות. Cistanche יכול לשפר משמעותית את החסינות מכיוון שאפר בשר מכיל מגוון רכיבים פעילים ביולוגית, כגון פוליסכרידים, שתי פטריות והואנג לי, שיכולים לעורר את מערכת החיסון. סוגים שונים של תאים, מגבירים את פעילותם החיסונית.
יתרונות לחץ cistanche tubulosa
מילות מפתח:
COVID-19; דלתא-וריאנט; שבריר של התנגדות; ניידות אנושית; מגפה; שיטת המתאם של פירסון.
1. הקדמה
בדצמבר 2019, נגיף קורונה חדש (COVID-19) התגלה בווהאן, סין. לאחר מכן, היא התפשטה במהירות ברחבי העולם, והובילה ל-6.4 מיליון מקרי מוות ברחבי העולם נכון לאוגוסט 2022 וזירז מגיפה עולמית [1,2]. כעת נקבע שנגיף הקורונה-19 מועבר בעיקר באמצעות אינטראקציות אישיות בין אנשים. לכן, התנהגות אנושית וניידות אנושית ממלאות תפקיד חשוב בקביעת אופן התפשטות הנגיף [3,4]. בהיעדר חיסון, התערבויות לא תרופתיות (NPIs) יושמו על ידי מדינות רבות כדי לשלוט בהתפשטות המחלה. אחד ה-NPI שאומצו באופן נרחב היה הפחתת ניידות אנושית [5-7] שיושם באמצעות סגירת שטחים ציבוריים.
מחקרים מצוינים רבים נערכו על השפעת ניידות האדם על התפתחות מגיפת הקורונה-19. עבודה קודמת יכולה להיות מסווגת באופן נרחב לשתי קטגוריות: לימודי יסוד ומדיניות. במחקרים בסיסיים רבים, חוקרים מבקשים למצוא מתאמים בין ניידות לבין התפתחות המגיפה ברמת המדינה, המחוז ונקודות העניין (POI). מחקר אחד כזה [8] חקר את הקשר המרחבי-טמפורלי בין ניידות וזיהומים במחוזות ארה"ב. חוקרים השתמשו בנתונים של מכשירים ניידים כדי ללכוד את זרימת הניידות בתוך ואל כל מחוז והשוו מגמות ניידות עם ספירת מקרים של COVID-19 באמצעות שיטת עיוות זמן דינמית.
הם מצאו שהקשר בין ניידות ושיעורי זיהום משתנה הן מבחינה גיאוגרפית והן מבחינה זמנית. מחקר דומה [9] השתמש בנתוני מכשירים ניידים כדי למצוא את הקשר בין ניידות וספירת מקרים עבור מחוזות ארה"ב. הניתוח שלהם מראה קשר חיובי בין ניידות למספר המקרים ומצביע על כך שקשר זה חזק יותר באזורים שנפתחו מחדש חלקית. ב[10], העריכו המחברים את המתאם בין ניידות למספר המקרים החדשים במחוזות שונים בפורטוגזית. הם מצאו כי ניידות בקמעונאות ובילוי, במכולת ובתי מרקחת, ותחנות תחבורה הראו מתאם גבוה יותר עם ספירת המקרים מאשר בפארקים ובמקומות עבודה.
מעבר למתאם, כמה מחקרים הרחיבו את הניתוח שלהם כדי להעריך את הגורמים הסיבתיים מאחורי שיעורי העברה מוגברים. לדוגמה, Refs. [11,12] ניתח את השפעת הטמפרטורה על העברת נגיף הקורונה-19. חוקרים ב-[11] השתמשו בגרף א-ציקלי מכוון (DAG), ייצוג גרפי של ההשפעות הסיבתיות שעלולות להוביל למקרים חדשים של נגיף הקורונה-19. הם גילו עלייה בטמפרטורה ובניידות גבוהה (בבתי מרקחת ובמצרכים) , מה שמוביל לספירת אותיות קטנות. מצד שני, ניידות גבוהה (במוקדי עניין קמעונאיים ונופש), וימי גשם, מביאים למספר מקרים גבוה יותר.
בעוד ב-[12], התוצאות המשוערות שלהם הראו שהרגלי ניידות, יחד עם בדיקות יומיות ומשתנים סביבתיים, כגון טמפרטורה, ממלאים תפקיד בהסבר השיעור של מקרי COVID-19. בנוסף, כמה מחקרים התמקדו בכימות פרק הזמן בין ניידות למקרי COVID-19 כמו ב-[13]. במחקר זה, החוקרים שילבו את מדד הניידות של 80 ערים בסין יחד עם ספירות מקרים חדשות והשתמשו במודל אוטורגרסיבי כדי להעריך את הפיגור. כתוצאה מכך, הם מצאו כי ניידות נמצאת בקורלציה חזקה למקרים עם פיגור של 10 ימים.
הסוג השני של מחקרים התמקד בקביעת מדיניות, למשל, בדיקת התערבויות ניידות שונות כדי למצוא הפחתות ניידות אופטימליות המאזנות את העלות של התפשטות ויראלית עם העלות הכלכלית הכרוכה בהסגרות, כמו גם יישום מודלים של חיזוי כדי לייעץ לקובעי מדיניות. מספר מחקרים [13-16] ביקשו להבין כיצד הפחתת הניידות משפיעה על התפשטות מקרי הקורונה-19 בין מוקדי עניין שונים. ב-[13], חוקרים השתמשו בנתוני ניידות של גוגל ומדדו מתאם עם שיעור ההתרבות האפקטיבי Rt. מחקר זה מגלה שהשהייה בבית יעילה בהפחתת Rt, לזמן השהייה בפארקים יש השפעה מועטה, בעוד שלצמצום הניידות בנקודות עניין אחרות יש השפעות חיוביות גדולות יותר. ב-[15,16] חוקרים הראו שהפחתת ניידות של עד 40 אחוז בתחנות מעבר ובמקומות קמעונאיים ובילוי הקטינה את מספר המקרים ונראה כי למעשה "משטחת את העקומה".
יתר על כן, Refs. [17,18] בדק את השפעת הפחתת הניידות על מספר המקרים והמוות. בשנת [17], חוקרים מצאו דפוס עקבי של ירידה חדה במקרי מוות לאחר הפחתת ניידות. קבוצות אחרות יישמו מודלים של חיזוי [19-25] כדי להעריך את ההשפעות של הפחתת ניידות ולחזות את מספר המקרים והמקרי מוות. מודלים אלה יושמו ברמות שונות של מורכבות; לדוגמה, [19,20] הוסיפו משתנים נוספים, כולל (ב-[19]) משתנים מטאורולוגיים, כגון טמפרטורה, לחות וכמות גשמים, יחד עם המתאם בין ניידות וספירת מקרי COVID-19. ב-[20] כללו החוקרים מספר גורמים כמו הכנסה, מדדי בריאות הקשורים לאסטמה, אחוז האנשים שנשארים בבית ותשתיות בדיקות.
אף אחד מהמחקרים שתוארו לעיל לא התייחס לחלק מהאוכלוסייה עם התנגדות. עם זאת, ככל שהמגיפה התקדמה, עמידות האוכלוסייה עלתה באמצעות חסינות טבעית וחיסונים. מחקרים רבים נערכו כדי למדוד את היעילות של חיסונים במונחים של השפעה על העברה או במספר מקרי מוות, אך השפעות הניידות במחקרים אלו בדרך כלל מוזנחות (למשל, המחקרים נחשבו לאוכלוסיות של אנשים מחוסנים ולא מחוסנים עם ניידות דומה דפוסים) או מטופלים כמשתנה מבלבל. מחקר אחד כזה [26] השתמש בגישת למידה עמוקה כדי לדמות שיעורי חיסונים וזמן להגיע לחסינות עדר בהתבסס על נתונים משמונה מדינות באסיה (מחקרים רבים לאחר מכן הראו שחסינות העדר כבר לא נתונה בידנו), ואילו [27 ,28] העריכו את השפעת החיסון בשליטה במגיפה (למשל, הפחתת מספר המקרים והמקרי מוות) באמצעות מודל מבוסס סוכן. יתר על כן, Ref. [29] העריך את הקשר בין חיסונים ושיעורי תמותה בארה"ב תוך שימוש בגישה מבוססת רגרסיה וכתוצאה מכך, מצא כי החיסון סייע בהפחתת שיעורי התמותה במדינות שונות בארה"ב.
בהתחשב בהשפעת החיסון והניידות על ההעברה, Ref. [30] בדק את התנהגות החיסון והניידות בשליטה במגיפה באמצעות מודל משוואות מבניות; הם גילו שחיסון מאט את התפשטות ה-COVID-19 באזורים שבהם החיסון נמצא בקורלציה שלילית עם ניידות ולהיפך באזורים שיש להם מתאם חיובי בין חיסון לניידות.
למרות שהעבודה הקודמת חקרה את המתאם בין ניידות לאבולוציה של המגיפה, כולל השפעת החיסון כמו ב[30], הם לא הביאו בחשבון את השפעת עמידות האוכלוסייה (הן חסינות טבעית והן חיסון) על מתאם זה. לכן, המיקוד של המחקר שלנו הוא לנתח את המתאם בין ניידות והעברת COVID-19 על פני נקודות עניין שונות (POI) תוך התחשבות בעמידות האוכלוסייה (חיסון - חסינות טבעית (אחוז מהאוכלוסייה שהחלימה מ-COVID) -19)) והופעת וריאנט הדלתא.
כדי להשיג את המטרה שלנו, ננצל את מערך הנתונים של ספירת המקרים של עולמנו בנתונים COVID-19 יחד עם מערך הנתונים של Google Mobility. אנו משלבים מערכי נתונים אלה כדי לבחון את המתאם בין ניידות לקצב ההתפשטות הנגיפית תוך כדי התחשבות בארבעה גורמים נוספים: נקודות עניין (POI) - כולל מקומות קמעונאות ובילוי, תחנות מעבר, פארקים, מצרכים ובתי מרקחת ומקומות עבודה; הופעתו של וריאנט הדלתא; חלק מהאוכלוסייה שחוסן; וחלק מהאוכלוסייה עם עמידות טבעית (כלומר, אלה שהחלימו מזיהום ב-COVID-19). שים לב שאם אין מתאם בין ניידות וספירת מקרים של COVID-19, אזי לאמצעי הפחתת ניידות תהיה השפעה מועטה על השליטה בהתפשטות הנגיף.
שאר מאמר זה מאורגן באופן הבא. סעיף 2 מציג סקירה כללית של מערך הנתונים והעיבוד המקדים של הנתונים. סעיף 3 מציג את המתודולוגיה שלנו. סעיפים 4 ו-5 מציגים את תוצאות הניתוח שלנו, יחד עם דיון. לבסוף, מסקנות מובאות בסעיף 6.
2. מערכי נתונים
השלב הראשון בניתוח היה איסוף ועיבוד מקדים של הנתונים; חלק זה מספק סקירה כללית של מערכי הנתונים שבהם השתמשנו למחקר ותהליך בחירת המדינה שלנו. הנתונים שלנו נלקחו משלושת מערכי הנתונים המוצגים בטבלה 1 עם מסגרת זמן נבחרה של פברואר 2020 עד יולי 2021.
2.1. ערכת נתונים של COVID-19
העולם שלנו בנתונים [31] מתוחזק על ידי ארגון ללא מטרות רווח הכולל אלפי חוקרים מרחבי העולם. אחד ממערכי הנתונים העשירים ביותר שהם אספו במהלך המגיפה הוא מערך הנתונים של COVID-19. מערך נתונים זה לוכד מדי יום של מדידות מגיפה (למשל, מקרים חדשים, מקרי מוות חדשים, חיסונים וכו') יחד עם נתונים דמוגרפיים (למשל, גיל חציוני) ומדדים הקשורים למדינה (למשל, מדד התפתחות האדם). הוא מכסה 231 מדינות וכולל 60 משתנים. איסוף הנתונים החל בינואר 2020, ועד היום, מערך הנתונים עודכן מדי יום.
2.2. ערכת נתונים של Google Mobileity
גוגל מספקת מערך ניידות זמין לציבור הקשור למגיפה [32], שבו היא מודדת את מספר המבקרים היומי לנקודות עניין ספציפיות כשיעור ניידות (MR). נקודות עניין כוללות תחנות מעבר, מצרכים ובתי מרקחת, מקומות קמעונאות ובילוי, מקומות עבודה ופארקים. המדידה שלהם מבוססת על חישוב השינוי היחסי במבקרים מקו הבסיס לפני המגיפה ומכסה 123 מדינות. איסוף הנתונים החל בפברואר 2020, והוא עודכן מדי יום עד היום.
2.3. גרסאות COVID-19
בנוסף למערך הנתונים של COVID-19 המתואר למעלה, העולם שלנו בנתונים שיתף מערך נתונים של וריאציות COVID-19 [33], שמקורו ב-GISAID [34]. מערך הנתונים לוכד מעת לעת את מספר הדגימות ברצף שנכללות תחת שם וריאנט מסוים. זה מכסה 110 מדינות. איסוף הנתונים החל במאי 2020, ועד היום הוא עודכן כל שבועיים.
2.4. בחירת מדינה
לאורך המגיפה, היו אי-עקביות ואי-ודאות רבים סביב בדיקות ודיווח מדויק על מספר מקרי הקורונה-19 במדינות שונות. בהתחשב באי ודאות זו, השתדלנו להגביל את המחקר שלנו למדינות עם נתונים מדווחים אמינים יחסית. תהליך הבחירה שלנו עקב אחר השלבים המוצגים באיור 1. ראשית, מצאנו את המדינות המצטלבות משלושת מערכי הנתונים. לאחר מכן, כדי לקבל תחושה גסה של אילו מדינות איתרו חלק גדול מהמקרים, מצאנו, עבור כל מדינה, את היחס הגדול ביותר של מקרים שזוהו (Cnew) לסך האוכלוסייה (p):
אם כל מדינה נפגעה בגל של מקרים בשלב מסוים במהלך המגיפה, ככל שיחס זה גבוה יותר, כך גדל הסיכוי שהמדינה מזהה ומדווחת בצורה מהימנה על מקרים; כלומר, אם מדינה מדווחת שהיחס הזה קרוב לאפס, בהתחשב באופי המועבר מאוד של הנגיף, סביר יותר שהם סופרים פחות מאשר שאין להם מקרי COVID-19. ישנם, כמובן, חריגים לכך; לדוגמה, בתחילת המגיפה, ניו זילנד אכפה צעדים דרקוניים כדי למנוע את ההתפשטות ובמידה רבה שמרה את הנגיף. לאחר מכן מוינו המדינות לפי יחס זה, ו-50 היחסים הגבוהים ביותר נבחרו כאזורים שבהם סביר להניח שה-COVID-19 יזוהה וידווח באופן מהימן יחסית. כדי להתמקד בהשפעות של עמידות האוכלוסייה, מתוך 50 אלה, בחרנו את המדינות שהשיגו 60 אחוז עמידות אוכלוסיה או יותר באמצעות חיסון או החלמה מזיהומים קודמים עד יולי 2021. זה הותיר אותנו עם 14 מדינות היעד שלנו (ארגנטינה, קנדה, ארצות הברית, בריטניה, איטליה, אוסטריה, אירלנד, צ'כיה, צרפת, אורוגוואי, סלובניה, ישראל, שוויץ ולוקסמבורג), כפי שמוצג באיור 2.
For more information:1950477648nn@gmail.com