По оценкам инструмента моделирования, тестирование на COVID-19 спасло 1,4 миллиона жизней
Пандемия COVID-19 продемонстрировала, насколько важно тестирование для обеспечения готовности к болезням и реагирования на них, и новое исследование Лаборатории прикладной физики Университета Джонса Хопкинса (APL) и группы ее коллег подчеркивает этот принцип.
Исследование, опубликованное в выпуске журнала The Lancet Public Health от 2 января, включало моделирование и анализ, которые показывают, что государственно-частное партнерство по разработке, производству и распространению диагностических тестов на COVID-19 спасло, по оценкам, 1,4 миллиона жизней и предотвратило около 7 миллионов госпитализаций пациентов в Соединенных Штатах во время пандемии.
Компания APL, базирующаяся в Лореле, штат Мэриленд, объединила усилия с Управлением по стратегической готовности и реагированию (ASPR), Центрами США по контролю и профилактике заболеваний и консультантами из корпорации MITRE для проведения исследования.
«Анализ показал, что ранняя разработка, производство и распространение тестов значительно снизили тяжелые исходы COVID-19», — сказал Гари Лин, вычислительный эпидемиолог в APL и соавтор исследования. «С помощью моделирования и имитации мы показали, как национальная координация может эффективно использовать ресурсы и возможности».
Исследователи APL разработали прототип цифрового двойника — виртуальную среду моделирования — для моделирования цепочки поставок тестирования и диагностики. Инструмент использовался для моделирования базовых сценариев и оценки эффектов потенциальных пандемических вмешательств.
«Цифровой двойник помогает нам количественно оценить влияние и последствия сбоев и изменения уровня заражения на доступность тестов», — отметила Элизабет Карриер, менеджер проекта цифровых двойников APL.
«Его также можно использовать для оценки влияния политики и инвестиций, а также для планирования и оценки потребностей в поставках, помогая в реагировании и обеспечении надежной цепочки поставок на случай будущих медицинских кризисов».
Прототипная модель интегрировала различные источники данных, включая информацию о производстве, розничной торговле и государственных запасах, а также данные о сточных водах и стационарных данных, что позволило команде оценить сложные сценарии. Она имитировала прогнозирование случаев инфекционных заболеваний, чтобы отразить спрос на тесты, производство тестов, а также логистику поставок и распределения.
В период с января 2020 года по декабрь 2022 года усилия правительства позволили провести более 6,7 млрд тестов на COVID-19 в Соединенных Штатах. Они включали лабораторные тесты, тесты по месту оказания медицинской помощи и безрецептурные тесты, при этом более 2,7 млрд тестов были проведены в лабораториях США, в медицинских учреждениях или на дому.
«Результаты подчеркивают важность надежной и быстрой разработки, производства и распространения тестов для устранения будущих угроз общественному здравоохранению», — сказал Карриер. «Полученные в результате интеграции данных знания выходят за рамки реагирования на COVID-19: они готовят нас к будущим пандемиям с масштабируемой структурой для эффективного распределения ресурсов».
С тех пор цифровое моделирование близнецов APL было расширено для мониторинга общенационального тестирования на COVID-19, грипп, респираторно-синцитиальный вирус (РСВ) и другие угрозы общественному здравоохранению в рамках подхода, учитывающего все опасности.