COVID-19 ეპიდემიის განვითარების პროგნოზი უახლოესი კვირების განმავლობაში

 

COVID-19 ეპიდემიის განვითარების პროგნოზი

უახლოესი კვირების განმავლობაში

გარდა მყისიერ რეპროდუქციის კოეფიციენტზე დაფუძნებული მოდელისა (IRN), რომელსაც ჩვენს მსგავსად ბევრი ჯგუფი იყენებს არსებობს პანდემიის პროგნოზირების გაცილებით უფრო კომპლექსური მოდელები, რომელთა შორის პოპულარულია შემდეგი ოთხი

• ლოს-ალამოსის ნაციონალური ლაბორატორიის (LANL) მოდელი COFFEE (https://covid-19.bsvgateway.org/ );

• მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მოდელი DELPHI (https://github.com/COVIDAnalytics/DELPHI );

• Institute for Health Metrics and Evaluation (IHME) მოდელი https://covid19.healthdata.org/

• იმპერიალ კოლეჯის (Imperial) მოდელი (https://github.com/mrc-ide/global-lmic-reports ).

ქვემოთ მოცემულია ამ მოდელების პროგნოზი სხვადასხვა სიდიდისთვის უახლოესი კვირების განმავლობაში. ხაზგასმით უნდა აღინიშნოს, რომ ნებისმიერი პროგნოზის განუყოფელი ნაწილია მისი ცდომილება. სხვადასხვა მოდელის ცდომილებების ანალიზი სცილდება ჩვენი კვლევის მიზნებს და შეიძლება ნახოთ ზემოთ მოყვანილ ბმულებზე. ჩვენი ანალიზის მიზანია ზოგადი წარმოდგენის შექმნა მიმდინარე ეპიდსიტუაციაზე.

1. გარდაცვლილი პაციენტების რაოდენობა უახლოესი კვირების განმავლობაში 30.12.2020-19.01.2021.

ხუთივე მოდელის პროგნოზი შემდეგი 3 კვირისთვის მოცემულია გრაფიკზე.

როგორც ვხედავთ IHME მოდელი ერთადერთია, რომლის მიხედვითც სიკვდილიანობის მხრივ ჯერ კიდევ ზრდის სტადიაში ვართ. სავარაუდოდ ეს იმითაა განპირობებული, რომ ამ მოდელს, მისი სპეციფიკიდან გამომდინარე, დროში საკმაოდ დიდი ჩამორჩენა ახასიათებს.

კვირების მიხედვით გარდაცვლილთა რაოდენობის პროგნოზი სხვადასხვა მოდელების მიხედვით ასე გამოიყურება:

მოდელი	30.12-05.01	06.01-12.01	13.01-19.01
LANL-COFFEE	215	175	143
MIT-DELPHI	242	216	187
IRN	216	179	147
Imperial	255	226	197
IHME	306	311	244

2. საავადმყოფოში მყოფთა რაოდენობის პროგნოზი უახლოესი კვირების განმავლობაში 30.12.2020-19.01.2021.

ასეთი პაციენტების რაოდენობას პროგნოზირებს სამი მოდელი MIT-DELPHI, IHME, Imperial. ვინაიდან მნიშვნელობა აქვს არა რომელიმე მოდელის ფარგლებში საავდმყოფოში მყოფი პაციენტების მიმდინარე მნიშვნელობას, არამედ მის დინამიკას დროში, ყველა მოდელის პროგნოზი ნორმირებულია 29.12.2020 ფაქტობრივ მონაცემზე 5480 პაციენტზე, რომელიც ამ დღეს მკურნალობდა სააავადმყოფოში.

როგორც ვხედავთ, აქაც მხოლოდ IHME მოდელი პროგნოზირებს ზრდას უახლოესი 10 დღის განმავლობაში.

3. მძიმე პაციენტების რაოდენობის პროგნოზი უახლოესი კვირების განმავლობაში 30.12.2020-19.01.2021.

ასეთი პაციენტების რაოდენობას პროგნოზირებს სამი მოდელი MIT-DELPHI, IHME, Imperial. ვინაიდან მნიშვნელობა აქვს არა რომელიმე მოდელის ფარგლებში საავდმყოფოში მყოფი პაციენტების მიმდინარე მნიშვნელობას, არამედ მის დინამიკას დროში, ყველა მოდელის პროგნოზი ნორმირებულია 29.12.2020 ფაქტობრივ მონაცემზე 1001 პაციენტზე.

4. დადასტურებული შემთხვევების პროგნოზი 28.12.2020-03.01.2021 და 04.01.2021-10.01.2021 კვირებში.

ამ სიდიდის პროგნოზს იძლევა შემდეგი მოდელები IRN, LANL-COFFEE და MIT-DELPHI. წინა კვირაში (21.12-27.12) სულ დაფიქსირებული იყო 12681 შემთხევა. ამ მოდელების პროგნოზები შემდეგი 2 კვირისათვის მოცემულია შემდეგ გრაფიკზე:

გრაფიკი 1: სხვადასხვა მოდელების პროგნოზი 28.12.2020-03.01.2021 და 04.01.21-10.01.21 კვირებისთვის. შესაბამისი პროგნოზის რიცხვითი მნიშვნელობა მოცემულია იმავე ფერის ჩარჩოში ჩასმული რიცხვით.

წინა კვირის პროგნოზი.

წინა კვირაში (21.12-27.12) სულ დაფიქსირებული იყო 12681 შემთხევა. ხოლო სხვადასხვა მოდელების პროგნოზები ასე გამოიყურებოდა:

მოდელი	პროგნოზი 21.12.2020-27.12.2020 კვირისთვის
IRN:	135002500, ანუ შემთხვევათა რაოდენობა წინა კვირასთან შედარებით მოიკლებს 26%-ით (რაც შეესაბამება Rt=0.79).
LANL-COFFEE	14000, ანუ შემთხვევათა რაოდენობა წინა კვირასთან შედარებით მოიკლებს 24%-ით.
MIT-DELPHI	15000, ანუ შემთხვევათა რაოდენობა წინა კვირასთან შედარებით მოიკლებს 19%-ით.

ცხრილი 1. სხვადასხვა მოდელების პროგნოზი დადასტურებული შემთვევებისთვის.

დროითი მწკრივების ანალიზის ჯგუფი

გიგა ღოღობერიძე, ასოცირებული პროფესორი, grigol_gogoberidze@iliauni.edu.ge

ბიძინა შერგელაშვილი, ასოცირებული პროფესორი, bidzina.shergelashvili@iliauni.edu.ge

ნათია კევლიშვილი, დოქტორანტი, natia.kevlishvili.1@iliauni.edu.ge

მიხეილ სულიკაშვილი, მაგისტრანტი, mikheil.sulikashvili.1@iliauni.edu.ge

კატო წულაძე, მაგისტრანტი, ekaterine.tsuladze.2@iliauni.edu.ge

მონაცემების მოწოდებისთვის დიდ მადლობას ვუხდით გივი მომცელიძეს

30/12/2020