Οι καιρικές συνθήκες πρέπει να λαμβάνονται υπόψη στην Πρόβλεψη ενός Δεύτερου Κύματος μιας Πανδημίας

 Οι ερευνητές του Πανεπιστημίου Λευκωσίας Talib Dbouk και Δημήτρης Δρικάκης, στην πρόσφατη δημοσίευσή τους για τον COVID-19 στο Physics of Fluids, καταδεικνύουν πως η θερμοκρασία, η υγρασία και ο άνεμος είναι βασικοί επιδημιολογικοί παράμετροι που παραλείπονται από τις προβλέψεις

Το «δεύτερο κύμα» της πανδημίας του κορονοϊού, προκάλεσε συζητήσεις για τις ευθύνες σχετικά με την έγκαιρη ή μη λήψη κατάλληλων μέτρων ασφαλείας. Ωστόσο, λόγω των επιπτώσεων των καιρικών συνθηκών, η έρευνα καταδεικνύει πως είναι αναπόφευκτα τα δύο κύματα κατά τη διάρκεια μίας πανδημίας.

Στην πέμπτη σχετική δημοσίευσή τους αναφορικά με την εποχικότητα και τη δυναμική μετάδοσης (Seasonality and Transmission Dynamics), που δημοσιεύθηκε την προηγούμενη εβδομάδα στο επιστημονικό περιοδικό Physics of Fluids του Αμερικανικού Ινστιτούτου Φυσικής (AIP Publishing), οι Δρ. Talib Dbouk και Καθηγητής Δημήτρης Δρικάκης του Πανεπιστημίου Λευκωσίας, επέκτειναν τις προηγούμενες έρευνές τους, ώστε να εξακριβώσουν τις επιπτώσεις των καιρικών συνθηκών στις επιδημιολογικές παραμέτρους. Αν και οι μάσκες προσώπου, οι ταξιδιωτικοί περιορισμοί και οι οδηγίες κοινωνικής απόστασης είναι κρίσιμες για την επιβράδυνση του αριθμού των νέων μολύνσεων βραχυπρόθεσμα, οι ερευνητές διαπίστωσαν ότι η μη συμπερίληψη των κλιματικών παραμέτρων στα επιδημιολογικά μοντέλα δημιουργεί ένα σοβαρό κενό που μπορεί να προκαλέσει σημαντικές μακροπρόθεσμες επιπτώσεις.

Προηγούμενες μελέτες της ερευνητικής αυτής ομάδας κατέδειξαν, ανάμεσα σε άλλα, πως η σίελος δύναται να ταξιδέψει έξι μέτρα σε πέντε δευτερόλεπτα όταν ένα άτομο βήξει χωρίς να φοράει μάσκα, και ότι ο επαναλαμβανόμενος βήχας μειώνει σοβαρά την αποτελεσματικότητα της μάσκας. Οι ερευνητές ενσωματώνουν κάθε προηγούμενο εύρημα στα επιδημιολογικά τους μοντέλα, καθώς προχωρούν στην έρευνα τους.

Τα τυπικά μοντέλα για την πρόβλεψη της συμπεριφοράς μιας επιδημίας περιέχουν ως βασικές παραμέτρους το ρυθμό μετάδοσης και το ρυθμό ανάκαμψης. Υπάρχει η τάση αυτές οι τιμές να αντιμετωπίζονται ως σταθερές, αλλά οι Dbouk και Δρικάκης υποστηρίζουν ότι αυτό δεν ισχύει στην πραγματικότητα. Κατά την άποψή τους, η θερμοκρασία, η σχετική υγρασία, και η ταχύτητα του ανέμου, παίζουν σημαντικό ρόλο, οπότε και στόχευσαν στην τροποποίηση των βασικών μοντέλων έτσι ώστε αυτά να λαμβάνουν υπόψη τους τις κλιματολογικές συνθήκες. Οι ερευνητές αποκαλούν αυτό το νέο δείκτη, Airborne Infection Rate (AIR).

Όταν εφάρμοσαν το δείκτη AIR σε μοντέλα του Παρισιού, της Νέας Υόρκης και του Ρίο ντε Τζανέιρο, διαπίστωσαν ότι προέβλεψε με ακρίβεια το χρονοδιάγραμμα της δεύτερης επιδημίας σε κάθε πόλη, υποδηλώνοντας ότι δύο κορυφώσεις ανά έτος είναι ένα φυσικό, εξαρτώμενο από τον καιρό φαινόμενο. Επιπλέον, η συμπεριφορά του ιού στο Ρίο ντε Τζανέιρο ήταν σημαντικά διαφορετική από τη συμπεριφορά του ιού στο Παρίσι και τη Νέα Υόρκη, λόγω εποχικών διαφορών στο βόρειο και νότιο ημισφαίριο, και σύμφωνα με τα πραγματικά δεδομένα.

Οι συγγραφείς υπογραμμίζουν τη σημασία της συμπερίληψης αυτών τις εποχικών παραλλαγών κατά τον σχεδιασμό μέτρων ασφαλείας. «Προτείνουμε ότι τα επιδημιολογικά μοντέλα πρέπει να ενσωματώνουν τις κλιματικές επιπτώσεις μέσω του δείκτη AIR», τόνισε ο Καθηγητής Δρικάκης. «Οι εθνικοί περιορισμοί στην κυκλοφορία ή οι μεγάλης κλίμακας περιορισμοί δεν πρέπει να βασίζονται σε μοντέλα βραχυπρόθεσμων προβλέψεων που να αποκλείουν τις επιπτώσεις της εποχικότητας του καιρού».

Ο Δρ. Dbouk συνέχισε στο ίδιο πνεύμα, σημειώνοντας ότι ο κυβερνητικός προγραμματισμός θα πρέπει να είναι μακροπρόθεσμος, κατά τη διάρκεια μιας πανδημίας, κατά την οποία δεν είναι διαθέσιμος ο μαζικός και αποτελεσματικός εμβολιασμός, λαμβάνοντας υπόψη τις καιρικές επιπτώσεις και σχεδιάζοντας αναλόγως τις οδηγίες για τη δημόσια υγεία και ασφάλεια. «Αυτό θα μπορούσε να βοηθήσει στην αποφυγή σπασμωδικών αντιδράσεων όσον αφορά τους αυστηρούς περιορισμούς στην κυκλοφορία, οι οποίες επηρεάζουν αρνητικά όλες τις πτυχές της ζωής και της παγκόσμιας οικονομίας».

Καθώς οι θερμοκρασίες αυξάνονται και η υγρασία πέφτει, οι Dbouk και Δρικάκης αναμένουν περαιτέρω βελτίωση στους αριθμούς των λοιμώξεων, αν και σημειώνουν ότι οι κατευθυντήριες γραμμές για τη χρήση μάσκας και τις αποστάσεις πρέπει να συνεχίσουν να ακολουθούνται με τις κατάλληλες τροποποιήσεις, βάσει των καιρικών συνθηκών.

Οι ενδιαφερόμενοι μπορούν να μάθουν περισσότερα για τα τελευταία ερευνητικά ευρήματα των Dbouk και Δρικάκη, καθώς και να αποκτήσουν πρόσβαση στο πλήρες κείμενο που δημοσιεύθηκε στο Physics of Fluids μέσω της ιστοσελίδας του Πανεπιστημίου Λευκωσίας: www.unic.ac.cy/coronavirus/seasonality/.

Τα πέντε σχετικά άρθρα των ερευνητών είναι επίσης διαθέσιμα στη Διαδικτυακή Πύλη Πληροφόρησης του κοινού για τον COVID-19 που δημιούργησε το Πανεπιστήμιο Λευκωσίας, το οποίο έχει θέσει την εμπειρογνωμοσύνη του στην υπηρεσία της κοινωνίας αυτή τη δύσκολη περίοδο. Η Πύλη περιλαμβάνει Διαγνωστικό Εργαλείο για τον COVID-19, συμβουλές για ασφάλεια και υγεία, σχετικές έρευνες και αναλύσεις, καθώς και τις δημόσιες παρεμβάσεις του Διδακτικού και Ερευνητικού Προσωπικού του Πανεπιστημίου.

Η ακαδημαϊκή κοινότητα του Πανεπιστημίου Λευκωσίας συμμετέχει ενεργά στις προσπάθειες αντιμετώπισης της κρίσης και καλωσορίζει σχετικές συνεργασίες. Επικοινωνία: [email protected].

ΓΙΑ ΤΟ ΠΕΡΙΟΔΙΚΟ

Το επιστημονικό περιοδικό Physics of Fluids είναι αφιερωμένο στη δημοσίευση πρωτότυπων θεωρητικών, υπολογιστικών και πειραματικών ερευνών, σχετικών με τη δυναμική των αερίων, των υγρών, καθώς και των σύνθετων υγρών.

Εικόνα 1. Μία καινοτόμος κλιμάκωση του ποσοστού συγκέντρωσης του ιού (CR) με θερμοκρασία (T), σχετική υγρασία (RH) και ταχύτητα ανέμου (U). Τα τετράγωνα σύμβολα αντιπροσωπεύουν τα σημεία δεδομένων των προσομοιώσεων. Οι γραμμές (διακεκομμένες, με τελείες-διακεκομμένες και συμπαγείς) αντιπροσωπεύουν τις προβλέψεις ενός μοντέλου, και βρέθηκαν να ταιριάζουν σε όλα τα σημεία δεδομένων με μεγάλη ακρίβεια. Οι δύο μαύρες συμπαγείς γραμμές είναι τα μέγιστα και ελάχιστα όρια για το εύρος των δεδομένων που χρησιμοποιούνται για την παραγωγή των αποτελεσμάτων, (0 ° C ≤ T ≤ 40 ° C), (10% ≤ RH ≤ 90%) και (4 km / h ≤ U ≤ 20 km / h). Οι πράσινοι και κόκκινοι κύκλοι δείχνουν την ισχυρή ή αδύναμη κατάσταση των σωματιδίων του ιού, αντίστοιχα. Όλες οι πραγματικές μεταβλητές παρουσιάζονται χωρίς διαστάσεις από τον χειριστή ⟨∗⟩.

Εικόνα 2. Ποσοστό μετάδοσης του ιού σε συνάρτηση  με τις καιρικές συνθήκες σε διάφορες πόλεις παγκοσμίως κατά τη διάρκεια του Μαρτίου και του Αυγούστου 2020. Η υψηλότερη μετάδοση, που σχετίζεται με το ποσοστό συγκέντρωσης του αερομεταφερόμενου ιού Coronavirus, είναι περίπου 0,5 ανά ημέρα. Τα παραπάνω υποδηλώνουν ότι η πιθανότητα είναι P = 1 (100%) για ένα ευαίσθητο άτομο να μολυνθεί σε δύο ημέρες λόγω των καιρικών συνθηκών (ταχύτητα αέρα, θερμοκρασία και σχετική υγρασία) σε διαφορετικές περιοχές.

Εικόνα 3. Επίδραση των καιρικών συνθηκών (ταχύτητα αέρα, θερμοκρασία και σχετική υγρασία) στον δείκτη Airborne Infection Rate (AIR) για την πολιτεία της Νέας Υόρκης (ΗΠΑ) το 2020. Το σύμβολο του καπέλου αντιπροσωπεύει τα κατά μέσο όρο καθημερινά δεδομένα καιρού ανά μήνα. (a) Δεδομένα καιρικών συνθηκών που καταγράφηκαν μεταξύ Μαρτίου και Οκτωβρίου 2020 (περιλαμβάνονται) και εκτιμώμενα δεδομένα καιρικών συνθηκών μεταξύ Νοεμβρίου 2020 και Φεβρουαρίου 2021 βάσει του καταγεγραμμένου καιρού του περασμένου έτους. (b) Ο ρυθμός μετάδοσης σε συνάρτηση με τις καιρικές συνθήκες δείχνει τρεις τάσεις: υψηλή, μεσαία και χαμηλή, διαχωρισμένες με τις αντίστοιχες τιμές 0,40 και 0,30. (c) Μοντελοποίηση πανδημίας και μακροχρόνια πρόβλεψη (ημερήσιος αριθμός περιπτώσεων) με τη χρήση του συναρτώμενου από τον καιρό ρυθμού μετάδοσης (b) στο τυπικό μοντέλο SIR. Προβλέπονται δύο κορυφώσεις λόγω της εποχικότητας των καιρικών συνθηκών στη Νέα Υόρκη, χρησιμοποιώντας το I = 1 ως περίπου ένα μολυσμένο άτομο την 1η Μαρτίου 2020. Συνολικός αριθμός ≈ 19,47 εκατομμύρια.