Frühe Staatliche intervention ist der Schlüssel zur Verringerung der Verbreitung von COVID-19
Der frühe und strenge behördliche intervention ist ein wichtiger Faktor bei der Verringerung der Ausbreitung von COVID-19 Fällen. Das ist die Schlussfolgerung, die von einem team von Forschern vergleicht man die Ausbrüche des neuartigen coronavirus zwischen der chinesischen Provinz Hunan und Italien in einem neuen Papier veröffentlicht in Grenzen in der Medizin.
Während Hunan und Italien sind ähnlich in der Größe der Bevölkerung—etwa 60-70 Millionen Menschen pro der Umfang der Epidemie, in jeder Lage hat sich dramatisch. Zum Zeitpunkt der Veröffentlichung, hat Italien die zweite-die meisten bestätigten Todesfälle nach den Vereinigten Staaten und belegt den Dritten Platz in der Summe der bestätigten Infektionen, nach der Johns-Hopkins-Universität Coronavirus Resource Center. Es sind knapp über 1.000 bestätigten Fällen in Hunan.
Das research-team, mit Sitz in China, verwendete Daten von der John-Hopkins-Datenbank bis April 2-anzeigen-Infektion trends in beiden Hunan und Italien. Sie modifizierten eine standard-mathematisches Modell, bekannt als anfällig-infiziert-entfernt (SIR) – Modell zu berücksichtigen, für die Auswirkungen der verschiedenen Epidemie Prävention Maßnahmen, die in verschiedenen Perioden in der Zeit.
„Es sollte angemerkt werden, dass in tatsächlichen Situationen, die Geschwindigkeit der übertragung können geändert werden durch viele Maßnahmen, wie persönliche Schutzmaßnahmen, Gemeinde-Ebene isolation und Stadt-blockade“, sagte führen Autor Dr. Wangping Jia mit der chinesischen PLA General Hospital in Beijing.
Das Papier ist die erweiterte SIR (eSIR) Modell gefunden, dass unter den gegenwärtigen Maßnahmen konnte eine Summe in Höhe von 3369 (das bedeutet, dass in einem möglichen Bereich von 840-8,013) infizierten Fällen in Hunan, mit dem Endpunkt der Epidemie bereits eingetreten sind rund 3. März. Im Gegensatz dazu, insgesamt infizierten Fällen in Italien projiziert werden 182,051 (das bedeutet, dass in einem möglichen Bereich von 116,114-274,378) mit einem end-Datum um 6. August.
Die Autoren spekulierten, dass die unterschiedlichen trends könnte aufgrund einer Reihe von Gründen. Zum Beispiel Italien kann nicht umgesetzt haben präventive Maßnahmen früh genug, wie die eSIR-Modell gezeigt, dass Maßnahmen früher im Fall von Hunan drastisch reduzierte Infektionsraten.
Die Autoren fest, dass „aus der Erfahrung Chinas, verschiedene Kontrollmaßnahmen, einschließlich die frühzeitige Erkennung und Isolierung von Personen mit Symptomen, Verkehrs-Einschränkungen, medizinischen tracking-und entry-oder exit-screening, können auch verhindern, dass die weitere Verbreitung von COVID-19.“
Das Papier nicht speziell behandelt Sterblichkeitsraten, da eine Reihe von Faktoren kann sich auf diese Vorhersagen, nach Jia, wie Bett-Kapazität der Intensivstationen, sowie ein Alter des Patienten, Geschlecht und alle zugrunde liegenden gesundheitlichen Bedingungen, wie Herz-Kreislauf-Erkrankungen, Bluthochdruck und diabetes.
„Genaue Patienten-spezifischen Daten werden dringend benötigt für die Vorhersage der Gesamtzahl der Todesfälle“, sagte er.
Die italienische Regierung hat kürzlich angekündigt, es würde beginnen zu erleichtern lockdown-Maßnahmen ab 4. Mai—drei Monate früher als die eSIR-Modell rät.
„Wir denken, es ist zu früh, um Leichtigkeit Einschränkungen ab etwa dem 4. Mai,“ sagte Jia. „Das potential der zweiten Welle kommen kann, wenn die Beschränkungen gelockert drei Monate zuvor. Italien ist nicht in der end-Periode der COVID-19-Epidemie.“
Die Autoren Räumen ein, dass die aktuelle Studie hat mehrere Einschränkungen. Ersten, aufgrund der begrenzten Anzahl der Tests, ist es wahrscheinlich, die Zahl der infizierten Menschen in Italien und anderswo ist höher als die offizielle Zählung. Die eSIR-Modell nicht zu übernehmen, die Krankheit die Inkubationszeit, die könnte machen es weniger genau. Und möglicherweise gibt es andere Faktoren, die werfen könnte aus der Schätzung, wie der Einfluss der „super-Spreader“ der Krankheit auf die Bevölkerung.