Как мы предсказали вторую волну COVID-19 ещё весной 2020-го

Когда началась пандемия, многие из нас стали эпидемиологами. Я тоже не остался в стороне. Хочу напомнить о нашей совместной работе, опубликованной в самом начале ковида. Мы разработали гетерогенную математическую модель динамики инфекции — и, естественно, она оказалась пророческой.

В чём суть модели?
Большинство ранних моделей (классические SIR/SEIR) предполагали, что население однородно: каждый имеет одинаковый риск заразиться. Мы пошли дальше и учли гетерогенность — разный уровень риска в разных группах (например, возрастных) и наличие бессимптомных носителей.

Ключевые выводы, которые подтвердились позже:

📉 Кривая сглаживается, но не останавливается. Модель показала, что пик заболеваемости будет ниже, чем в однородных моделях, но спад в поздней стадии эпидемии — более пологий.

🛡️ Эффект карантина без коллективного иммунитета. Мы смоделировали жёсткие меры (снижение R0 с 4 до 2) и пришли к выводу: они эффективно «давят» кривую, но не создают достаточной иммунной прослойки. Как следствие — высокий риск возобновления эпидемии после снятия ограничений.

📊 Сбывшийся прогноз. Сравнив расчёты с реальными данными из Уханя и других регионов, мы увидели снижение R0 с 4 до 2,5 именно за счёт мер, а не иммунитета. А летом 2020-го, когда карантины начали ослаблять, по всему миру повторились ровно те же графики второй волны, которые предсказывала наша модель.

Кому это актуально сегодня?
Опыт ковида показал, что игнорирование неоднородности популяции в моделях — это прямая дорога к неверным прогнозам по нагрузке на систему здравоохранения и срокам «открытия» регионов.

📄 Ссылка на статью: COVID-19 Dynamics: A Heterogeneous Model (Sechenov University & Federal Research Institute for Health Organization and Informatics, 2020)

https://www.frontiersin.org/journals/public-health/articles/10.3389/fpubh.2020.558368/full

#COVID19 #эпидемиология #математическоемоделирование #наука #пандемия #статистика #исследование