DOI: 10.21045/2071-5021-2021-67-1-1

Сабгайда Т.П., Зубко А.В.

Центральный научно-исследовательский институт организации и информатизации здравоохранения Министерства здравоохранения Российской Федерации, Москва, Россия

Резюме

Актуальность. При частом исследовании влияния климата на распространение коронавируса влияние низких температур на развитие эпидемии COVID-19 не определено.

Цель исследования: оценка влияния низких температур на распространение новой коронавирусной инфекции.

Материалы и методы. Проведён анализ динамики новых выявленных случаев заражения SARS-CoV-2 за период 1 ноября – 31 декабря в 85 субъектах Российской Федерации. На основе расхождений прогнозируемого направления развития эпидемии COVID-19 по данным за периоды 1 ноября – 7 декабря и 1 ноября – 20 декабря выделялись группы регионов, для которых сравнивались значения факторов риска распространения вируса. Для прогнозирования использовался метод экстраполяции при аналитическом выравнивании рядов. Затем методика повторялась для периодов 1 ноября – 20 декабря и 16-31 декабря.

Результаты. На вторую декаду декабря в двух группах регионов прогнозировалось ухудшение и в двух группах улучшение эпидемической ситуации, в одной сохранение стабильного уровня выявления новых случаев инфицирования. Среднемесячные температуры за декабрь в группах с прогнозируемым ростом числа заражений были значимо выше, чем в остальных группах. Тенденция улучшения прогноза развития эпидемической ситуации по мере изменения факторов риска нарушается группой со стабилизацией числа случаев после возрастающего тренда, в которой среднемесячная температура (-6,4⁰С [-7,8 — -5,0]) выше, чем в группе с продолжающейся стабильной эпидемической ситуацией (-8,5⁰С [-9,4 — -7,5]), где влияние низких температур, по-видимому, проявилось уже к началу декабря. В группе со снижением числа случаев средняя температура составила (-18,3⁰С [-20,8 — -15,9]. При изменении тенденций в третьей декаде декабря значимые различия между подгруппами во всех случаях отмечались только по значению среднемесячной температуры, а по остальным факторам риска – лишь в отдельных случаях.

В целом по стране корреляцинной связи пораженности населения COVID-19 со среднемесячной температурой не выявлено. При наличии корреляции пораженности с обеспеченностью врачами (r=0,33) и плотностью населения (r=0,37) тенденция улучшения прогноза в регионах не согласуется с последним фактором риска.

Выводы. Полученные результаты подтверждают гипотезу, что низкие температуры способствуют снижению уровня передачи вируса SARS-COV-2. Их влияние проявляется в регионах, достигших достаточно высокого уровня инфицирования населения.

Ключевые слова: вирус SARS-COV-2; COVID-19; динамика числа новых случаев; факторы риска; плотность населения; доля сельского населения; обеспеченность врачами; среднемесячная температура; влажность воздуха; атмосферные осадки

Контактная информация: Сабгайда Тамара Павловна, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Финансирование. Исследование не имело спонсорской поддержки.
Конфликт интересов. Автор заявляет об отсутствии конфликта интересов.
Для цитирования: Сабгайда Т.П., Зубко А.В. Влияют ли низкие температуры на распространение новой коронавирусной инфекции? Социальные аспекты здоровья населения [сетевое издание] 2021; 67(1):1. URL: http://vestnik.mednet.ru/content/view/1227/30/lang,ru/. DOI: 10.21045/2071-5021-2021-67-1-1

DO COLD TEMPERATURES AFFECT THE SPREAD OF THE NEW CORONAVIRUS INFECTION?
Sabgayda T.P., Zubko A.V.
Federal Research Institute for Health Organization and Informatics of Ministry of Health of the Russian Federation, Moscow

Abstract

Significance. There are many studies on the influence of climate on the spread of coronavirus, however, the effect of low temperatures on the development of the COVID-19 epidemic is yet to be determined.

Purpose: to evaluate impact of low temperatures on the spread of the new coronavirus infection.

Material and methods. Dynamics in newly detected cases of SARS-CoV-2 infection for the period from November 1 to December 31 in 85 regions of the Russian Federation has been analyzed. Based on discrepancies in the projected course of the COVID-19 epidemic according to data for the periods from November 1 - December 7 and November 1 - December 20, groups of the regions have been formed. Mean values of risk factors for SARS-CoV-2 have been compared across these groups. The extrapolation method was used for forecasting with analytical alignment of the temporal series. The procedure has then been repeated for the periods from November 1 - December 20 and December 16-31.

Results. In the second part of December, deterioration of the epidemic situation was projected in two groups, while improvement of the epidemic situation was projected in two groups, and an unchanged level of detection of new cases of infection was projected in one group. The average monthly temperatures in December in the groups with the projected rise in the number of infections were significantly higher than in other groups. The tendency towards improvements in the forecast of the epidemic situation as the risk factors change is disrupted by the group with stabilization in the number of cases after the increasing trend. In this group, the average monthly temperature (-6.4°C [-7.8 — -5.0]) is higher than in the group with the unchanged epidemic situation (-8.5°C [-9.4 — -7.5]), where the influence of low temperatures was likely to manifest by the beginning of December. In the group with the decreased number of cases, the average temperature was (-18.3°C [-20.8 — -15.9]. With changes in trends in the third part of December, significant differences between subgroups were registered only in terms of the mean monthly temperature with the rest of the risk factors being identified in some cases only.

In general, no correlation between the COVID-19 infection and the average monthly temperature was identified in the country. There is a correlation between the prevalence and the number of doctors (r = 0.33) and population density (r = 0.37), but the trend towards better forecasts in the regions does not agree with the last risk factor.

Conclusion. The study results support the hypothesis that low air temperatures reduce the SARS-COV-2 transmission. Their influence is manifested in the regions with a fairly high level of the infection prevalence.

Keywords: SARS-COV-2 virus; COVID-19; dynamics in the number of new cases; risk factors; population density; proportion of the rural population; number of doctors; average monthly temperature; air humidity;precipitation.

Corresponding author: Tamara P. Sabgayda, email: Этот e-mail защищен от спам-ботов. Для его просмотра в вашем браузере должна быть включена поддержка Java-script
Information about authors:
Sabgayda T.P., http://orcid.org/0000-0002-5670-6315
Zubko A.V. http://orcid.org/0000-0001-8958-1400
Conflict of interests. Sabgayda T.P., Zubko A.V. Do cold temperatures affect the spread of the new coronavirus infection? Social'nye aspekty zdorov'a naselenia / Social aspects of population health [serial online] 2021; 67(1):1. Available from: http://vestnik.mednet.ru/content/view/1227/30/lang,ru/ DOI: 10.21045/2071-5021-2021-67-1-1. (In Rus).

Введение

Новая коронавирусная инфекция перестаёт быть экстремальным событием в жизни общества и постепенно становится просто опасной инфекцией, для которой требуется планировать и внедрять противоэпидемические мероприятия. Подчеркивается, что эта эпидемия COVID-19 является первой в истории человечества потенциально контролируемой пандемией [1]. Так, экстренные меры по сдерживанию распространения инфекции на территории Российской Федерации предпринимаются специалистами Роспотребнадзора и Минздрава России с начала января 2020 г. [2], что помогло избежать коллапса в системе здравоохранения в период экспоненциального роста заболеваемости.

Для борьбы с любой инфекцией эпидемиологам необходимо знать факторы риска её распространения среди населения. На сегодняшний день достоверно можно утверждать лишь, что на интенсивность передачи вируса SARS-CoV-2 (Severe acute respiratory syndrome-related coronavirus 2) влияет плотность населения, объективно ведущий фактор распространения любой инфекции. С большой долей вероятности определены пути передачи вируса [3]. Достаточно успешное сдерживание экспоненциального роста заболеваемости в нашей стране было проведено только на основе знания этих факторов путем реализации глобальных мер по снижению количества контактов зараженных и восприимчивых лиц и активного внедрения мер личной инфекционной безопасности. При этом учитывались также предварительные оценки инкубационного периода, варьирующего в пределах от 2 до 14 суток [4]. Однако эти оценки до сих пор уточняются и пересматриваются [5,6]. Для снижения интенсивности передачи вируса важен не столько инкубационный период, сколько длительность периода инфекциозности зараженного человека. Отмечается возможность передачи вируса SARS-CoV-2 при отсутствии симптомов заболевания [7], в инкубационном периоде [8,9], в продромальный период [10], во время клинических проявлений, в т.ч. в период выздоровления [11]. Эти данные, как и информация об интенсивности передачи и восприимчивости к заражению разных групп населения, длительности иммунитета и протективных свойств вакцинирования будут получены в дальнейшем, что позволит разрабатывать менее глобальные и направленные на целевые группы населения меры контроля инфекции.

На сегодняшний день возможно оценить влияние внешних факторов на передачу вируса SARS-CoV-2, влияние которых на вирусы, передающиеся воздушно-капельным путем, известно. Использование информации о них позволит получать более точные прогнозы развития эпидемического процесса при планировании мер противодействия распространению вируса. Так, показано влияние на распространение коронавируса в российских регионах плотности населения, близости к крупнейшим агломерациям, доли наиболее активной и часто путешествующей части населения, интенсивности связей внутри сообщества и с другими странами и регионами, уровня заболеваемости, доли пожилого и бедного населения [12].

Поскольку основными механизмами передачи респираторных вирусов от человека к человеку в окружающей среде является аэрозольный и контрактный, получены также данные о влиянии климатических факторов на интенсивность передачи вируса. Для умеренных широт показано, что весной частота инфицирования повышалась при похолодании и снижалась при потеплении, а летом снижалась при повышении температуры, но повышалась при дождливой погоде [13]. В исследовании для 122 китайских городов на период январь-февраль была найдена положительная линейная связь средней температуры с числом случаев COVID-19 с порогом 3 градусов по Цельсию [14], а в исследовании для 154 китайских города на конец весны было установлено, что температура окружающей среды имеет нелинейную отрицательную связь с передачей COVID-19 [15]. Для Индонезии и Индии была найдена прямая корреляция средней суточной температуры с распространением COVID-19 [16 и 17]. Компромиссный результат был получен китайскими авторами: подтвержденный уровень заболеваемости COVID-19 имел бифазную связь с температурой с пиком в 10 градусов по Цельсию, а суточная заболеваемость COVID-19 снижалась при температуре ниже и выше этого значения [18]. И эти результаты аналогичны данным для передачи близкородственного вируса MERS-CoV, для которой было определено наличие оптимальной температуры [14].

Отрицательная корреляция заболеваемости и температуры при значениях температуры более 10 градусов Цельсия послужила основой для заключения, что умеренно теплый и холодный климат более благоприятны для распространения вируса, тогда как засушливый и тропический климат менее благоприятны [19]. Достаточно много исследований было проведено для уточнения влияния жаркой погоды на снижение количества случаев заражения SARS-CoV-2 [15,20]. Однако исследований влияния низких температур на развитие эпидемии COVID-19 пока нет.

Целью данного исследования была оценка влияния низких температур на распространение новой коронавирусной инфекции.

Материалы и методы

Методология исследования строилась на следующей рабочей гипотезе. К концу ноября коронавирус SARS-CoV-2 распространился на всей территории страны, и во всех субъектах Российской Федерации уровень заболеваемости COVID-19 достиг таких значений, при которых ежедневные колебания количества выявленных случаев, связанные с работой лабораторных служб, не влияют на общую динамику. Из-за отсутствия знаний о многих эпидемиологических характеристиках вируса мы не знаем закономерностей сезонной динамики заболеваемости, не можем построить эпидемиологические модели, поэтому прогнозировать распространение вируса возможно лишь в краткосрочной перспективе на период, сравнимый с длительностью инкубационного периода. Если морозная погода в зимние месяцы окажет влияние на распространение вируса, то прогнозы, построенные на данных ноября и данных до первой половины декабря принципиально не совпадут, а при отсутствии влияния низких температур изменения динамики заболеваемости не будут противоречить общим тенденциям, определенным для регионов с разным уровнем распространения коронавируса.

Проведён анализ динамики новых выявленных случаев заражения SARS-CoV-2 за период 1 ноября – 31 декабря в 85 субъектах Российской Федерации [21]. Построены три варианта среднесрочных прогнозов развития эпидемической ситуации в субъектах Российской Федерации: за периоды 1 ноября – 7 декабря, 1 ноября – 20 декабря и 16-31 декабря. Данные за январь не анализировались из-за влияния на эпидемическую ситуацию новогодних праздников. Для прогнозирования использовался метод экстраполяции при аналитическом выравнивании рядов ежедневных значений числа новых подтвержденных случаев заражения.

В зависимости от согласованности прогнозов, построенных на данных первого и второго периодов, субъекты объединялись в разные группы.

Для каждой группы определялись средние показатели числа выявленных заражений на 1000 населения (далее «пораженность») и смертности на 22 декабря [22]. Также рассчитывался показатель, условно названный нами «летальность», равный отношению числа умерших к числу выявленных случаев заболеваний, выраженному в процентах. Термины использованы условно, поскольку большая часть инфицированных лиц, у которых нет манифестации наличия и размножения вируса в организме, не выявлена. Для проверки гипотезы о влиянии на развитие эпидемического процесса факторов внешней среды определялись средние для групп значения среднемесячной температуры и влажности за декабрь в административном центре субъекта Российской Федерации, среднегодового количества осадков [23], а также обеспеченности субъекта врачами, доли сельского населения и плотности населения [24].

Предварительно проведён корреляционный анализ взаимосвязи перечисленных показателей.

Для верификации заключений, сделанных по полученным результатам, проводился прогноз развития эпидемической ситуации в субъектах Российской Федерации и аналогичный анализ переменных в выделяемых подгруппах.

Результаты

Корреляционный анализ выявил наличие прямой корреляционной связи «пораженности» населения субъектов COVID-19 с обеспеченностью врачами (r=0,33) и плотностью населения (r=0,37). Корреляционная связь смертности с обеспеченностью врачами более слабая (r=0,22), а с плотностью населения более сильная (r=0,58). При этом для смертности населения от COVID-19 выявлена также обратная корреляционная связь с долей сельского населения (r=-0,31). Для «летальности» корреляционных связей с 95%-ой доверительной вероятностью не выявлено, и только с 85%-ой доверительной вероятностью определена отрицательная корреляцинная связь «летальности» с обеспеченностью врачами (r=-0,17). Корреляцинной связи «пораженности» со среднемесячной температурой за декабрь не выявлено.

Для обеспеченности населения врачами выявлена прямая корреляционная связь с плотностью населения (r=0,26) и обратные корреляционные связи со среднемесячной температурой (r=-0,31) и влажностью (r=-0,25) за декабрь. Естественно, что последние два показателя коррелируют между собой (r=0,60). Коррелируют также плотность и доля сельского населения (r=-0,34).

По прогнозу, построенному за второй период в целом по стране прогнозировался почти линейный рост выявления новых случаев как продолжение наблюдаемого до этого роста их числа (за счет разнонаправленных тенденций выявляемых случаев заражения SARS-CoV-2 в регионах). По предполагаемому сценарию дальнейшей динамики числа новых случаев инфицирования было выделено 5 групп субъектов: в двух группах прогнозировалось ухудшение эпидемической ситуации, в одной сохранение стабильного уровня ежедневного числа новых случаев инфицирования и в двух группах - улучшение эпидемической ситуации. В качестве аналитических функций чаще всего наиболее адекватным был полином второй степени, реже полином третьей степени или линейная функция.

В пяти субъектах группы 1 прогнозировалось увеличение темпов роста числа новых случаев инфицирования, т.е в течение ноября передача коронавируса в этих регионах значимо усилилась или, что более вероятно, улучшилось выявление инфицированных (рис. 1). «Пораженность» населения субъектов этой группы варьировала от 4,3 на 1000 населения в Башкирии до 30,8 в Псковской области. Смертность варьировала от 3,1 на 100000 населения в Башкирии до 42,6 в Ивановской области, «летальность» варьировала от 0,5% в Ивановской области до 3,1% в Краснодарском крае. Субъекты этой группы можно было рассматривать как требующие внешней помощи в реализации противоэпидемических мер.

Рис. 1. Наблюдаемая (сплошная линия) и прогнозируемая (пунктир) динамика ежедневно выявляемых случаев заражения коронавирусом в среднем для субъектов группы 1 (Башкортостан, Краснодарский край, Крым, Ивановская и Псковская области)

Для 30 регионов, в которых продолжался наблюдаемый в предыдущем месяце рост числа выявляемых случаев инфицирования, построен прогноз, аналогичный прогнозу, построенному для страны в целом (группа 2, рис. 2). В этих субъектах передача инфекции плохо управлялась, сдерживания инфекции в ближайшие сроки не предполагалось. Если в регионах с низким уровнем «пораженности» просто идет накопление инфекции среди населения, то в регионах с высоким уровнем «пораженности» (Московская, Нижегородская области) сказывается разнообразие ситуации в отдельных населенных пунктах, расположенных на большой площади территории этих областей. Уровни «пораженности» и смертности в этой группе варьировали примерно в тех же пределах, как и в субъектах первой группы: «пораженность» от 3,2 в Татарстане до 29,4 в Сахалинской области, смертность от 2,9 в Сахалинской области до 46,5 в Нижегородской области. «Летальность» варьировала в более широких пределах: от 0,1% в Сахалинской области до 4,9% в Дагестане.

Рис. 2. Наблюдаемая (сплошная линия) и прогнозируемая (пунктир) динамика ежедневно выявляемых случаев заражения коронавирусом в среднем для субъектов группы 2 (Республики Дагестан, Ингушетия, Кабардино-Балкария, Северная Осетия, Татарстан, Астраханская, Белгородская, Брянская, Владимирская, Волгоградская, Воронежская, Калужская, Курская, Ленинградская, Липецкая, Московская, Нижегородская, Новгородская, Орловская, Ростовская, Рязанская, Самарская, Сахалинская, Тамбовская, Тверская и Челябинская области, Пермский и Ставропольский края, Севастополь)

В 22 субъектах группы 3 к декабрю была достигнута стабилизация передачи инфекции и число выявляемых случаев оставалось на относительно стабильном уровне в анализируемый период (рис. 3). В регионах этой группы уровень распространенности вируса был выше, чем в регионах с ухудшением ситуации. Наименьший уровень «пораженности» в этой группе составил 12,5 на тысячу населения (в Чувашии), наименьший уровень смертности (если не считать Ненецкого автономного округа, где до сих пор не было смертных случаев от COVID-19) – 12,2 на 100000 населения (в Ярославской области). «Летальность» варьировала от 0,6% в Республике Алтай до 3,5% в Красноярском крае. Возможно, что даже без дополнительных противоэпидемических мер при достижении достаточной иммунизированной прослойки населения эпидемия пойдет на спад до следующей вспышки.

Рис. 3. Наблюдаемая (сплошная линия) и прогнозируемая (пунктир) динамика ежедневно выявляемых случаев заражения коронавирусом в среднем для субъектов группы 3 (Республики Алтай, Коми, Марий Эл, Мордовия, Хакасия, Чувашия, Калининградская, Костромская, Курганская, Мурманская, Омская, Оренбургская, Пензенская, Свердловская, Томская, Тюменская и Ярославская области, Еврейская АО, Ненецкий АО, Красноярский и Приморский края, Санкт-Петербург)

В 18 субъектах группы 4 после роста числа новых случаев инфицирования в начале декабря наблюдалось значимое замедление темпов роста, и там прогнозировалась стабилизация уровня распространения SARS-CoV-2 во второй половине декабря (рис. 4). В этих регионах уровни «пораженности» и смертности варьировали соответственно от 5,2 на 1000 населения и 6,1 на 100000 населения в Чеченской Республике до 60,0 и 84,3 в Москве. «Летальность» варьировала от 0,6% в Республике Карелия до 2,9% в Иркутской области. Темпы роста числа заражений в ноябре были меньше, чем в субъектах группы 3.

Рис. 4. Наблюдаемая (сплошная линия) и прогнозируемая (пунктир) динамика ежедневно выявляемых случаев заражения коронавирусом в среднем для субъектов группы 4 (Республики Адыгея, Калмыкия, Карачаево-Черкессия, Карелия, Удмуртия, Чечня; Архангельская, Вологодская, Иркутская, Кировская, Саратовская, Смоленская, Ульяновская области; Камчатский и Хабаровский края; ХМАО – Югра, Чукотский АО, Москва)

А в 10 субъектах прогнозировалось снижение числа новых случаев инфицирования на фоне стабилизации эпидемической ситуации в середине ноября (группа 5, рис. 5). Уровень «пораженности» в субъектах этой группы варьировал кратно: от 9,1 в Кемеровской области до 56,7 в Ямало-Ненецком автономном округе. Смертность менялась от 13,2 в Амурской области до 57,6 в Ямало-Ненецком автономном округе. «Летальность» варьировала от 0,6% в Новосибирской области до 2,5% в Алтайском крае.

Рис. 5. Наблюдаемая (сплошная линия) и прогнозируемая (пунктир) динамика ежедневно выявляемых случаев заражения коронавирусом в среднем для субъектов группы 5 (Республики Бурятия, Саха (Якутия), Тыва; Амурская, Кемеровская, Магаданская и Новосибирская области; Алтайский и Забайкальский края; Ямало-Ненецкий АО)

Хотя просматривается тенденция увеличения уровней «пораженности» по мере улучшения прогноза развития эпидемической ситуации, наблюдаемые различия не всегда статистически значимы за счет большой вариабельности значений (табл. 1).

Таблица 1

Средние значения числа заражений от COVID-19 (в пересчете на 1000 населения) и числа смертей (в пересчете на 100000 населения) в группах субъектов Российской Федерации, выделенных по прогнозируемому изменению числа новых случаев инфицирования

Средний уровень «пораженности» в регионах с прогнозируемым ухудшением ситуации меньше, чем уровни в группах с прогнозируемым улучшением эпидемической ситуации. Средний уровень «пораженности» в регионах с прогнозируемым продолжением роста числа новых случаев инфицирования больше, чем в группе регионов со стабильным уровнем выявления новых случаев.

Тенденция увеличения уровней смертности по мере улучшения прогноза развития эпидемической ситуации нарушается в группе 4 с прогнозируемой стабилизацией числа заражений после замедления темпов их роста и в группе 3 с продолжающейся стабильной ситуацией. По уровню смертности статистически значимые различия отмечались между группами с прогнозируемым ростом числа новых случаев инфицирования и группами со стабильным уровнем случаев инфицирования и с их прогнозируемым снижением. Средние значения смертности в группе со стабилизацией после роста статистически не отличаются от всех остальных групп.

Средние значения уровней «летальности» в выделенных группах различаются между группами с прогнозируемым улучшением эпидемической ситуации (где «летальность» меньше) и группой с продолжающимся ростом числа новых случаев инфицирования (рис. 6).

Рис. 6. Средние значения «летальности» в группах субъектов Российской Федерации, выделенных по прогнозируемому изменению числа новых случаев инфицирования

В пятой группе с прогнозируемым снижением числа новых случаев инфицирования средний уровень «летальности» несколько больше, чем в четвертой группе с прогнозируемой стабилизацией числа выявляемых случаев.

При анализе факторов, косвенно влияющих на интенсивность передачи вируса, получена тенденция улучшения прогноза развития эпидемической ситуации по мере роста обеспеченности населения врачами (табл. 2). Для этих показателей средние значения рассчитывались с включением и исключением Москвы и Санкт-Петербурга из состава групп 3 и 4. Значимые различия в обеспеченности населения врачами выявлены между группами с ростом числа новых случаев инфицирования и их стабильным уровнем и группой с прогнозируемым снижением числа выявляемых случаев.

Таблица 2

Средние значения обеспеченности врачами (в пересчете на 10000 населения, 2019), доли сельского населения (%) и плотности населения (чел/км²) в группах субъектов Российской Федерации, выделенных по прогнозируемому изменению числа новых случаев инфицирования

Различий по доле сельского населения не выявлено, тогда как плотность населения ожидаемо является фактором, значимо влияющим на развитие эпидемического процесса. В группах субъектов с прогнозируемым ростом числа новых случаев инфицирования плотность населения больше, чем во всех остальных группах без учёта столиц. Тенденция увеличения плотности населения (без учёта Москвы и Санкт-Петербурга) по мере улучшения прогноза развития эпидемической ситуации нарушается в группах с прогнозируемой стабилизацией после роста числа новых случаев инфицирования и с продолжающейся стабильной ситуацией.

Снижение числа новых случаев инфицирования прогнозируется в регионах с наименьшим количеством осадков, тогда как их рост - в регионах с наибольшим количеством осадков (рис. 7). Группа регионов с прогнозируемой стабилизацией после роста числа новых случаев инфицирования нарушает наблюдаемую тенденцию улучшения прогноза развития эпидемической ситуации по мере уменьшения среднегодового количества осадков. Она отличатся лишь от группы с прогнозируемым снижением числа новых случаев инфицирования.

Рис. 7. Средние значения среднегодового количества осадков в группах субъектов Российской Федерации, выделенных по прогнозируемому изменению числа новых случаев инфицирования

При анализе климатических показателей декабря выявлена та же ситуация - группа регионов с прогнозируемой стабилизацией числа случаев инфицирования после возрастающего тренда нарушает наблюдаемую тенденцию улучшения прогноза развития эпидемической ситуации по мере уменьшения среднемесячной температуры и влажности (табл. 3).

Таблица 3

Средние значения среднемесячной температуры и влажности в декабре в группах субъектов Российской Федерации, выделенных по прогнозируемому изменению числа новых случаев инфицирования

Почти по всем проанализированным показателям внешней среды кроме уровня «пораженности» и обеспеченности врачами четвертая группа должна находиться на месте третьей, а по уроню «летальности» - на месте пятой группы.

К 20 декабря ситуация в среднем по стране стабилизировалась. Для большинства субъектов был построен прогноз более благоприятного развития эпидемической ситуации, чем в первом варианте. При построении прогноза числа новых случаев инфицирования на основе данных второй половины декабря выделенные группы оказались не однородными.

Среди пяти субъектов первой группы с наихудшим прогнозом в двух (Крым и Псковская область) прогнозируется стабилизация и дальнейшее снижение числа новых случаев инфицирования. По сравнению с другими субъектами этой группы в Крыму отмечается самая высокая доля сельского населения и самое малое среднее количество годовых осадков при самой высокой средней температуре декабря, а в Псковская области – наиболее высокий уровень «пораженности» населения, самые низкие показатели «летальность», плотность населения и его обеспеченность врачами.

В 18 из 30 субъектов второй группы с продолжающимся в начале декабря ростом числа новых случаев с середины декабря их уровень стабилизировался и в некоторых случаях прогнозируется их снижение. Отличие этих субъектов от остальных в данной группе выявлено по средним значениям «летальности», доли сельского населения, плотности населения, среднемесячной температуры за декабрь и годовому количеству осадков (табл. 4).

Из 22 субъектов третьей группы со стабильной интенсивностью передачи инфекции в 8 субъектах прогнозируется улучшение, а в трех субъектах – ухудшение эпидемической ситуации. В подгруппе субъектов с прогнозируемым улучшением ситуации по сравнению с подгруппой субъектов без её изменения отмечаются более высокие средние значения «пораженности», смертности, «летальности» и доли сельского населения, а также более низкие средние значения обеспеченности врачами, среднемесячной температуры и влажности за декабрь. Аналогично, в подгруппе субъектов с прогнозируемым ухудшением ситуации по сравнению с подгруппой субъектов без её изменения отмечаются более низкие средние значения «пораженности» и более высокие средние значения доли сельского населения, плотности населения, среднемесячной температуры и влажности за декабрь.

Таблица 4

Наличие отличий средних значений показателей в подгруппах с улучшением и ухудшением прогноза во второй половине декабря для трех групп субъектов Российской Федерации, выделенных 20 декабря по прогнозируемому изменению числа новых случаев инфицирования

* 2- Продолжение роста; 3- Продолжение стабилизации; 4- Стабилизация после роста

В 6 из 18 субъектов группы 4 с спрогнозированной стабилизацией числа новых случаев инфицирования после их роста прогнозируется снижение, а в трех субъектах – увеличение числа выявляемых случаев. В подгруппах субъектов и с прогнозируемым улучшением, и с прогнозируемым ухудшением ситуации по сравнению с подгруппой 9 субъектов без её изменения отмечаются более низкие средние значения «пораженности», смертности, обеспеченности врачами, годового количества осадков, а также более высокие средние значения плотности населения, среднемесячной температуры и влажности за декабрь. Отличием подгруппы с прогнозируемым ростом числа новых случаев являются более высокие показатели «летальности».

В субъектах пятой группы прогнозируется дальнейшее снижение числа новых случаев инфицирования, хотя и с замедлением темпов снижения в некоторых регионах.

Обсуждение

Прямая корреляционная связь «пораженности» населения субъектов COVID-19 с плотностью населения эпидемиологически обоснована – при более высокой плотности происходит более интенсивная передача вируса. Прямая связь «пораженности» с обеспеченностью врачами может быть опосредованной плотностью населения, хотя нельзя исключать и более полное выявление зараженных в субъектах с лучшей обеспеченностью врачами. Наличие прямой корреляционной связи смертности с обеспеченностью врачами, хоть и слабой, и более сильной связи с плотностью населения свидетельствует об опосредованности связей обеспеченности населения врачами его плотностью. Об этом же свидетельствует наличие корреляции этих показателей.

Наличие отрицательной корреляционной связи смертности населения с долей сельского населения, не выявленной для «пораженности», можно рассматривать как возможность формулировании гипотезы о влиянии сельского образа жизни как самостоятельного фактора. Возможно, что большее пребывание на свежем воздухе селян приводит к существенно меньшему распространению среди них гиповитаминоза витамина D, чем среди горожан. По мнению клиницистов, это состояние утяжеляет течение COVID-19 [25], поскольку витамин D приводит к улучшению иммунных реакций [26].

Если сравнивать группы, сформированные по направлению изменения в динамике числа новых случаев инфицирования, по уровню «пораженности», то можно заключить, что при более высоком показателе «пораженности» прогнозируется более благоприятное развитие эпидемического процесса. В регионах с прогнозируемым продолжением роста числа случаев средний уровень «пораженности» меньше, чем в группе регионов со стабильной ситуацией. Такая ситуация эпидемиологически объяснима. Распространение SARS-CoV-2 характеризуется высоким уровнем кластеризации: около 10% случаев обеспечивают около 80% распространения [27], поскольку некоторые люди выделяют гораздо больше вирусов и в течение более длительного периода времени, чем другие [28]. Стабилизация наступает при исчерпании большей части таких лиц, а при невысоком уровне заболеваемости вероятность заражения новых лиц, которые станут активными переносчиками, достаточно высока.

Отметим, что в группе 1 с ускорением роста числа выявляемых случаев заражения отмечается меньшая обеспеченность врачами при сравнительно высокой плотности населения, поэтому гипотеза об обусловленности ускорения улучшением выявляемости в начале декабря вполне правомочна. По-видимому, наблюдаемый на рисунке 1 пик 6 декабря связан именно с ростом полноты выявления инфицированных.

Снижения числа случаев инфицирования можно ожидать, когда «пораженность» достигнет какого-то порогового уровня. Однако в указанную закономерность не укладывается факт, что средний уровень «пораженности» больше в группе с началом стабилизации после роста числа выявляемых случаев, чем в группе регионов с уже стабильным уровнем выявлений.

Кроме того, результаты сравнительного анализа соответствуют результатам корреляционного анализа, когда уровень «пораженности» тем выше, чем больше обеспеченность врачами, однако ожидаемой по результатам корреляционного анализа закономерности в соотношении средней плотности населения не наблюдается.

То есть, кроме зависимости развития эпидемического процесса от уровня «пораженности» в динамике числа новых случаев проявляется влияние и других факторов.

Как следует из результатов, снижение числа случаев инфицирования прогнозируется в группе субъектов с наименьшими средними значениями плотности населения и среднемесячной температурой за декабрь. В группе регионов с прогнозируемой стабилизацией числа случаев после их роста (группа 4) среднемесячная температура за декабрь выше, чем в группе регионов с уже стабильной эпидемической ситуацией (группа 3), тогда как средние значения плотности населения в этих группах близки (без учета Москвы и Санкт-Петербурга). В группах 3 и 4 плотность населения меньше, чем в группах с прогнозируемым ростом заболеваемости (группы 1 и 2). Можно предположить, что низкие температуры при невысокой плотности населения способствуют снижению интенсивности передачи вируса. При высокой плотности населения и недостаточно высокой «пораженности» сказывается преобладание передачи вируса внутри помещений: исследование в Японии показало, что риск заражения в помещении почти в 19 раз выше, чем на открытом воздухе [29].

Результаты третьего прогноза на данных до середины декабря согласуются с этой гипотезой: общими для подгрупп регионов с улучшением и ухудшением эпидемической ситуации являются различия в среднемесячной температуре за декабрь. Для подгрупп с прогнозируемым ухудшением ситуации кроме более высокой температуры общим является сравнительно более высокая плотность населения.

Тогда можно объяснить наблюдаемые изменения в числе заражений. Поскольку в группе регионов со стабильной ситуацией с начала декабря (группа 3) темпы роста числа заражений в ноябре были больше, чем в субъектах группы 4 с прогнозируемой стабилизацией в первой декаде декабря после возрастающего тренда, можно предположить, что низкие температуры затормозили передачу вируса в группе 3 раньше, чем в группе 4. При этом, по-видимому, изменение ситуации в Москве и Санкт-Петербурге в большей степени связано с достижением критической доли иммунной прослойки населения и исчерпанием числа активных переносчиков инфекции, чем с влиянием низких температур. В группе 5 с прогнозируемым снижением числа выявлений инфицирования влияние низких температур проявилось раньше - в последней декаде ноября. Все субъекты группы 5 находятся в Сибири, но наблюдаемые изменения мы связываем, прежде всего, с низкими температурами, поскольку было показано, что широта местности не сказывается на активности эпидемии [30].

Выводы

Полученные результаты подтверждают гипотезу, что низкие температуры способствуют снижению уровня передачи вируса SARS-COV-2. Их влияние проявляется в регионах, достигших достаточно высокого уровня инфицирования населения.

Библиография

1. Биличенко Т.Н. Эпидемиология новой коронавирусной инфекции (COVID-19). Академия медицины и спорта 2020;1(2):14-20. https://doi.org/10.15829/2712-7567-2020-2-15
2. Ковалев Е.В., Твердохлебова Т.И., Карпущенко Г.В., Ерганова Е.Г., Агафонова В.В., Рындич А.А. и др. Эпидемиологическая ситуация по новой коронавирусной инфекции (COVID-19) в Ростовской области: анализ и прогноз. Медицинский вестник Юга России 2020;11(3):69-78. https://doi.org/10.21886/2219-8075-2020-11-3-69-78
3. Никифоров В.В., Суранова Т.Г., Чернобровкина Т.Я., Янковская Я.Д., Бурова С.В. Новая коронавирусная инфекция (Covid-19): клинико-эпидемиологические аспекты. Архивъ внутренней медицины 2020; (2): 87-94. https://doi.org/20514/2226-6704-2020-10-2-87-93
4. Lauer SA, Grantz KH, Bi Q, Jones FK, Zheng Q, Meredith HR et al. The incubation period of corona- virus disease 2019 (COVID-19) from publicly reported confirmed cases: estimation and application. Ann. Intern. Med. 2020 May 5;172(9):577-582. https://doi.org/10.7326/M20-0504.
5. Quesada JA, López-Pineda A, Gil-Guillén VF, Arriero-Marín JM, Gutiérrez F, Carratala-Munuera C. Período de incubación de la COVID-19: revisión sistemática y metaanálisis [Incubation period of COVID-19: A systematic review and meta-analysis]. Rev Clin Esp. 2020 Oct 1. Spanish. https://doi.org/10.1016/j.rce.2020.08.005
6. McAloon C, Collins Á, Hunt K, Barber A, Byrne AW, Butler F et al. Incubation period of COVID-19: a rapid systematic review and meta-analysis of observational research. BMJ Open. 2020 Aug 16;10(8):e039652. https://doi.org/10.1136/bmjopen-2020-039652
7. Chan JF, Yuan S, Kok KH, To KK, Chu H, Yang J et al. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster. Lancet 2020; 395(10223): 514-523. https://doi.org/10.1016/S0140-6736(20)30154-9. Epub 2020.
8. Huang L, Zhang X, Zhang X, Wei Z, Zhang L, Xu J et al. Rapid asymptomatic transmission of COVID-19 during the incubation period demonstrating strong infectivity in a cluster of youngsters aged 16-23 years outside Wuhan and characteristics of young patients with COVID-19: A prospective contact-tracing study. J Infect. 2020 Jun;80(6):e1-e13. https://doi.org/10.1016/j.jinf.2020.03.006
9. Li P, Fu JB, Li KF, Liu JN, Wang HL, Liu LJ et al. Transmission of COVID-19 in the terminal stages of the incubation period: A familial cluster. Int J Infect Dis. 2020 Jul; 96:452-453. https://doi.org/10.1016/j.ijid.2020.03.027
10. Bai Y, Yao L, Wei T, Tian F, Jin DY, Chen L, Wang M. Presumed asymptomatic carrier transmission of COVID-19. JAMA. 2020. Apr 14;323(14):1406-1407. https://doi.org 10.1001/jama.2020.2565.
11. Rothe C, Schunk M, Sothmann P, Bretzel G, Froeschl G, Wallrauch C et al. Transmission of 2019-nCoV Infection from an Asymptomatic Contact in Germany. The New England journal of medicine. 2020; Mar 5;382(10):970-971. https://doi.org/10.1056/NEJMc2001468.
12. Zemtsov S.P., Baburin V.L. () Risks of morbidity and mortality during the COVID-19 pandemic in Russian regions. Population and Economics, 2020; 4(2), 158-181. https://doi.org/10.3897/popecon.4.e54055
13. Бойченко С.Г., Голубка О.С., Карамушка В.И. О влиянии условий окружающей среды на распространение вируса SARS-COV-2 в Украине. Геофизический журнал 2020, 5(4): 205-232.
14. Xie J, Zhu Y. Association between ambient temperature and COVID-19 infection in 122 cities from China. Sci Total Environ. 2020 Jul 1; 724:138201. https://doi.org/10.1016/j.scitotenv.2020.138201
15. Yao Y, Pan J, Liu Z, Meng X, Wang W, Kan H et al. No association of COVID-19 transmission with temperature or UV radiation in Chinese cities. European Respiratory Journal 2020; 55(5): 2000517; https://doi.org/10.1183/13993003.00517-2020
16. Tosepu R, Gunawan J, Effendy DS, Ahmad OAI, Lestari H, Bahar H et al. Correlation between weather and COVID-19 pandemic in Jakarta, Indonesia. Sci Total Environ. 2020 Jul 10; 725:138436. https://doi.org/10.1016/j.scitotenv.2020.138436
17. Roy MP. Temperature and COVID-19: Delhi. J Family Med Prim Care. 2020 Aug 25;9(8):4496. https://doi.org/10.4103/jfmpc.jfmpc_880_20.
18. Shi P, Dong Y, Yan H, Zhao C, Li X, Liu W et al. Impact of temperature on the dynamics of the COVID-19 outbreak in China. Sci Total Environ. 2020 Aug 1;728:138890. https://doi.org/10.1016/j.scitotenv.2020.13889
19. Araújo MB, Naimi B. Spread of SARS-CoV-2 Coronavirus likely constrained by climate. medRxiv preprint, 16 Mar 2020. https://doi.org/10.1101/2020.03.12.20034728
20. Zhu Y, Xie J. Association between ambient temperature and COVID-19 infection in 122 cities from China. Science of the Total Environment, 2020 Jul 1;724:138201. https://doi.org/10.1016/j.scitotenv.2020.138201.
21. О новой коронавирусной инфекции. Федеральная служба по надзору в сфере защиты прав потребителей и благополучия человека. 2020 [Интернет]. URL: https://rospotrebnadzor. ru/region/korono_virus/punkt.php. (дата обращения 31.12.2020 г.)
22. Коронавирус: статистика. 2020 [Интернет]. URL: https://yandex.ru/covid19/stat?utm_source=main_title&geoId=225 (Дата обращения 22.12.2020)
23. WeatherArchive.ru. 2020 [Интернет]. URL: http://weatherarchive.ru/Pogoda/Moscow (Дата обращения 19.12.2020)
24. Ресурсы и деятельность медицинских организаций здравоохранения. Медицинские кадры. Часть I. 2020. М: ЦНИИОИЗ. 283 c.
25. Громова О.А., Торшин И.Ю., Малявская С.И., Лапочкина Н.П. О перспективах использования витамина D и других микронутриентов в профилактике и терапии COVID-19. Русский Медицинский Журнал 2020; 9(28): 32-38.
26. Aranow C. Vitamin D and the immune system. J Investig Med 2011; 59: 881.886. https://doi.org/10.2310/JIM.0b013e31821b8755
27. Endo A, Centre for the Mathematical Modelling of Infectious Diseases COVID-19 Working Group, Abbott S, Kucharski AJ, Funk S. Estimating the overdispersion in COVID-19 transmission using outbreak sizes outside China [version 3; peer review: 2 approved]. Wellcome Open Res 2020, 5:67. https://doi.org/10.12688/wellcomeopenres.15842.3
28. Kupferschmidt K. Why do some COVID-19 patients infect many others, whereas most don’t spread the virus at all? Website Science. [Online]. May. 19, 2020 [cited 2020 Nov 22] https://doi.org/10.1126/science.abc8931 Available from: https://www.sciencemag.org/news/2020/05/why-do-some-covid-19-patients-infect-many-others-whereas-most-don-t-spread-virus-all
29. Nishiura H, Oshitani H, Kobayashi T, Saito T, Sunagawa T, Matsui T et al. Closed environments facilitate secondary transmission of coronavirus disease 2019 (COVID-19). medRxiv preprint doi: https://doi.org/10.1101/2020.02.28.20029272 Available from: https://www.medrxiv.org/content/10.1101/2020.02.28.20029272v2.full.pdf
30. Jüni P, Rothenbühler M, Bobos P, Thorpe KE, da Costa B, Fisman D et al. Impact of climate and public health interventions on the COVID-19 pandemic: A prospective cohort study. CMAJ 2020 May 25;192(21):E566-E573. https://doi.org/https://doi.org/10.1503/cmaj.200920 )

References

1. Bilichenko T.N. Epidemiologiya novoy koronavirusnoy infektsii (COVID-19) [Epidemiology of Coronavirus disease 2019 (COVID-19)]. Akademiya meditsiny i sporta 2020;1(2):14-20. https://doi.org/10.15829/2712-7567-2020-2-15 (in Russian).
2. Kovalev E.V., Tverdokhlebova T.I., Karpushenko G.V., Erganova E.G., Agafonova V.V., Ryndich A.A, et al. Epidemiologicheskaya situatsiya po novoy koronavirusnoy infektsii (COVID-19) v Rostovskoy oblasti: analiz i prognoz. [Epidemiological situation of a new coronavirus infection (COVID-19) in the Rostov region: analysis and forecast]. Meditsinskiy vestnik Yuga Rossii 2020;11(3):69-78. https://doi.org/10.21886/2219-8075-2020-11-3-69-78 (in Russian).
3. Nikiforov V.V., Suranova T.G., Chernobrovkina T.Ya., Yankovskaya Y.D., Burova S.V. Novaya koronavirusnaya infektsiya (Covid-19): kliniko-epidemiologicheskie aspekty [New coronavirus infection (Covid-19): Clinical and epidemiological aspects]. Arkhiv" vnutrenney meditsiny 2020; (2): 87-94. https://doi.org/20514/2226-6704-2020-10-2-87-93 (in Russian).
4. Lauer SA, Grantz KH, Bi Q, Jones FK, Zheng Q, Meredith HR , et al. The incubation period of corona- virus disease 2019 (COVID-19) from publicly reported confirmed cases: estimation and application. Ann. Intern. Med. 2020 May 5;172(9):577-582. https://doi.org/10.7326/M20-0504.
5. Quesada JA, López-Pineda A, Gil-Guillén VF, Arriero-Marín JM, Gutiérrez F, Carratala-Munuera C. Período de incubación de la COVID-19: revisión sistemática y metaanálisis [Incubation period of COVID-19: A systematic review and meta-analysis]. Rev Clin Esp. 2020 Oct 1. Spanish. https://doi.org/10.1016/j.rce.2020.08.005
6. McAloon C, Collins Á, Hunt K, Barber A, Byrne AW, Butler F et al. Incubation period of COVID-19: a rapid systematic review and meta-analysis of observational research. BMJ Open. 2020 Aug 16;10(8):e039652. https://doi.org/10.1136/bmjopen-2020-039652
7. Chan JF, Yuan S, Kok KH, To KK, Chu H, Yang J et al. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster. Lancet 2020; 395(10223): 514-523. https://doi.org/10.1016/S0140-6736(20)30154-9. Epub 2020.
8. Huang L, Zhang X, Zhang X, Wei Z, Zhang L, Xu J et al. Rapid asymptomatic transmission of COVID-19 during the incubation period demonstrating strong infectivity in a cluster of youngsters aged 16-23 years outside Wuhan and characteristics of young patients with COVID-19: A prospective contact-tracing study. J Infect. 2020 Jun;80(6):e1-e13. https://doi.org/10.1016/j.jinf.2020.03.006
9. Li P, Fu JB, Li KF, Liu JN, Wang HL, Liu LJ et al. Transmission of COVID-19 in the terminal stages of the incubation period: A familial cluster. Int J Infect Dis. 2020 Jul; 96:452-453. https://doi.org/10.1016/j.ijid.2020.03.027
10. Bai Y, Yao L, Wei T, Tian F, Jin DY, Chen L, Wang M. Presumed asymptomatic carrier transmission of COVID-19. JAMA. 2020. Apr 14;323(14):1406-1407. https://doi.org 10.1001/jama.2020.2565.
11. Rothe C, Schunk M, Sothmann P, Bretzel G, Froeschl G, Wallrauch C et al. Transmission of 2019-nCoV Infection from an Asymptomatic Contact in Germany. The New England journal of medicine. 2020; Mar 5;382(10):970-971. https://doi.org/10.1056/NEJMc2001468.
12. Zemtsov S.P., Baburin V.L. Risks of morbidity and mortality during the COVID-19 pandemic in Russian regions. Population and Economics 2020; 4(2), 158-181. https://doi.org/10.3897/popecon.4.e54055
13. Boychenko S, Golubka O, Karamushka V. O vliyanii usloviy okruzhayushchey sredy na rasprostranenie virusa SARS-COV-2 v Ukraine [About the influence of environmental conditions on the distribution of the SARS-CoV-19 virus in Ukraine]. Geofizicheskiy Zhurnal 2020, 5(4): 205-232. (in Russian).
14. Xie J, Zhu Y. Association between ambient temperature and COVID-19 infection in 122 cities from China. Sci Total Environ. 2020 Jul 1; 724:138201. https://doi.org/10.1016/j.scitotenv.2020.138201
15. Yao Y, Pan J, Liu Z, Meng X, Wang W, Kan H et al. No association of COVID-19 transmission with temperature or UV radiation in Chinese cities. European Respiratory Journal 2020; 55(5): 2000517; https://doi.org/10.1183/13993003.00517-2020
16. Tosepu R, Gunawan J, Effendy DS, Ahmad OAI, Lestari H, Bahar H et al. Correlation between weather and COVID-19 pandemic in Jakarta, Indonesia. Sci Total Environ. 2020 Jul 10; 725: 138436. https://doi.org/10.1016/j.scitotenv.2020.138436
17. Roy MP. Temperature and COVID-19: Delhi. J Family Med Prim Care. 2020 Aug 25;9(8):4496. https://doi.org/10.4103/jfmpc.jfmpc_880_20.
18. Shi P, Dong Y, Yan H, Zhao C, Li X, Liu W et al. Impact of temperature on the dynamics of the COVID-19 outbreak in China. Sci Total Environ. 2020 Aug 1;728:138890. https://doi.org/10.1016/j.scitotenv.2020.13889
19. Araújo MB, Naimi B. Spread of SARS-CoV-2 Coronavirus likely constrained by climate. medRxiv preprint, 16 Mar 2020. https://doi.org/10.1101/2020.03.12.20034728
20. Zhu Y, Xie J. Association between ambient temperature and COVID-19 infection in 122 cities from China. Science of the Total Environment, 2020 Jul 1;724:138201. https://doi.org/10.1016/j.scitotenv.2020.138201.
21. O novoy koronavirusnoy infektsii. Federal'naya sluzhba po nadzoru v sfere zashchity prav potrebiteley i blagopoluchiya cheloveka [About a new coronavirus infection. Federal Service for Supervision of Consumer Rights Protection and Human Well-Being]. [Online]. 2020 [cited 2020 Dec 31]. Available from: https://rospotrebnadzor.ru/region/korono_ virus/punkt.php. (in Russian).
22. Koronavirus: statistika [Coronavirus: statistics]. [Online]. 2020 [cited 2020 Dec 22]. Available from: https://yandex.ru/covid19/stat?utm_source=main_title&geoId=225 (in Russian).
23. WeatherArchive.ru. [Online]. 2020 [cited 2020 Dec 19]. Available from: http://weatherarchive.ru/Pogoda/Moscow (in Russian)
24. Resursy i deyatel'nost' meditsinskikh organizatsiy zdravookhraneniya. Meditsinskie kadry. Chast' I. [Resources and activities of medical healthcare organizations. Medical personnel. Part I]. 2020. Moscow: TsNIIOIZ. 283 p. (in Russian).
25. Gromova O.A., Torshin I.Yu., Malyavskaya S.I., Lapochkina N.P. O perspektivakh ispol'zovaniya vitamina D i drugikh mikronutrientov v profilaktike i terapii COVID-19 [About the prospects of using vitamin D and other micronutrients in the prevention and therapy of COVID-19]. Russkiy meditsinskiy zhurnal 2020; 9(28): 32-38. (in Russian).
26. Aranow C. Vitamin D and the immune system. J Investig Med 2011; 59: 881.886. https://doi.org/10.2310/JIM.0b013e31821b8755
27. Endo A, Centre for the Mathematical Modelling of Infectious Diseases COVID-19 Working Group, Abbott S, Kucharski AJ, Funk S. Estimating the overdispersion in COVID-19 transmission using outbreak sizes outside China [version 3; peer review: 2 approved]. Wellcome Open Res 2020, 5:67. https://doi.org/10.12688/wellcomeopenres.15842.3
28. Kupferschmidt K. Why do some COVID-19 patients infect many others, whereas most don’t spread the virus at all? Website Science. [Online]. May. 19, 2020 [cited 2020 Nov 22] https://doi.org/10.1126/science.abc8931. Available from: https://www.sciencemag.org/news/2020/05/why-do-some-covid-19-patients-infect-many-others-whereas-most-don-t-spread-virus-all
29. Nishiura H, Oshitani H, Kobayashi T, Saito T, Sunagawa T, Matsui T, et al. Closed environments facilitate secondary transmission of coronavirus disease 2019 (COVID-19). URL: https://www.medrxiv.org/content/10.1101/2020.02.28.20029272v2.full.pdf. doi: https://doi.org/10.1101/2020.02.28.20029272
30. Jüni P, Rothenbühler M, Bobos P, Thorpe KE, da Costa B, Fisman D, et al. Impact of climate and public health interventions on the COVID-19 pandemic: A prospective cohort study. CMAJ 2020 May 25;192(21):E566-E573. https://doi.org/https://doi.org/10.1503/cmaj.200920

Дата поступления: 24.01.2021

Добавить комментарий

Пожалуйста оставляйте комментарии только по теме. Вы можете оставить свой комментарий любым браузером кроме Internet Explorer старше 6.0
Имя:
E-mail
Комментарий:
Код:*