Uvod
V tej študiji je izvedena analiza vpliva cepljenja na dinamiko epidemije COVID19 v Sloveniji. V analizi je izvedena primerjava možnih potekov razširjenosti epidemije v Sloveniji glede na različne
predpostavljene poteke cepljenja z dejansko situacijo poteka epidemije in cepljenja v Sloveniji v letu 2021.
Namen študije je ugotoviti, kako učinkovito je cepljenje v boju z epidemijo COVID19 na konkretnih podatkih epidemije v Sloveniji.
Metodologija
Analiza je izvedena za obdobje od 1. januarja 2021 do 1. novembra 2021. V tem času je potekala tudi glavnina cepljenja v Sloveniji. V analizi je izvedena primerjava za dve obdobji, za obdobje od 1. januarja 2021 (presečni datum M0) do 1. junija 2021 (presečni datum M1) in za obdobje od 1. junija 2021 do 1. novembra 2021 (presečni datum M2). V prvem obdobju je potekalo cepljenje bolj intenzivno kot v drugem, v drugem obdobju pa se pojavi tudi nova različica delta virusa Sars-Cov2.
V analizi obravnavamo štiri scenarije cepljenja in izvedemo primerjavo med scenariji glede na število potrjeno okuženih v teh obdobjih, bolnišničnih obravnav, obravnav na intenzivnih oddelkih in glede na število smrti.
Cepljenje
Obravnavamo 4 scenarije cepljenja:
S1: tu predpostavljamo dejansko cepljenje, kot je potekalo do 1.11.2021,
S2: brez cepljenja,
S3: predpostavljamo, da poteka cepljenje počasneje kot dejansko, in sicer da do 1.11.2021 dosežemo 0.7-krat manjši delež od dejanskega,
S4: predpostavljamo, da poteka cepljenje hitreje kot dejansko, in sicer da do 1.11.2021 dosežemo 1.3-krat večji delež od dejanskega.
Pri osnovnem scenariju S1 upoštevamo potek dejanskega cepljenja v obravnavanem obdobju. Pri tem upoštevamo cepljenje glede na 5 starostnih skupin: 0-24, 25-44, 45-64, 65-74 in več kot 75. Na sliki 1 so prikazani vsi štirje scenariji poteka cepljenja, ki so obravnavani v analizi.
Slika 1: Potek cepljenja za vse štiri scenarije.
S1 je scenarij, kjer obravnavamo cepljenje, kot dejansko poteka. V scenariju S2 predpostavljamo, da je delež cepljenja v vseh starostnih skupinah 0.0%, kar rezultira v skupno precepljenost 0.0%. V scenariju S3 zmanjšamo precepljenost za faktor 0.7. To pomeni, da delež dejanske precepljenosti zmanjšamo po vsaki starostni skupini za faktor 0.7 za vsak dan. V scenariju S4 pa povečamo precepljenost za faktor 1.3. To pomeni, da delež dejanske precepljenosti povečamo po vsaki starostni skupini za faktor 1.3 vzdolž časa. To pomeni, da sta faktorja povečanja in pomanjšanja deleža cepljenja izvedena tako, da povečata oziroma zmanjšata deleže precepljenosti po starostnih skupinah proporcionalno glede na dejansko precepljenost populacije po starostni skupini in glede na časovni potek cepljenja. To npr. pomeni, da je v primeru, če je bil delež precepljenosti v neki starostni skupini recimo 20% ob datumu 1.5.2021, faktor povečanja 1.3 poveča ta delež na \(1.3 \cdot 20\% = 26\%\), faktor pomanjšanja 0.7 pa zmanjša ta delež na \(0.7 \cdot 20\% = 14\%\) ob tem datumu in tako naprej za vsak dan in vsako starostno skupino.
V tabeli 1 so prikazani deleži precepljenosti po posameznih starostnih skupinah glede na scenarije S1 do S4 ob presečnih datumih 1.6.2021 in 1.11.2021.
| Starostne skupine | 01.06.2021 [%] | 01.11.2021 [%] | 01.06.2021 [%] | 01.11.2021 [%] | 01.06.2021 [%] | 01.11.2021 [%] | 01.06.2021 [%] | 01.11.2021 [%] |
|---|---|---|---|---|---|---|---|---|
| 0-24 | 1.19 | 20.01 | 0 | 0 | 0.82 | 14.00 | 1.64 | 28.03 |
| 25-44 | 7.48 | 49.12 | 0 | 0 | 5.25 | 34.40 | 10.50 | 68.76 |
| 45-64 | 22.48 | 65.23 | 0 | 0 | 15.76 | 45.67 | 29.24 | 84.80 |
| 65-74 | 56.10 | 78.97 | 0 | 0 | 39.27 | 55.24 | 67.32 | 94.77 |
| 75> | 63.48 | 80.45 | 0 | 0 | 44.41 | 56.32 | 76.15 | 96.54 |
| skupaj | 20.92 | 52.89 | 0 | 0 | 14.65 | 37.02 | 26.20 | 68.90 |
V tabeli so prikazani dejanski deleži precepljenosti (scenarij S1) ob presečnih datumih v stolpcih 2 in 3. Tako lahko ugotovimo, da je bil skupni delež precepljenosti do 1.6.2021 20.92% in skupni delež precepljenosti do 1.11.2021 52.89%. V scenariju S2 ne predvidevamo cepljenja, zato so vsi deleži enaki 0.0%. V scenariju S3 predvidevamo delež precepljenosti 0.7x manjši od dejanskega deleža, kar znaša za datum 1.6.2021 14.65% in za datum 1.11.2021 37.02%. V scenariju S4 pa predvidevamo večji delež precepljenosti, in sicer 1.3 x večji od dejanskega deleža, kar znaša za presečni datum 1.6.2021 26.20% in za presečni datum 1.11.2021 68.90% oziroma približno 70%. Pri tem je potrebno opozoriti, da v tem primeru predpostavljamo izrazito visoke deleže precepljenosti v starostnih skupinah nad 65 let in približno 85% delež precepljenosti v starostni skupini 45-64 let. V starostni skupini 0-24 let imamo nižje deleže precepljenosti zaradi otrok in mladostnikov, kjer se cepljenje še ne izvaja.
Postopek izračuna scenarijev
Izračune scenarijev smo naredili z razširjenim modelom SEIR, prilagojenim za modeliranje širjenja epidemije v Sloveniji. Gre za oddelčni epidemiološki model SEIR, nadgrajen z možnostjo modeliranja različnih potekov bolezni, z možnostjo modeliranja petih starostnih skupin in s posebno obravnavo cepljenih in necepljenih skupin populacije. Model je podrobno opisan na spletni strani. Podoben model se je uporabljal pri načrtovanju strategije cepljenja proti COVID19 v ZDA (Matrajt et al. 2020, 2021).
Z modelom smo modelirali starostne skupine, ki so bile definirane v prejšnjem poglavju, pri čemer smo zelo natančno vključevali potek cepljenja v vsako starostno skupino. Model smo natančno kalibrirali za scenarij S1, kjer smo uporabili dejanske podatke o cepljenju iz podatkov COVID-19 sledilnika. Pri tem smo izvajali ocenjevanje parametrov modela, kot je opisano na spletni strani, pri čemer smo uporabili podatke o poteku števila okuženih, bolnišničnih obravnav, obravnav na intenzivnih oddelkih in smrti za celotno obdobje trajanja epidemije v Sloveniji. Po oceni parametrov modela smo izvedli še natančno kalibracijo modelskih krivulij potrjeno okuženih, bolnišničnih obravnav in obravnav na intenzivnih oddelkih ter smrti z dejanskimi poteki krivulij.
Tako kalibriran model smo potem uporabili za izvedbo ostalih treh scenarijev. Pri izvedbi scenarijev S2, S3 in S4 smo uporabili kalibriran model za scenarij S1, pri čemer smo potek cepljenja nadomestili s poteki scenarijev S2 (brez cepljenja), S3 (0.7 x cepljenje) in S4 (1.3 x cepljenje). Pri tem je potrebno opozoriti, da v model nismo posegali z dodatnimi ukrepi, četudi bi bile kapacitete določenih količin presežene (npr. bolnišnice in intenzivni oddelki), saj bi tako izgubili neposredno primerjavo, kako cepljenje vpliva na razvoj epidemije. Rezultate vseh štirih modelov smo potem primerjali med seboj, tako da smo primerjali krivulje dnevno potrjenih pozitivnih primerov (7-dnevno povprečje), krivulje bolnišničnih obravnav, obravnav na intenzivnih oddelkih in smrti. Krivulije dnevnih potekov smo uporabljali za analizo razvoja epidemije glede na obravnavane scenarije. Dodatno pa smo opazovali še krivulje kumulativnih potekov, iz katerih smo računali število dogodkov (potrjeno okuženih, bolnišnic, intenzivne nege, smrti) za posamezno obravnavano obdobje.
Rezultati
Primerjavo scenarijev cepljenja smo izvedli na krivuljah potrjeno okuženih, bolnišničnih obravnav, obravnav na intenzivnih oddelkih in smrti. Pri tem smo izvedli primerjavo za obdobji 1.1.2021-1.6.2021 in 1.6.2021-1.11.2021.
Potrjeno okuženi primeri
Potek krivulij števila dnevno potrjeno okuženih primerov za celotno obdobje modeliranja epidemije za vse štiri scenarije je prikazan na sliki 2.
Slika 2: Krivulje števila dnevno potrjeno okuženih primerov v primeru različnih scenarijev cepljenja.
Iz slike poteka krivulij potrjeno okuženih za vse štiri scenarije lahko ugotovimo popolno ujemanje scenarija S1 z dejanskim potekom dnevnega števila okuženih (temno modra barva), kar pomeni, da smo osnovni model S1 ustrezno kalibrirali na obstoječo situacijo. Opozoriti velja, da se tu osredotočamo na obdobje do 1.11.2021 in nadaljevanje ni kalibrirano. Ostali scenariji so prikazani v rdeči (scenarij S2), oranžni (scenarij S3) in zeleni (scenarij S4) barvi. V scenariju S2 je viden izrazit vrh v mesecu avgustu 2021, kar ustreza pojavu delta različice virusa, podoben efekt je viden tudi pri scenariju manjše precepljenosti (S3), kjer je vrh okuženih še vedno visok, vendar se pojavi kasneje, kar je neposredno povezano z vplivom cepljenja. Cepljenje namreč vpliva na efektivno reprodukcijsko število, zato se vrh zmanjša in pojavi kasneje, val pa traja dlje časa. Z zeleno krivuljo je prikazan scenarij S4, kjer lahko ugotovimo, da se v jeseni ne pojavi novi val epidemije, ampak se zamakne v zimsko obdobje na začetek leta 2022. Tudi to si lahko razlagamo s cepljenjem. Pri tem scenariju bi do 1.11.2021 dosegli približno 70% precepljenost. Tak delež očitno učinkovito preprečuje hitro širjenje virusa po populaciji, toda ker je precepljenost še vedno nižja od mejne precepljenosti za kolektivno imunost pri delta različici, se začne pojavljati novi val kasneje, kot v ostalih treh primerih. Ta pojav lahko opazujemo v nekaterih evropskih državah, kjer se sedaj kljub visoki precepljenosti tudi pojavlja širjenje virusa.
V nadaljevanju je izvedena še primerjava kumulativnega števila potrjenih primerov, s čemer želimo primerjati pojavnost širjenja virusa po času in za izbrana obdobja. Kumulativno število potrjenih primerov v primeru različnih scenarijev cepljenja je prikazano na sliki 3.
Slika 3: Kumulativno število potrjenih primerov v primeru različnih scenarijev cepljenja.
Tudi tu lahko opazimo izrazito povečanje razlik med scenariji v drugem obdobju zaradi pojavnosti delta različice. Vrednosti se po simulacijah začnejo izrazito spreminjati v mesecu avgustu zaradi pojava različice delta in s tem izrazitega povečanja efektivnega reprodukcijskega števila. To se odraža tudi v številkah skupnega števila potrjenih primerov za oba izbrana obdobja, kar je prikazano na sliki 4.
Slika 4: Število potrjenih primerov v primeru različnih scenarijev cepljenja v različnih obdobjih.
Iz rezultatov na sliki 4 lahko ugotovimo izrazite razlike v številu primerov v drugem opazovanem obdobju, kar je posledica delta različice virusa. Vpliv cepljenja v obdobju 1.1.2021-1.6.2021 je manjši, kot je v obdobju 1.6.2021-1.11.2021, kar je pričakovano, saj smo v prvem obdobju dosegali dejansko precepljenost okoli 21%, v drugem pa približno 53%. Ustrezno temu delujejo tudi scenariji cepljenja S2, S3, S4. V primeru brez cepljenja (S2) bi imeli v prvem obdobju v povprečju 12% večjo pojavnost pozitivnih primerov, v primeru scenarija S3 5%, v primeru scenarija S4 pa 5% manjšo pojavnost pozitivnih primerov. V drugem obdobju so te razlike večje, v primeru brez cepljenja (S2) bi imeli 5.7-krat večjo pojavnost virusa, kot jo imamo dejansko, v primeru S3 2.9-krat, v primeru večje precepljenosti (S4) pa 87% nižjo pojavnost pozitivnih primerov.
Smrtnost
Tudi pri smrtnosti vidimo na sliki 13 , da bi brez cepljenja (scenarij S2) dosegli izrazit vrh v septembru, kjer po simulaciji dosežemo 150 smrti na dan. Malo manj izrazit vrh, ki bi bil rahlo razvlečen bi dosegli v scenariju S3, kjer bi imeli približno 30 smrti na dan. Naj omenimo, da bi bile te številke še višje, saj bolnišnični sistem ne bi zmogel obravnave tako velikega števila hospitalizacij in obravnav na intenzivnih enotah, kar bi posledično lahko pomenilo več smrti. To v teh simulacijah v model nismo vključevali.
Slika 13: Krivulje dnevnega števila smrti (7-dnevno povprečje) v primeru različnih scenarijev cepljenja.
Kumulativno število smrti prikazuje slika 14, število smrti v obeh obdobjih pa slika 15.
Slika 14: Kumulativno število smrti v primeru različnih scenarijev cepljenja.
Pri kumulativnih projekcijah števila smrti podobno kot v prejšnjih primerih opazimo izraziti porast smrti v drugem obravnavanem obdobju, kjer se različni scenariji cepljenja zelo razlikujejo.
Slika 15: Število smrti v primeru različnih scenarijev cepljenja ob različnih obdobjih.
Zgornje krivulje in številke različnih scenarijev kažejo jasno sliko, kako cepljenje pomembno zmanjšuje tudi smrtnost v primeru epidemije COVID-19 v Sloveniji. V primeru 70% cepljenja (scenarij S4) bi tako v drugem obdobju imeli nizko število smrti (45) v primerjavi s trenutno situacijo (311) oziroma v primerjavi s scenarijema S2 in S3, kjer bi imeli izrazito velike številke smrt, kar je s stališča upravljanja z epidemijo nedopustno.
Ugotovitve
Analiza je bila izvedena z namenom preučitve vpliva cepljenja na potek epidemije v Sloveniji. Osnovna metodologija analize je bila, da natančno umerimo model oziroma parametre modela na dejansko situacijo poteka epidemije v Sloveniji v obdobju 1.1.2021 do 1.11.2021 in nato spreminjamo samo poteke cepljenja v štirih scenarijih.
Ugotovitve analize so naslednje:
cepljenje zelo vpliva na potek epidemije,
ustrezen delež precepljenosti lahko izniči pojav različice delta Sars-COV2 virusa oziroma zamakne in splošči ključne epidemiološke krivulje,
brez cepljenja bi imeli v Sloveniji zaradi različice delta katastrofalne razmere in bi morali nujno izvajati nefarmakološke ukrepe že v avgustu 2021,
30% nižja precepljenost od dejanske (kar pomeni približno 37% delež cepljenosti do 1.11.2021) bi pomenila preobremenitev zdravstvenega sistema že v mesecu septembru 2021,
30% višja precepljenost od dejanske (kar pomeni približno 70% delež cepljenosti do 1.11.2021) bi izničila efekt različice delta v Sloveniji, saj bi bile ključne epidemiološke krivulje bistveno nižje od današnjih, ne bi pa preprečila četrtega vala v celoti, saj bi se ta zamaknil v zimo 2021/2022.
Na podlagi predstavljene analize lahko torej ugotovimo, da cepljenje ključno vpliva na potek epidemije COVID-19 v Sloveniji in je nujno potrebno za preprečitev preobremenjenosti zdravstvenega sistema.
Omejitve analize
V analizi smo izvedli simulacije brez vključitve dodatnih nefarmakoloških ukrepov, ki bi se morali zagotovo zgoditi v scenarijih S2 in S3, vendar je bilo to namenoma, da smo pokazali efekt ne- ali slabše precepljenosti.
Nekateri parametri modela so določeni arbitrarno in čeprav je model kalibriran na dejansko stanje, bi se v primeru scenarijev S2, S3 in S4 nekateri parametri lahko spremenili glede na drugačno situacijo.
Zaključek
Osnovni namen raziskave je bil preučiti vpliv cepljenja na potek ključnih epidemioloških krivulij v Sloveniji. Analiza je bila izvedena z modelom, ki se aktivno uporablja za spremljanje epidemije v Sloveniji in je bil ustrezno nadgrajen za izvedbo simulacij, kjer upoštevamo cepljene in necepljene skupine v petih starostnih skupinah. Na ta način smo se hoteli z modelom čim bolje približati dejanski situaciji in hkrati imeti model ravno toliko kompleksen, da lahko še kontroliramo delovanje posameznih parametrov modela. Tako smo izvedli štiri simulacije cepljenja. V prvi smo predvideli dejanski potek cepljenja v Sloveniji. Ta scenarij smo uporabili tudi za določitev vseh parametrov modela in kalibracijo modela na ključne epidemiološke krivulje. Z ostalimi tremi scenariji smo simulirali potek epidemije brez cepljenja ter s povečanim in pomanjšanim deležem cepljenja. Na podlagi primerjave med vsemi scenariji smo ugotovili, da cepljenje ključno vpliva na potek epidemije COVID-19 v Sloveniji in je nujno potrebno za preprečitev preobremenjenosti zdravstvenega sistema.
Literatura
Matrajt, Laura, Julia Eaton, Tiffany Leung, and Elizabeth R. Brown. 2020. “Vaccine Optimization for Covid-19: Who to Vaccinate First?” MedRxiv, no. 47. https://doi.org/10.1101/2020.08.14.20175257.
Matrajt, Laura, Julia Eaton, Tiffany Leung, Dobromir Dimitrov, Joshua T. Schiffer, David A. Swan, and Holly Janes. 2021. “Optimizing Vaccine Allocation for Covid-19 Vaccines Shows the Potential Role of Single-Dose Vaccination.” Nature Communications 12 (1). https://doi.org/10.1038/s41467-021-23761-1.