نحوه محاسبه گسترش

RIVM از مدل های علمی برای نقشه برداری از گسترش Coronavirus SARS-COV-2 استفاده می کند. RIVM با استفاده از داده های تحقیق در هلند ، می تواند روند شیوع را تخمین زده و تأثیر اقدامات را محاسبه کند. RIVM به طور مداوم این محاسبات را با داده های اخیر به روز می کند. اطلاعات بیشتر در مورد مدل ها و ارقام در زیر ارائه شده است.

مدل ها

RIVM از مدل هایی برای محاسبه چگونگی گسترش سریع یک بیماری عفونی در بین گروهی از افراد استفاده می کند. یک مدل بازنمایی ساده ای از واقعیت واقعی را ارائه می دهد و ممکن است برای بررسی تأثیر بالقوه اقدامات مورد استفاده قرار گیرد. مهم است که در مورد نتیجه گیری بر اساس مدل ها محتاط باشید زیرا همیشه شرایط محدود کننده و عوامل مرتبط با آن وجود دارد. این امر به ویژه در مورد بیماریهای جدید مانند Coronavirus SARS-COV-2 صادق است ، زیرا بسیاری از جنبه های مربوط به ویروس هنوز ناشناخته است. هرچه بیشتر در مورد ویروس و چگونگی گسترش آن بدانیم ، مدل ها با واقعیت مطابقت دارند. برای به حساب کردن ناشناخته ها ، ما محاسبات خود را بر اساس گزینه های مختلف پایه گذاری می کنیم. از آنجا که دانش بیشتری کسب می کنیم ، می توانیم گزینه هایی را که دیگر قابل استفاده نیستند از بین ببریم. گزینه های باقیمانده که محاسبه می کنیم احتمالاً بیشتر است.

مهمترین نقطه شروع مدل این است که این بیماری مسری است. برای محاسبات ما ، ما به عواملی مانند ویروس چقدر مسری و چگونگی گسترش آن متکی هستیم. به عنوان مثال: چه مدت طول می کشد تا کسی مسری شود؟چه مدت شخص در واقع مسری است؟چند نفر دیگر یک نفر را آلوده می کند؟

تحقیقات باز و شفاف

RIVM در حال انجام تحقیقات در مورد Coronavirus SARS-COV-2 است که شامل استفاده از مدل ها است. پس از اتمام مطالعات ، نتایج منتشر می شود. RIVM تحقیقاتی را در مجلات بین المللی بررسی شده منتشر می کند. این منجر به انتشارات دسترسی آزاد می شود: انتشاراتی که برای همه قابل دسترسی است. کدها و داده هایی که ما استفاده می کنیم نیز در دسترس عموم خواهد بود. RIVM داده ها و نتایج تحقیق را با انواع سازمان ها در هلند و خارج از کشور به اشتراک می گذارد. در سطح بین المللی ، RIVM داده ها را با سازمان بهداشت جهانی (WHO) و مرکز پیشگیری و کنترل بیماری (ECDC) و با مؤسسات بهداشتی در سایر کشورهای اروپایی مبادله می کند.

مدیریت بحران و توصیه های خط مشی بر اساس مدل ها

RIVM شیوع و تهدیدهای بیماریهای عفونی را مشخص می کند و در مورد نحوه کنترل آنها توصیه می کند. بر اساس محاسبات انجام شده توسط محققان با استفاده از مدل ها ، RIVM توصیه هایی را در مورد اقدامات کنترل ارائه می دهد. نتایج و بینش ها در جلسه توجیهی فنی در مجلس نمایندگان (به زبان هلندی) به اشتراک گذاشته می شود. در این موارد ، RIVM همچنین به سؤالات پارلمانی در مورد مدل های مورد استفاده پاسخ می دهد.

RIVM چه چیزی را محاسبه می کند و چگونه؟

تعداد تولید مثل (R) نشان می دهد که ویروس چقدر سریع پخش می شود. این تعداد نشان دهنده میانگین تعداد افرادی است که توسط شخصی مبتلا به COVID-19 آلوده شده اند. تعداد تولید مثل 1 به این معنی است که 100 نفر مبتلا به COVID-19 به طور جمعی 100 نفر دیگر را آلوده می کنند. در این حالت ، ویروس در حال گسترش است. تعداد تولید مثل 1. 39 به این معنی است که 100 نفر مبتلا به COVID-19 به طور جمعی 139 نفر دیگر را آلوده می کنند ، به این معنی که ویروس به سرعت در حال گسترش است. اگر R برای مدت طولانی کمتر از 1 باشد ، ویروس متوقف می شود. R تعداد مهمی است برای دیدن اینکه ویروس در هلند چقدر سریع پخش می شود و برای تعیین شدت اقدامات مورد نیاز برای جلوگیری از گسترش بیشتر آن تعیین می شود.

شماره تولید مثل باید تا حد ممکن کم نگه داشته شود. میزان تولید مثل بسته به میزان تماس با افراد با دیگران ممکن است تغییر کند. به عنوان مثال این عامل می تواند تحت تأثیر اقدامات باشد.

برای محاسبه شماره تولید مثل (R) ، باید بدانیم که تعداد موارد COVID-19 با گذشت زمان چگونه افزایش می یابد. این امر با بررسی تعداد موارد گزارش شده COVID-19 در روز در هلند تعیین می شود. ما همچنین باید زمان بین روز اول بیماری را برای فرد آلوده و روز اول بیماری برای تماس با منبع بدانیم. بر اساس داده های هلند ، می دانیم که میانگین فاصله 4 روز است. RIVM از یک روش تعیین شده برای برآورد شماره تولید مثل*استفاده می کند.

* اگر تعداد بستری در بیمارستان کم باشد ، RIVM بر اساس تعداد موارد تأیید شده COVID-19 که گزارش شده است ، شماره تولید مثل (R) را محاسبه می کند. خدمات بهداشت عمومی شهرداری (GGDS) سوابق مربوط به بستری در بیمارستان و موارد تازه گزارش شده را نگه می دارد.

به عنوان یک متریک برای تعریف گسترش بیماری ، داده های بستری در بیمارستان همیشه به تأخیر می افتد ، زیرا در صورت بستری آن شخص در بیمارستان ، هنوز در روز اول بیماری شخص مشخص نیست. علاوه بر این ، گزارش های بستری در بیمارستان با تأخیر ارسال یا به روز می شود. ما هر دو شکل تأخیر را در مدل های خود در نظر می گیریم. تخمین های R از قبل از 14 روز پیش قابل اعتماد است. تخمین R بر اساس داده های کمتر از 14 روز پیش شامل عدم قطعیت های بیشتری است. به همین دلیل ما به "R امروز" نگاه نمی کنیم: قابل اعتماد بودن بسیار نامشخص است.

از داده های زیر برای محاسبه r استفاده می شود:

• داده های بنیاد ارزیابی مراقبت های ویژه ملی (NICE). اینها ارقام مربوط به تعداد بستری های بیمارستان در هلند و تعداد پذیرش در مراقبت های ویژه است.
• داده های مقامات بهداشت عمومی شهرداری (GGDS). GGD ها اطلاعات مربوط به موارد تازه گزارش شده COVID-19 را در سیستم OSIRIS وارد می کنند. این جزئیات شامل تعداد بیماران جدید ، اولین روز بیماری آنها ، منبع احتمالی عفونت و تعداد افراد بستری در بیمارستان است. از طریق Osiris ، تمام داده های ارائه شده توسط RIVM قابل دسترسی است. RIVM سیستم را مدیریت می کند و برای دسترسی به داده ها کار می کند. داده های منتشر شده باید مطابق با قوانین حفظ حریم خصوصی مطابق مقررات عمومی حمایت از داده ها (GDPR) باشد.

تعداد افرادی که در هر دوره زمانی مشخص آزمایش می شوند ، روی تعداد تولید مثل تأثیر نمی گذارد. تعداد تولید مثل ممکن است برای مدت زمان بسیار کوتاه بالاتر یا پایین باشد ، اما نه قبل یا بعد از آن یا برای یک دوره زمانی طولانی.

تعداد تولید مثل نشان دهنده نسبت بین تعداد عفونت ها در دو نقطه در زمان ، در فواصل تقریباً 4 روز است. اگر تغییر در آزمایش باعث ایجاد تغییر برابر در تعداد افرادی شود که در دو نقطه مثبت آزمایش کرده اند ، تعداد تولید مثل یکسان است.

ما این محاسبه را با محاسبه شماره تولید مثل بر اساس بستری در بیمارستان و بر اساس پذیرش ICU بررسی می کنیم. بستری در بیمارستان و بستری در بخش مراقبت های ویژه به شدت بیماری بستگی دارد و تحت تأثیر آزمایش بسیاری از افراد یا معدود افراد قرار نمی گیرند. اگر شاهد تغییر در R بر اساس تست های مثبت گزارش شده باشیم که بر اساس بستری در بیمارستان و پذیرش ICU نیز در R منعکس شده است ، احتمالاً این تغییر به دلیل رفتار آزمایش نیست ، بلکه این که ویروس کم و بیش گسترده استهلند.

اگر این تعداد همیشه دو هفته عقب باشد ، ارزش افزوده شماره تولید مثل چیست؟اطلاعات بیشتر

برای محاسبه شماره تولید مثل برای یک روز معین ، افرادی که آلوده می شوند باید براساس موارد بیماری در آن روز گزارش شده باشند. دو هفته از زمان وقوع عفونت ها تا زمانی که موارد تأیید شده به اندازه کافی کامل شوند ، طول می کشد. تعداد تولید مثل یک نقطه داده مهم به منظور آماده سازی برای سناریوهای مختلف است. این کار فقط بر اساس تخمین ها انجام می شود ، زیرا ما به داده های آینده دسترسی نداریم.

RIVM نگاه کرد که اگر هلند مدارس ابتدایی و متوسطه را همزمان یا متوالی افتتاح کرد ، چه تأثیری خواهد داشت. خطر شیوع شیوع در مدارس در زمان افتتاح مدارس ابتدایی کمترین و به دنبال آن مدارس متوسطه بود. ما این تحقیق را با همکاری دانشکده بهداشت و پزشکی گرمسیری لندن انجام دادیم.

اگر شخصی Coronavirus SARS-COV-2 را صید کند ، آن شخص مسری است و می تواند دیگران را برای مدت معینی آلوده کند. این چه مدت طول می کشد تا شخص به شخص دیگر متفاوت باشد. بر اساس منابع مختلف داده در مورد اینکه در یک دوره خاص به تعداد زیادی از افراد به کرونوویروس آلوده شده اند ، می توان تعداد افراد مسری در هلند را تخمین زد. این برآورد شامل درجه ای از عدم اطمینان است. تعداد دقیق ناشناخته است ، اما می توانیم دامنه احتمالی مقادیر را محاسبه کنیم. این روش دائما در حال تحول است.

از 8 اکتبر 2020 ، تعداد افراد مسری بر اساس بستری در بیمارستان توسط گروه سنی و داده های سرولوژیکی از دور دوم مطالعه Pienter Corona محاسبه شده است. از آزمایش سرولوژیکی برای بررسی اینکه آیا آنتی بادی ها در برابر ویروس خاصی در خون وجود دارد ، استفاده می شود. شیوع شیوع (تعداد افرادی که آنتی بادی های قابل تشخیص علیه SARS-COV-2 دارند) در هر گروه سنی ، تصور خوبی از اینکه تعداد افراد تا آن زمان به آن آلوده شده اند ، می دهد. می توان فرض کرد که کسی که پاسخ آنتی بادی به SARS-COV-2 دارد نیز در یک مقطع مسری بود. همراه با تعداد کل بستری های بیمارستان تا آن لحظه ، می توان تعداد افراد آلوده را در هر بستری در بیمارستان تخمین زد. این تعداد در هر گروه سنی متفاوت است. به این ترتیب ، پذیرش اخیر بیمارستان می تواند به عفونت های اخیر تبدیل شود. براساس اطلاعات مربوط به دوره جوجه کشی و زمان گزارش شده بین روزهای اول بیماری فرد آلوده و تماس با منبع ، می توان فرض کرد که یک فرد آلوده از دو روز قبل از اولین علائم تا چهار تا هشت روز پس از اولین علائم مسری است.

تا 8 اکتبر 2020 از داده های سرولوژیکی از دور اول مطالعه Pienter Corona استفاده شد. بین 12 ژوئن و 8 اکتبر 2020 ، تعداد افراد مسری نیز بر اساس تعداد عفونت های تازه گزارش شده است ، زیرا بستری در بیمارستان در آن زمان کم بود. هنگامی که تعداد بستری در بیمارستان افزایش یافت ، این قطع شد.

از 20 مارس به بعد ، RIVM پیش بینی های هفتگی برای اشغال IC را ارائه می دهد. این پیش بینی ها بر اساس یک مدل توزیع است که در آن جمعیت به گروه هایی با همان سن تقسیم می شود و در این گروه ها بر اساس وضعیت عفونت تقسیم می شوند:

• افرادی که مستعد ابتلا به عفونت هستند
• افرادی که به Coronavirus SARS-COV-2 آلوده شده اند
• افرادی که قبلاً کرونوویروس داشتند و دیگر مستعد ابتلا به عفونت نیستند

در مدل مورد استفاده برای محاسبه گسترش احتمالی ویروس (مدل انتقال) ، احتمال اینکه دو نفر ارتباط بالقوه مسری داشته باشند به سن آنها بستگی دارد. برای تعیین این احتمال ، ما نظرسنجی ها را به یک گروه نماینده به طور تصادفی انتخاب شده و ساکنان در هلند ارسال کردیم. این افراد سن خود را گزارش دادند و تعداد افراد مختلفی را که هر روز با آنها ارتباط داشتند اظهار داشتند. مطالعات مشابهی در هلند در سال 2007 ، 2017 و 2020 انجام شد. این امر باعث می شود تعداد تماس های ایجاد شده در داخل و بین گروه های سنی تخمین زده شود. روشی که برای این کار استفاده می شود برای همه قابل دسترسی است.

در این مدل ، یک فرد پس از تماس با شخص دیگری که به Coronavirus SARS-COV-2 آلوده شده است ، می تواند آلوده شود. احتمال آلوده شدن به گونه ای تعریف شده است که تعداد پذیرش های تخمین زده شده ICU تا حد امکان با تعداد واقعی پذیرش ICU مطابقت داشته باشد. خطر آلوده شدن ممکن است با گذشت زمان تغییر کند. اگر فرد آلوده شود ، سن آنها خطر ابتلا به علائم ، خطر پایان یافتن آنها در بیمارستان و خطر پذیرش آنها در ICU یا درگذشت را تعیین می کند. اگر شخصی در بیمارستان یا ICU بستری باشد ، مدت زمان بستری در بستری یا بستری در بخش مراقبت های ویژه به گونه ای تعریف شده است که مطابق با داده های ارائه شده توسط بنیاد ملی ارزیابی مراقبت های ویژه (NICE) باشد. برای این منظور ، ما توزیع را در ارقام پذیرش مشاهده شده قرار می دهیم. ارقام پذیرش خوب برای چند روز گذشته اغلب ناقص است. ما برای تأخیر گزارش درست می کنیم.

در حال حاضر ، ما در مورد گسترش و صاف کردن منحنی اپیدمی Covid-19 چیزهای زیادی می دانیم. نمودار بالا محاسبات مربوط به تأثیر اقدامات مربوط به ظرفیت ICU در هلند را نشان می دهد. خط قرمز نشان دهنده سناریویی است که در آن هلند هیچ اقدامی انجام نمی دهد. خط آبی ضخیم در نمودار نشان دهنده محتمل ترین سناریو است. منطقه سایه دار آبی نشانگر حاشیه عدم اطمینان است. حاشیه عدم قطعیت از آنچه در ابتدای شیوع وجود داشت کوچکتر است زیرا ما در مورد چگونگی گسترش بیماری اکنون می دانیم. خط واقعی جایی در آن منطقه سایه آبی است.

نتایج مدل سازی چگونه به نظر می رسد؟

اینها محاسباتی است که RIVM برای برآورد درصد انواع مختلف ساخته شده است. هر نوع برچسب گذاری شده است: نوع آلفا (اولین بار در انگلستان مشخص شده است) به طور رسمی B. 1. 1. 7 تعیین شده است ، در حالی که بتا (آفریقای جنوبی) B. 1. 351 است ، گاما (برزیل) P. 1 و Delta (هند)B. 1. 617. 2 است.

خطوط تخمین ها را برای انواع نشان می دهد. گروههای هر دو طرف خطوط عدم اطمینان را نشان می دهند. نقاط نشان دهنده اندازه گیری از نظارت پاتوژن است ، در حالی که خطوط عمودی حاشیه های مرتبط با عدم اطمینان را نشان می دهد. این پیش بینی ای بود که بعداً با افزودن تعداد واقعی عفونت های گزارش شده به روز شد. همانطور که مشاهده می کنید ، محاسبات بر اساس آخرین داده ها دائماً به روز می شوند.

*این پیش بینی فرض می کند که واکسن ها در برابر انواع مختلف محافظت برابر دارند. حاشیه عدم اطمینان گسترده است.< Pan> این محاسباتی است که RIVM برای برآورد درصد انواع مختلف ساخته شده است. هر نوع برچسب گذاری شده است: نوع آلفا (اولین بار در انگلستان مشخص شده است) به طور رسمی B. 1. 1. 7 تعیین شده است ، در حالی که بتا (آفریقای جنوبی) B. 1. 351 است ، گاما (برزیل) P. 1 و Delta (هند)B. 1. 617. 2 است.