Dokonano modyfikacji modelu opracowanego przez badaczy z Imperial College London (opis poniżej), w którym na podstawie danych z wielu krajów szacowane są efekty poszczególnych restrykcji. Oryginalny model wykorzystuje jedynie dane o zgonach, w modyfikacji uwzględniono również dane o testowaniu i nowych rozpoznaniach, uzyskując lepsze dopasowanie.
Rysunek 2 wskazuje, że w Polsce epidemia znalazła się w fazie endemicznej. Model potwierdza duże spadki wskaźnika R przy wdrożeniu restrykcji. Przed relaksacją restrykcji współczynnik R w Polsce ustabilizował się w Polsce w okolicy 1, podczas gdy w Niemczech i we Francji - poniżej 1.
Estymatory wskazują medianę q = 0.18 w Polsce (Rys. 2), co może oznaczać, iż w Polsce na każdą 1 zdiagnozowaną osobę przypada 5.6 osób (p.u. 50% 3.7 - 13.5) zakażonych niezdiagnozowanych.
Wyniki sprzed kilku dni populacyjnych badań seroprewalencji w Hiszpanii oraz Francji są zgodne i mniej więcej zgodne z założeniami dotyczącymi śmiertelności (IFR - Infection Fatality Rate) i wynikami estymacji proporcji wykrywanych przypadków (q) w modelu. Badanie hiszpańskie przeprowadzone przez the Carlos III Institute for Health and the National Statistics Institute wskazuje iż 5% populacji Hiszpanii nabyło odporność na chorobę COVID-19, co w porównaniu z liczbami zdiagnozowanych zakażeń oraz zgonów daje IFR = 1.16% w Hiszpanii oraz q = 0.099 (w modelu przyjęto IFR=1.24%, estymowane qHiszpania = 0.155 (zmienne w czasie od 0.09 do 0.22) ). Wyniki badania Instytutu Pasteura we Francji[1] pokazują prewalencję 4.4% (p.u.: 2.8–7.2), IFR 0.7% (95% p.u.: 0.4–1.0), q = 0.022 (w modelu przyjęto IFR = 1.26%, estymowane qFrancja= 0.084 (zmienne w czasie od 0.044 do 0.124) ), tu dane wskazują na prawie 2-krotnie zawyżone IFR w modelu względem badania seroprewalencji, co mogło poskutkować 2-krotnym zawyżeniem estymowanego q. Nie dysponujemy w obecnej chwili wynikami badań seroprewalencji w Polsce, które pomogłyby zweryfikować wyniki estymacji parametru q. Jednakże metoda estymacji q jest podobna jak dla innych krajów, w których takie dane są już dostępne.
Badacze z Imperial College London opracowali w ostatnim miesiącu model epidemii COVID-19 [2], w którym na podstawie danych o zgonach z 14 krajów estymowana jest ewolucja współczynnika reprodukcji R0 w różnych przedziałach czasowych w związku z interwencjami rządowymi. Wpływ typów interwencji na R0 takich jak: zamknięcie szkół, odwołanie imprez publicznych, społeczne dystansowanie się, samoizolacja, kompletny lockdown, przyjęte są za wspólne dla wszystkich krajów, poza efektem lockdown, który estymowany jest niezależnie dla każdego kraju.
Wyniki oryginalnego modelu ICL można znaleźć pod następującym linkiem (opracowanie nie zawiera wyników dla Polski): https://mrc-ide.github.io/covid19estimates/#/
W Raporcie przedstawiamy wyniki modelu ICL v3.0 (efekty 4-ech typów interwencji wspólne, efekt lockdown-u ze składową niezależną dla każdego państwa), który został zmodyfikowany o uwzględnienie dziennych danych o zdiagnozowanych przypadkach oraz rozszerzony o dane dla Polski. Dodatkowo, w przypadku Polski, Niemiec i Francji uwzględniono efekt zdejmowania obostrzeń na początku maja.
Model ICL v3.0 zmodyfikowano o uwzględnienie danych o zdiagnozowanych przypadkach następująco:
gdzie parametry a, b są zależne od dnia epidemii
Oznaczenia:
Estymacja powyższych parametrów w modelu:
25% | 50% | 75% | |
φcases: | 2.886543 | 3.002509 | 3.108979 |
// Tłumaczy się to na st.dev~=0.58*mean w rozkładzie neg_binomial
Dla porównania od dopasowywania dziennej liczby zgonów:
25% | 50% | 75% | |
φ: | 4.153780 | 4.349396 | 4.543445 |
// Tłumaczy się to na st.dev~=0.48*mean w rozkładzie neg_binomial
Parametry modelu ICL v3.0 przyjęte jako stałe lub stałe rozkłady:
Model ICL v3.0_cases wyestymowany metodami MCMC charakteryzuje się: brakiem >20 dniowego opóźnienia, obecnego w przypadku uwzględniania tylko danych o zgonach, lepszą estymacją efektów redukcji Rt, pierwszymi estymacjami efektów redukcji obostrzeń, estymacją parametru q.
Stałe IFR (Infection Fatality Rate - śmiertelność wśród wszystkich zakażonych) wyliczone z piramidy wiekowej populacji (dla Polski dane GUS, 2019.12) użyte w modelu ICL. [3]
country | population | IFR | |
---|---|---|---|
1 | Denmark | 5792203 | 0.0102074697882139 |
2 | Norway | 5421242 | 0.00914956406203488 |
3 | Sweden | 10099270 | 0.0103110432111081 |
4 | United Kingdom | 67886004 | 0.0103504384028517 |
5 | Italy | 60461828 | 0.0124496263593357 |
6 | Spain | 46754783 | 0.0107838730158524 |
7 | Austria | 9006400 | 0.0103882259256609 |
8 | Belgium | 11589616 | 0.0109598776668092 |
9 | France | 65273512 | 0.012556187488595 |
10 | Germany | 83783945 | 0.0123324426034139 |
11 | Switzerland | 8654618 | 0.0102134528252841 |
12 | Greece | 10423056 | 0.0117992290838236 |
13 | Portugal | 10196707 | 0.0117258680881815 |
14 | Netherlands | 17134873 | 0.010289760240957 |
15 | Poland | 38376634 | 0.0102843128269144 |
[1] Estimating the burden of SARS-CoV-2 in France, Salje et al.