Оценка влияния вакцинации на эпидемический процесс при COVID-19 на основе компьютерного моделирования
Автор: Убеева Е.А., Малов В.А., Николаев С.М., Нагурная В.В., Зульфибаева Ж.А., Убеева И.П., Занданов А.О.
Журнал: Вестник Бурятского государственного университета. Медицина и фармация @vestnik-bsu-medicine-pharmacy
Рубрика: Медицина
Статья в выпуске: 1, 2023 года.
Бесплатный доступ
Эпидемиологическая эффективность иммунопрофилактики COVID-19 вакциной «Гам-КОВИД-Вак» определялась при использовании математической модели компьютерной программы COVASIM и статистических данных эпидемической ситуации в России и мире по данным электронного ресурса Федеральной службы по надзору в сфере защиты прав потребителей и благополучия человека. В результате работы установлено, что вакцинация 16,5 и 24,7% населения не позволяет существенно влиять на рост заболеваемости и смертности населения, при достижении показателя иммунизации 70% отмечается снижение количества тяжелых, критических и смертельных случаев COVID-19. Уровень привитости в 98% позволит практически полностью прекратить циркуляцию наиболее летального варианта вируса «Дельта». По мере получения эпидемиологических данных о вирулентности и патогенности новых вариантов COVID-19 BA.2.86, HV.1 и JN.1, а также данных об эффективности обновленных составов вакцин коллектив авторов планирует продолжение исследования.
Вакцинопрофилактика, эпидемический процесс, компьютерная модель covasim, иммунопрофилактика, пандемия
Короткий адрес: https://sciup.org/148327602
IDR: 148327602 | DOI: 10.18101/2306-1995-2023-1-43-55
Текст научной статьи Оценка влияния вакцинации на эпидемический процесс при COVID-19 на основе компьютерного моделирования
Необходимость оценки эффективности вакцинации для профилактики COVID-19 определяется пандемическим распространением заболевания, высокой восприимчивостью всех групп населения, изменчивостью возбудителя, риском тяжелого течения заболевания у людей старше 60 лет и пациентов с коморбидной патологией. Авторы отмечают возможность критического течения заболевания у детей и молодых лиц без сопутствующей патологии. C ноября 2019 г. в мире коронавирусом заразились более 640 млн человек, около 6,6 млн умерли от COVID-19 и его последствий. Социальная значимость заболевания определяется также многочисленными постковидными явлениями в виде легочного фиброза, сердечной недостаточности, поражениями нервной и других систем [1‒3].
Как известно, в ходе эволюции коронавирус SARS-CoV-2, так называемый «Дикий», выделенный в начале пандемии в провинции Хубэй в Китае, сменился многочисленными последующими вариантами, что не позволяет авторам сделать заключение о завершении эпидемического процесса. Наиболее широкое распространение и тяжелое течение COVID-19 вызвал вариант «Дельта», впоследствии вытесненный более контагиозным, но вызывающим менее тяжелое клиническое течение вариантом «Омикрон» и его разновидностями BA.4 и BA.5, BA.2.12.1., а также BA.2.75, названный «Кентавром». Ввиду многочисленных мутаций и рекомбинаций SARS-CoV-2 возникающие варианты отличались способностью вызывать более интенсивный эпидемический процесс с возрастающим значением базового репродуктивного числа Rо, от 1,1–3,9 до 6–7 и 13. Значение Rе определялось не только контагиозностью вируса, но и особенностями популяции, например, образом жизни, частоты контактов людей, состоянием восприимчиво-сти1 [4; 5].
Наиболее значимым методом контроля распространения SARS-COV-2 в период пандемии признана вакцинация, осуществляемая в РФ вакцинами «Гам-КО-ВИД-Вак» (Спутник V); «ЭпиВакКорона-Н» с торговым названием «АВРОРА-КоВ»; «КовиВак», «Конвасэл». Широкое применение получила векторная вакцина «Гам-КОВИД-Вак», эффективность которой составляет 91,6% по данным оригинальных исследований2 [6].
Сложность объективной оценки эффективности массовой вакцинации СOVID-19 заключается в необходимости опираться на достоверные информационные данные. Влияние вакцинопрофилактики оценивается авторами с учетом трех основных критериев показателей документированной привитости (охват прививки), уровня иммунологической или клинической эффективности и эпидемиологической или полевой эффективности [7]. Оценка эпидемиологической эффективности вакцинации позволяет выявить уровень способности надежной защиты населения.
Цель работы заключалась в определении возможности моделирования развития эпидемического процесса при COVID-19 на основе программного обеспечения COVASIM при вакцинации 16,5, 24,7, 70, 98% населения.
Материалы и методы
Для математического моделирования эпидемического процесса в условиях иммунопрофилактики была использована программа COVASIM, опирающаяся на общепризнанные закономерности эпидемического процесса, такие как характеристика источника инфекции, механизм передачи и восприимчивости населения. С учетом основных биологических свойств возбудителя (скорости репликации, устойчивости, иммуногенности, изменчивости), путей передачи определялась эпидемиологическая значимость источников инфекции при COVID-19, принима- лись во внимание тяжесть состояния больных, клиническая картина. В формировании эпидемических очагов и проявлений эпидемического процесса существенную роль играют условия социальной и природной среды обитания населения.
Использование программы COVASIM 1 позволило оценить восприимчивость населения с учетом роли биологических и социальных факторов в распространении возбудителя, эффективности проводимых неспецифических мер профилактики, использования средств защиты, гигиенических мероприятий, физического дистанцирования, изоляции, отслеживания контактов и проведения карантинных мероприятий.
На основе сведений о распространении инфекционных заболеваний наиболее часто предлагается модель эпидемии в больших городах с принципом экспоненциального роста числа заболевших [2; 4]. Достоинством выбранной модели SEIR является возможность использования новых параметров и анализа сложившиейся ситуации, в которых все население делится на группы: S (Susceptible) — «уязвимый»; E (Exposed) — зараженный на стадии инкубационного периода; I (Infected) — зараженный; R (Recovered) — выздоровевший. Для разработки программы в системе COVASIM была составлена дополненная блок-схема на основе SEIR (рис. 1).

Рис. 1. Модель SEIR COVID-19
S — восприимчивые; E — контактировавшие; I — случаи инфекции ( I1 — бессимптомные, I2 — манифестные); H — госпитализированные ( H1 — госпитализированные, H2 — критические случаи (ОРИТ и/или ИВЛ); R — переболевшие или вакцинированные с иммунитетом; Q — карантин для контактных; ϰS — вакцинация; τR — снижение иммунитета
Значения коэффициентов, необходимых для расчетов переменных в данной модели, подбирались с учетом имеющихся сведений [2; 4]. Параметры нефармакологических (гигиенических) вмешательств (NPI) заданы одинаковым образом для всех групп наблюдения. В связи с неполными сведениями о количестве привитых вакцинами «КовиВак» и «ЭпиВакКорона», недостаточно обоснованной информации об их эффективности на момент моделирования использовались сведения об общем количестве привитых и данные об эффективности вакцины «Гам-Ковид-Вак», получившей наиболее широкое распространение в РФ1 [6].
В модели распространения COVID-19 в городе с населением 500 000 человек в нашей работе контактные лица подразделялись на группы на основе:
-
• возраста с определением тяжести течения заболевания и выделением частоты легких, среднетяжелых, тяжелых и очень тяжелых с летальными исходами клинических форм;
-
• интенсивности общения с характеристикой;
-
• количества личных и общественных контактов (учеба, производство, транспорт и т. д.);
-
• состояния иммунитета в разных возрастных группах контактных и снижение в динамике;
-
• тестирования контактных с выявлением случаев инфицирования.
При использовании моделирования с установленным уровнем иммунопрофилактики населения запускалось 5 стохастических симуляций, на полученных кривых основная линия в центре соответствует среднему арифметическому показателю. Стохастические модели, по мнению специалистов, позволяют адаптировать полученные результаты к реальным условиям.
Результаты и их обсуждение
Полученные результаты изучения особенностей эпидемического процесса на математической модели в городе с населением 500 000 человек при иммунопрофилактике 16,5, 24,7, 70, 98% населения представлены соответственно на рисунках 2‒5. Получившими вакцинацию считали людей, привитых двумя дозами (Спутник V) или одной дозой «Спутник-Лайт», используемую для профилактики у переболевших COVID-19. В начальный период наблюдения распространение COVID-19 до иммунизации населения определялось на основе демографических данных и сведений о количестве заболевших на фоне проведения гигиенических и неспецифических противоэпидемических мер (изоляция заболевших, ограничение контактов, масочный режим, дистанцирование, выявление инфицированных контактных, дезинфекция и т. д.). Снижение показателя R e в этом периоде моделирования связано исключительно с нефармакологическими вмешательствами (рис. 2‒5).
При введении вакцин «Гам-КОВИД-Вак» и «Спутник-Лайт» уровень инфицирования SARS-CoV-2 обозначен линиями (рис. 2‒5). С начала вакцинации до 366го дня наблюдения кумулятивное количество случаев составило 261 543,4 (здесь и далее — медиана для пяти симуляций), в то время как кумулятивное количество случаев смерти от COVID-19 достигло 2 567,4.
Таблица 1 Влияние вакцинации «Гам-КОВИД-Вак» и «Спутник-Лайт»
на распространение COVID-19 и тяжесть клинического течения по данным программы COVASIM
16,5% иммунизации |
24,7% иммунизации |
70% иммунизации |
98% иммунизации |
|
R е |
1,036 95% ДИ (1,03‒1,04) |
1,030 95% ДИ (1,02‒1,03) |
1,0184 95% ДИ (1,01‒1,02) |
0,9901 95% ДИ (0,99‒1,01) |
Кумулятивное ко личество случаев |
1 486 184,2 |
1 369 251 |
735 413,2 |
368 509,4 |
Кумулятивное количество тяжелых случаев |
78 250 |
69 715,8 |
31 734,6 |
18 367,6 |
Кумулятивное количество критических случаев |
21 143 |
18 930,4 |
8 872,8 |
5 241,8 |
Кумулятивное количество смертельных случаев |
13 368 |
12 011,6 |
5 711,6 |
3 316,8 |
При иммунизации 16,5 и 24,7% населения данного города (рис. 2, 3) отмечался период кратковременного снижения инфицирования SARS-CoV-2, но затем восстанавливается прежний уровень распространения инфекции с развитием клинически выраженных случаев и смертности. При этом, несмотря на уменьшение количества восприимчивых лиц в популяции на 16,5 и 24,7% населения, кумулятивные показатели заболеваемости и смертности не испытывают существенных изменений.
При вакцинации 70% населения наблюдалось значительное снижение распространения COVID-19, отчетливо уменьшилось кумулятивное количество случаев, развитие тяжелых и смертельных случаев. В отдаленный период на 366-е сутки математическая программа COVASIM не позволяет отметить высокую эффективность иммунопрофилактики «Гам-КОВИД-Вак» без дополнительной ревакцинации. В поздние периоды данная математическая модель прогнозирует заболеваемость на уровне 600‒670 новых случаев в день.
На фоне иммунопрофилактики 98% населения программа COVASIM прогнозирует практически полное прекращение эпидемического процесса, вызванного SARS-CoV-2. При рассмотрении эффективности на поздних сроках (735 дней) по данным математической модели после вакцинации 98% населения приходится всего лишь 19,67% тяжелых случаев. Если иммунизация населения «Гам-КОВИД-Вак» будет достигать 16,5% жителей, то в поздние сроки наблюдения частота тяжелых случаев составит по данным математической модели 81%. При этом следует отметить, что возможность провести ревакцинацию позволило бы получить более точные результаты при моделировании поздних сроков распространения заболеваний COVID-19. В последующий период (2021‒2022 гг.) распространения SARS-CoV-2 на фоне повышения доли вакцинированного населения РФ можно было наблюдать сохранение данных тенденций.
Заключение
-
• При определении эпидемиологической эффективности иммунопрофилактики COVID-19 вакциной «Гам-КОВИД-Вак» с использованием математической модели компьютерной программы COVASIM установлена возможность влияния средствами иммунопрофилактики на эпидемический процесс. При применении данной вакцины наблюдалось снижение тяжести клинического течения заболевания COVID-19 и частоты госпитализаций.
-
• Использование компьютерной модели COVASIM позволяет оценить эффективность иммунопрофилактики COVID-19 при вакцинации 16,5, 24,7 и 70% населения. Для прекращения процесса распространения заболевания на основе данной математической модели желательно достижение высокого уровня иммунизации (98%) населения.
-
• Ввиду продолжающегося течения пандемии COVID-19 на фоне многочисленных мутаций и рекомбинаций вируса SARS-CoV-2, появления новых вариантов с повышенной контагиозностью использование компьютерной модели COVASIM позволяет оценить эффективность вакцинации и планировать темпы ее проведения.
-
• По мере получения эпидемиологических данных о вирулентности и патогенности новых вариантов COVID-19 BA.2.86, HV.1 и JN.1, а также данных об эффективности обновленных составов вакцин коллектив авторов планирует продолжение исследований.
ВЕСТНИК БУРЯТСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА
МЕДИЦИНА И ФАРМАЦИЯ

Рис. 2. Набор симуляций № 1: 16,5% иммунизированных

Рис. 3. Набор симуляций № 2: 24,7% иммунизированных

Рис. 4. Набор симуляций № 3: 70% иммунизированных

Рис. 5. Набор симуляций № 4: 98% иммунизированных
Список литературы Оценка влияния вакцинации на эпидемический процесс при COVID-19 на основе компьютерного моделирования
- Эпидемиологические особенности новой коронавирусной инфекции (COVID-19). Сообщение 1. Модели реализации профилактических и противоэпидемических мероприятий / В. В. Кутырев, А. Ю. Попова, В. Ю. Смоленский [и др.] // Проблемы особо опасных инфекций. 2020. Т. 1. C. 6-13. Текст: непосредственный. DOI: 10.21055/0370-1069-2020-1-6-13 EDN: XGRYTA
- Закономерности эпидемического распространения SARS-CoV-2 в условиях мегаполиса / В. Г. Акимкин, С. Н. Кузин, Т. А. Семененко [и др.] // Вопросы вирусологии. 2020. Т. 65, № 4. С. 203-211. Текст: непосредственный. DOI: 10.36233/0507-4088-2020-65-4-203-211 EDN: FXKAQF
- Эпидемический процесс COVID-19 в Российской Федерации: промежуточные итоги. Сообщение 1 / Н. Ю. Пшеничная, И. А. Лизинфельд, Г. Ю. Журавлев [и др.] // Инфекционные болезни. 2020. Т. 18, № 3. С. 7-14. Текст: непосредственный. DOI: 10.20953/1729-9225-2020-3-7-14 EDN: JSGGSH
- Патогенетические особенности формирования и прогрессирования поражения сердца при COVID-19 / А. В. Агейкин, Д. В. Усенко, А. В. Горелов [и др.] // Эпидемиология и инфекционные болезни. 2022. № 2. С. 20-27. Текст: непосредственный. DOI: 10.18565/epidem.2022.12.2.20-7 EDN: XCOAKS
- Clinical and virological data of the first cases of COVID-19 in Europe: a case series / F. X. Lescure [et al.] // The Lancet Infectious Diseases. 2020. Vol. 20, Is. 6. Р. 697-706.
- Edwards K. M., Orenstein W. A. COVID-19: Vaccines to prevent SARS-CoV-2 infection. URL:https://www.wolterskluwer.com/en/solutions/uptodate/resources/covid-19 (accessed: 21.05.2021).
- Ющук Н. Д., Гришина Ю. Ю., Кухтевич Е. В. Эпидемиология инфекционных заболеваний: учебное пособие. Москва: ГЭОТАР-Медиа, 2023. 496 с. Текст: непосредственный.