Анализ развития трендов современной эпидемической ситуации и факторов их локальной дифференциации

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Анализируются специфические процессы локальной эпидемической динамики COVID-19 с сопоставлением качественных различий колебаний в 2020 и в 2023 гг. Исследование методами нелинейной динамики развития эпидемических процессов в контексте быстро менявшейся обстановки потребовало классификации типичных трендов и уникальных ситуаций, сменявшихся иногда с необычайной быстротой. Отличительная особенность современной пандемии - достаточно резкая смена локальных трендов: эффекта затухания первичной вспышки заболеваемости и внезапное резкое начало новой эпидемической волны после длительного тренда уменьшения суточных заражений. Минимизация заражений не стала победой над распространением вируса, но создавал ложную иллюзию успеха. Имевшийся опыт построения прогнозов на основе моделей прошлых эпидемических процессов не смог помочь при столкновении с новым эволюционирующим вирусом. Полученное ранее представление о развитии и завершении эпидемических процессов для штаммов гриппа скорее помешали при прогнозировании сценария завершения распространения новой инфекции, что связанно и с событийным характером процесса и многообразием динамических ситуаций. Объявлявшаяся многими странами победа над COVID в фазе минимума после волны оказалась преждевременной. Новая Зеландия и Япония, выбравшие стратегию строгих мер изоляции в 2020 г., испытали в начале 2023 г. рост случаев заражений из-за прорывающих вакцинный иммунитет новых штаммов. Пандемии респираторных вирусов «испанки» и «свиного» гриппа, на аналогии с которыми многие строили прогнозы, затухали естественным образом после прохождения двух или трех волн. В начале 2023 г. на фоне глобального позитивного тренда в некоторых странах наблюдали рекордный рост показателей и смертности и суточной заболеваемости в связи с появлением локально циркулирующих «тревожных» штаммов. Современный этап c обособлением стабильных региональных штаммов обосновывает классификацию ряда дифференцированных свойств динамики региональных эпидемических ситуаций. Среди наблюдавшихся эпидемических эффектов отдельно выделены экстремальные явления в форме моментального бифуркационного разрушения установившихся режимов - резкого перехода от длительно затухающих осцилляций к новой экспоненциальной вспышке числа заражений. Выделенные варианты развития эпидемических переходных колебательных процессов по отдельности описываются уравнениями с запаздыванием для локальных эпидемических трендов. Предложены уравнения для описания трех вариантов развития наблюдавшихся этапов локальных эпидемий. Задача построения обобщающей прогностической модели пандемии для описания взаимосвязанных региональных процессов на данном этапе неразрешима.

Об авторах

А. Ю. Переварюха

Санкт-Петербургский Федеральный исследовательский центр РАН

Email: temp_elf@mail.ru
С.-Петербург, 199178, Россия

Список литературы

  1. А. Ю. Переварюха, Биофизика, 67 (2) 386 (2022).
  2. А. Ю. Переварюха, Биофизика, 66 (2), 384 (2021).
  3. А. Ю. Переварюха, Биофизика, 66 (6), 1144 (2021).
  4. Д. Пал, Д. Гхош, П. К. Сантра и Г. С. Махапатра, Биофизика, 67 (2), 301 (2022).
  5. А. Ф. Ванин, А. В. Пекшев, А. Б. Вагапов и др., Биофизика, 66 (1), 183 (2021).
  6. А. Ф. Ванин, Биофизика, 65 (4), 818 (2020).
  7. П. В. Ершов, Е. О. Яблоков, Ю. В. Мезенцев и др., Биофизика, 67 (6), 1109 (2022).
  8. Ю. Д. Нечипуренко, А. А. Анашкина и О. В. Матвеева, Биофизика, 65 (4), 824 (2020).
  9. G. E. Hutchinson, Ann. N. Y. Acad. Sci., 50, 221 (1948).
  10. В. Г. Ильичев, Биофизика, 53 (4), 697 (2008).
  11. A. N. Frolov, Entomolog. Rev., 95 (2), 147 (2015).
  12. А. В. Шабунин, Изв. вузов. Прикладная нелинейная динамика, 30 (6), 717 (2022).
  13. Ф. М. Лосанова и Р. О. Кенетова, Нелинейный мир, 16 (1), 49 (2018).
  14. C. Reed and J. M. Katz, Lancet, 375, 1062 (2010).
  15. M. I. Nelson, J. Virol., 85 (2), 828 (2011).
  16. A. Donnelly, R. Malik, and A. Elkholy, Emerging Infect. Dis., 25 (9), 143 (2019).
  17. R. B. Belshe, Missouri Med., 109 (2), 119 (2012).
  18. S. Wang, X. Zou, and Z. Li, Front. Publ. Health, 9 (6), 791600 (2021).
  19. A. Mehregan, S. Pdrez-Conesa, and Y. Zhuang, Biochim. Biophys. Acta - Biomembranes, 1864 (10), 183994 (2022).
  20. B. J. Willett, J. Grove, and O. MacLean, Nature Microbiol., 7, 1161 (2022). doi: 10.1038/s41564-022-01143-7
  21. D. Y. Chen, C. V. Chin, and D. Kenney, Nature, 615, 143 (2023). doi: 10.1038/s41586-023-05697-2
  22. F. De Maio, Microbes and Infection, 22 (10), 592 (2020).
  23. N. Brusselaers, D. Steadson, and K. Bjorklund, Nature Human. Soc. Sci.Commun., 9, 91 (2022). doi: 10.1057/s41599-022-01097-5
  24. H. Oshitani, Nature, 605, 589 (2022). doi: 10.1038/d41586-022-01385-9
  25. https://asia.nikkei.com/Spotlight/Coronavirus/Japan-weighs-downgrading-COVID-19-despite-record-high-deaths.
  26. K. McMahan, V. Giffin, and L. H. Tostanoski, Med. Clinical and Translational Report, 3 (4), 262 (2022). doi: 10.1016/j.medj.2022.03.004
  27. S. A. Kemp, D. A. Collier, R. P. Datir, et al., Nature, 592, 277 (2021). doi: 10.1038/s41586-021-03291-y
  28. J. Douglas, D. Winter, and A. McNeill, Nature Commun. 13, 6484 (2022). doi: 10.1038/s41467-022-34186-9
  29. M. D. April, D. P. Jason, and F. Naylor, Southern Med. J., 115 (3), 115 (2022).
  30. A. King, New Science, 246 (3280), 32 (2020).
  31. G. Gerna, G. Campanini, F. Rovida, et al., J. Med. Virol., 78 (7), 938 (2006). doi: 10.1002/jmv.20645
  32. A. Vabret, T. Mourez, S. Gouarin, et al., Clin. Infect. Dis., 36 (8), 985 (2003). doi: 10.1086/374222
  33. https://ncovtrack.com/country/france/regions.
  34. L. Loyal, J. Braun, and L. Henze, Science, 374 (6564), eabh1823 (2021).
  35. A. M. Syed, T. Y. Taha, and T. Tabata, Science, 374 (6575), 1626 (2021).
  36. Т. А. Зайчук, Ю. Д. Нечипуренко, А. А. Аджубей и др., Молекуляр. биология, 54 (6), 922 (2020).
  37. J. Lim, A. T. Tan, and N. Le Bert, J. Experim. Med., 219 (10), e20220780 (2022).
  38. S. Andre, M. Picard, and R. Cezar, Cell Death & Differentiation, 29, 1486 (2022). doi: 10.1038/s41418-022-00936-x
  39. D. M. Altmann, E. M. Whettlock, and S. Liu, Nat. Rev. Immunol., (2023). doi: 10.1038/s41577-023-00904-7
  40. R. Uraki, S. Iida, P. Halfmann, et al., BioRxiv, ID 505450v1 (2022). doi: 10.1101/2022.08.26.505450v1
  41. https://theconversation.com/covid-what-we-know-about-new-omicron-variant-bf-7-196323.
  42. M. Moriyama, C. Lucas, and V. S. Monteiro, Proc. Natl. Acad. Sci. USA, 120 (16), 18 (2023).
  43. П. М. Кравец, Вестн. Самарского гос. университета. Естественно-научная серия, 9 (110), 19 (2013).
  44. A. Y. Perevaryukha, Biophysics, 61 (2), 334 (2016).
  45. Г. А. Мещеряков, В. А. Зуев, А. А. Иголкина и М. Г. Самсонова, Биофизика, 67 (3), 451 (2022).
  46. А. Б. Медвинский, Б. В. Адамович, А. В. Русаков и др., Биофизика, 64 (6), 1169 (2019).
  47. В. А. Дубровская, Проблемы механики и управления: Нелинейные динамические системы, 48, 74 (2016).
  48. А. Ю. Переварюха, Биофизика, 65 (1), 138 (2020).
  49. R. Kundu, J. S. Narean, and L. Wang, Nature Commun., 13, 80 (2022). doi: 10.1038/s41467-021-27674-x
  50. A. D. Fakhroo, A. Thani, and H. M. Yassine, Viruses, 13 (1), 45 (2021). doi: 10.3390/v13010045
  51. S. Chawla and S. Chawla, Microbiol. Insights, 14 (4), 2021. doi: 10.1177/11786361211041367
  52. S. Mahanty, A. Prigent, and O. Garraud, BMC Immunol., 16, 31 (2015). doi: 10.1186/s12865-015-0095-y
  53. А. Ю. Переварюха, Информатика и автоматизация, 21 (3), 604 (2022).
  54. А. В. Карпова, Изв. Самарского научного центра РАН, 17 (5), 1219 (2015).
  55. В. В. Михайлов и Ю. С. Решетников, Информационно-управляющие системы 4 (95), 31 (2018).
  56. Т. Н. Соловьева, Информационно-управляющие системы, 4 (83), 60 (2016).
  57. A. V. Nikitina, Comput. Mathem. Inform. Technol., 1 (1), 35 (2019).
  58. А. Ю. Переварюха, Динамические системы, 7 (2), 157 (2017).
  59. А. Ю. Переварюха, Теория вероятностей и ее применения, 68 (1), 182 (2023).
  60. I. V. Trofimova, A. Yu. Perevaryukha, and A. B. Manvelova, Techn. Phys. Lett., 48 (12), 305 (2022).
  61. V. V. Mikhailov and I. V. Trofimova, Techn. Phys. Lett., 48 (12), 301 (2022).
  62. D. V. Desai and U. Kulkarni-Kale, Methods Mol. Biol., 1184, 333 (2014).
  63. B. Zhang, R. Upadhyay, Y. Hao, et al., BioRxiv, ID 525203 (2023). doi: 10.1101/2023.01.24.525203
  64. Z. Sethna, Y. Elhanati, and C. Callan, Bioinformatics, 35 (17), 2974 (2019). doi: 10.1093/bioinformatics/btz035
  65. A. Kalok, S. Sharip, A. Hafizz, et al., J. Environ. Res. Publ. Health, 17, 8522 (2020). doi: 10.3390/ijerph17228522

© Российская академия наук, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах