Sušvelninus karantino sąlygas, gegužės viduryje turėtų būti aptinkamas vos vienas užsikrėtimo koronavirusu atvejis per dieną, o iš viso aptiktų sergančiųjų jau bus likę mažiau nei šimtas. Tokias prognozes pateikė Vytauto Didžiojo universiteto (VDU) mokslininkai. Jų parengtas interaktyvus matematinis modelis realią padėtį nuspėjo iki šiol tiksliausiai iš visų, skelbtų Lietuvoje.
Gegužės pabaigoje – vos vienas kitas užsikrėtimo atvejis
Kaip rašoma VDU pranešime žiniasklaidai, tikimybinį imitacinį modelį sukūrusios mokslininkų grupės vadovo, VDU Matematikos ir statistikos katedros profesoriaus, universiteto rektoriaus Juozo Augučio teigimu, labai tikslioms prognozėms reikia didelio kiekio patikimų duomenų, kurių balandžio pradžioje vis dar trūko.
Vis dėlto, mokslininkų komandos pasirinktas imitacinis modelis leido efektyviai išnaudoti turimą informaciją apie pandemijos pradžią ir karantino eigą Lietuvoje.
Modeliavimo laikas buvo suskaidytas į atskirus etapus ir tai sudarė prielaidas gerai atspindėti Lietuvoje pasirinktą testavimo strategiją pagal pasireiškusius viruso simptomus ir epidemiologinius tyrimus pastoviai didinant testavimų apimtis. Tai ir nulėmė, kad modeliavimo rezultatai pakankamai artimi tikrovei.
Remiantis šio modelio duomenimis, net ir įvedus karantino sušvelninimus, nustatomų naujų užsikrėtimo atvejų skaičius ir toliau mažės, tačiau po keletą susirgimo atvejų per dieną dar bus iki gegužės pabaigos. Taip pat gali pasitaikyti ir lokalinių židinių vienoje ar kitoje bendruomenėje.
„Dėl sumažėjusių atpažintų atvejų skaičiaus kyla pavojus prarasti budrumą ir nebesilaikyti pagrindinių karantino ir fizinio atstumo sąlygų. Tam tikras skaičius COVID-19 infekciją turinčiųjų išliks dar ilgesnį laiką. Todėl nustojus saugotis, užsikrėtimų skaičius vėl pradėtų augti“, – įspėja profesorius.
„Artimiausiu metu pasirodys testų, kurie bus atliekami atsitiktinai pakviestiems (apie 7500 testų) ir norą išreiškusiems bei atvykusiems į mobiliuosius testavimo punktus gyventojams, rezultatai. Jie tiksliau parodys, kokia užsikrėtusiųjų dalis turi besimptomę ligos eigą, koks gyventojų procentas jau yra persirgęs COVID-19 ir galbūt jau turi imunitetą. Šie duomenys bus labai svarbūs karantino nutraukimo strategijai ir kitų pandemijos bangų prognozavimui ir valdymui“, – atkreipia dėmesį prof. Juozas Augutis.
Kodėl ne visi prognozavimo modeliai buvo tikslūs?
Netikėtai užgriuvusi COVID-19 viruso pandemija iškėlė daug klausimų: kada tai baigsis? Kada bus pikas? Kada pradės mažėti? Kas bus, jei sušvelninsime karantiną? Ir dar daugybė kitų.
Natūralu, kad Lietuvos, kaip ir viso pasaulio, mokslininkai ir tyrėjai ėmėsi kurti modelius, kurie atsakytų į keliamus klausimus, ne tik dėl smalsumo, bet ir dėl žymiai svarbesnių priežasčių: karantino įvedimas ir jo sąlygos, sveikatos apsaugos resursų planavimas ir pan.
„Kad būtų galima reiškinį modeliuoti, t. y. aprašyti jį formuojančius priežastinius ir pasekmių ryšius, priklausomybes tarp įvairių reiškinio charakteristikų, apskaičiuoti reiškinį nusakančių parametrų skaitines vertes, reikia apie jį turėti kiek įmanoma daugiau informacijos. COVID-19 atveju, informacijos apie viruso plitimą trūksta iki šiol. Tiksliau tariant, trūksta patikimos informacijos“, – teigia prof. Juozas Augutis.
Pasako jo, tokių reiškinių kaip virusų plitimas prognozavimui dažniausiai naudojami dviejų rūšių modeliai: deterministiniai ir tikimybiniai (stochastiniai). Pirmuoju atveju, remiantis apibendrintais duomenimis apie viruso plitimą, sudaromos lygtys ir jų sistemos, kurios aprašo viruso plitimo dėsningumus ir įvairių veiksnių įtaką galutiniam rezultatui.
Pasirinkus pradines sąlygas ir išsprendus šias lygtis, gaunami sprendiniai arba kreivės, kurios nusako infekuotų žmonių skaičiaus kitimą, sunkių ligonių dinamiką bei kitas pandemijos charakteristikas.
Pirmasis toks deterministinio prognozavimo modelis Lietuvoje pasirodė balandžio 3 dieną, o jį sukūrę matematikai prognozavo, kad realistiniu scenarijumi vystantis pandemijai jos pabaigoje nustatytų užsikrėtusių gyventojų skaičius pasieks 4,5 tūkst., o pesimistiniu – beveik 6 tūkst.
Buvo prognozuojama, kad mirčių skaičius sieks 200–250, o pandemija savo piką pasieks gegužės viduryje. Kaip žinia, šios prognozės nepasitvirtino ir balandžio 14 dieną jos buvo pakeistos, iš esmės prognozuojant, kad nustatytų susirgimų skaičius sieks 2344, pandemijos pikas bus gegužės pradžioje, o užsikrėtusiųjų skaičius per šeštąją pandemijos savaitę (balandžio 13-19 d.) pasieks beveik 500.
Realybė parodė, kad ir šios, iš esmės pakeistos, prognozės vis tiek liko tolimos nuo tikrovės ir jas vėl reikia tikslinti. Dar vienas deterministinis modelis buvo pristatytas visuomenei balandžio 8 dieną. Remiantis šio modelio rezultatais, pagal pesimistinį scenarijų buvo prognozuojama nuo 2200 iki 2700 užsikrėtusiųjų, o jei karantino sąlygos nebūtų švelninamos – 1100–1500.
Anot modelio autorių, sušvelninus karantiną, balandžio mėnesį infekuotų gyventojų skaičius galėjo siekti ir 20 tūkst. Balandžio 23 dieną prognozės buvo atnaujintos ir paskelbta, kad gegužės pirmosiomis dienomis nustatytų užsikrėtusiųjų skaičius sieks 40–50 atvejų per dieną. Taip pat buvo numatoma, kad balandžio 25-29 dienomis Lietuvoje galimai pasireikš antroji susirgimų banga.
Tačiau nei Šv. Velykų savaitgalis, nei pirmieji karantino sušvelninimai šių prognozių nepatvirtino. Taigi, pasirodė, jog deterministiniais modeliais prognozuoti COVID-19 pandemijos eigą Lietuvoje nėra taip paprasta. Žymiai arčiau tiesos – tikimybinio imitacinio modelio rezultatai.
Balandžio 9 dieną paskelbto modelio prognozės iki šios dienos gana tiksliai nusako tiek bendrą, tiek ir vienos dienos atpažintų infekcijos atvejų skaičius. Gegužės 3 dienai modelis prognozavo, kad bendras nustatytų infekuotų žmonių skaičius bus 1462, o atpažintųjų skaičius per parą sieks 5 atvejus.
Šie skaičiai buvo labai artimi tikrovei. Gegužės 2 dieną buvo nustatyti 7 nauji atvejai, o gegužės 3-ąją – tik 4. Bendras atpažintų sergančiųjų skaičius iki gegužės 3 dienos yra 1410.
Profesoriaus ir kolegų mokslininkų sukurtas modelis, pasiekiamas internete, leidžia vartotojui interaktyviai keisti parametrus ir iškart matyti modeliuojamas prognozes. Pavyzdžiui, koreguoti karantino sąlygas ir trukmę, atsižvelgti į testavimų skaičius. Šį modelį galima išbandyti čia.
