Predicting the dynamics of Covid-19 incidence and planning preventive vaccination measures for Moscow population based on mathematical modeling

Асатрян Марина Норайровна; Герасимук Элита Русиндапутри; Логунов Денис Юрьевич; Семененко Татьяна Анатольевна; Гинцбург Александр Леонидович

Статья

Прогнозирование динамики заболеваемости COVID-19 и планирование мероприятий по вакцинопрофилактике населения Москвы на основе математического моделирования

Асатрян Марина Норайровна,

Герасимук Элита Русиндапутри,

Логунов Денис Юрьевич,

Семененко Татьяна Анатольевна,

Гинцбург Александр Леонидович,

2020

https://doi.org/10.36233/0372-9311-2020-97-4-1

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.

Цитирование

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.

Источник

Версии

1. Version of Record от 2020-09-01

Метаданные

Об авторах

Асатрян Марина Норайровна
ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»
Герасимук Элита Русиндапутри
Государственный университет «Дубна»
Логунов Денис Юрьевич
ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»
Семененко Татьяна Анатольевна
ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»
Гинцбург Александр Леонидович
ФГБУ «Национальный исследовательский центр эпидемиологии и микробиологии имени почетного академика Н.Ф. Гамалеи»

Предметная рубрика

COVID-19

Название журнала

Journal of microbiology, epidemiology and immunobiology

Страницы

289-302

Тип документа

journal article

Тип лицензии Creative Commons

CC BY

Правовой статус документа

Свободная лицензия

Источник

elpub

Поиск по репозиторию

Статья

Прогнозирование динамики заболеваемости COVID-19 и планирование мероприятий по вакцинопрофилактике населения Москвы на основе математического моделирования

Похожие публикации

Источник

Версии

Метаданные