KATASTROFÁLNE NÁSLEDKY pri uvoľnení OPATRENÍ

18 apríla, 2020

Model ktorý vytvorili vedci z Massachusettského technologického inštitútu (MIT) sledujúci vplyv opatrení, nie je veľmi priaznivý k rýchlemu uvoľňovaniu obmedzení.

Nový počítačový model využíva algoritmy strojového učenia na vyhodnotenie zavedených opatrení a ich pravdepodobného vplyvu na šírenie koronavírusu.

Model berie do úvahy všetky dáta z prebiehajúcej pandémie a ako na nich jednotlivé štáty a krajiny po celom svete reagovali

Tento model bol odštartovaný s dátami z čínskeho mesta Wu-chan, pokračujúcich ďalej do Talianska, Južnej Kórey a Spojených štátov amerických. Táto neurónová sieť berie do úvahy model SEIR, ktorý počíta s expozíciou, počte nakazených, vyliečených a pod. Aby bol model čo najpresnejší s predpoveďou prijatých opatrení.

Sú účinné rýchle a prísne opatrenia?

Hlavným cieľom tohto modelu bolo zistenie, či prijaté opatrenia v jednotlivých krajinách majú priamu koreláciu medzi zavedenými opatreniami so znížením počtom nakazených.

Po asi 500 testoch tohto modelu sa zistili, že v miestach kde boli zavedené prísne opatrenia, viedlo k účinnému obmedzeniu šírenia vírusu a naopak v krajinách, kde opatrenia boli zavedené neskoro ako v USA, bola snaha spomaliť šírenie veľmi malá.

Náš model je prvý, ktorý využíva dáta z epidémie nového koronavírusy a spája dve oblasti: strojové učenie a štandardné epidemiológii,vysvetľuje vedec – Raj Dandekar

Cieľom má byť vyrovnať krivku

Na základe týchto výpočtov bolo predpovedané „vyrovnanie krivky“, kedy už nebude dochádzať k exponenciálnemu rastu ochorenia a rast bude už lineárny. V USA to má byť niekedy v týchto dňoch 15. – 20. apríla a preto sa aj Spojené štáty americké rozhodli od opatrení pomaly upustiť. V tomto období by mal byť v Taliansku zaznamenaný vrchol infikovaných na približne 170 tisíc.

Tento model ďalej poukazuje na krajiny, kde boli zavedené veľmi rýchlo opatrenia napr. u nás alebo Južnej Kórey, kde došlo k efektívnemu spomaleniu rastu nových prípadov a rast nie je exponenciálny a reprodukčné číslo je pod hodnotou 1.0. Čo znamená, že šírenie bude pomalšie a dlhodobejšie, no bez exponenciálneho nárastu.

Náš model ukazuje, že zavádzané opatrenia sú úspešné v záujme znižovania reprodukčného čísla pod hranicu 1.0,

To zodpovedá bodu, kde dôjde k vyrovnaniu krivky a môžeme sledovať klesajúci počet nových infekcií,Barbastathis

Príliš rýchle zrušenie obmedzení môže spôsobiť katastrofu

Vedci však varujú pred rýchlym uvoľnením, kedy môže dôjsť ku katastrofálnym následkom. To znamená, že by došlo k opätovnému rapídnemu šíreniu v počtoch nových prípadov a vzniku druhej vlny. Toto sa zhoduje so správou Svetovej zdravotníckej organizácie (WHO), ktorá varovala pred kritickou situáciou v Európe v priebehu niekoľkých týždňov.

Ako príklad rýchleho uvoľnenia je Singapur, ktorý zažíva druhú vlnu nákazy a rast je opätovne exponenciálny.

Tento model potvrdzuje jednotlivé obmedzenia k tomu aby sa zabránilo k rýchlemu nárastu prenosu infekcie a počtu nakazených. Za efektívne obmedzenia sa považujú: nosenie rúšok, zvyšovanie kapacít v nemocniciach, preventívne opatrenia na zdravotníckych pracoviskách a mnoho ďalších faktorov.