خلاصه:
هدف از این تحقیق، بررسى مدت زمان ماندگارى ویروس سارس-کرونا-٢ (SARS-COV-2) در محیط و بر سطوح مختلف و مقایسه آن با ویروس سارس-کرونا-١ (SARS-COV-1) است. به طور خلاصه ماندگارى ویروس سارس-کرونا-٢ و سارس-کرونا-١ بسیار شبیه هم هستند. یافته هاى این مقاله نشان داده اند که ویروس سارس-کرونا-٢ در ترشحات تنفسى (مانند عطسه و سرفه) تا ٣ ساعت بعد از خارج شدن از بدن در aerosols، تا ۴ ساعت بر روى سطح مسى، تا ٢۴ ساعت بر روى مقوا و تا ٢-٣ روز بر روى پلاستیک و فولاد ضدزنگ فعال باقى مى ماند. مشاهدات این تحقیق نشان مى دهند که هر دو ویروس سارس-کرونا-١ و سارس-کرونا-٢ از طریق ترشحات تنفسى و سطوح قابل انتقال هستند. این ویروسها در ترشحات تنفسى تا چندین ساعت و بر روى سطوح تا چندین روز باقى مى مانند. 
نکاتى براى تصمیم گیرندگان:
– انتقال بیشتر و تعداد بیشتر بیمارانى که در ویروس سارس-کرونا-٢ در مقایسه با ویروس سارس-کرونا-١ مشاهده مى کنیم احتمالا به خاطر فعال بودن طولانى تر ویروس سارس- کرونا-٢ در محیط نیست. بلکه عوامل دیگرى در این رفتار مى توانند تاثیرگذار باشند. یکى از این عوامل گزارش هاى ثبت شده از انتقال ویروس سارس- کرونا-٢ از افراد قبل از بروز علائم یا از افرادى که بدون علائم مبتلا هستند. چنین رفتارى از ویروس، باعث کاهش کارآمدى قرنطینه و عدم شناسایى افراد در ارتباط با بیمار مى شود. از دیگر عوامل تاثیرگذار میزان ویروسى که لازم است تا فرد بیمار شود و دما و رطوبت مناسب براى زنده ماندن ویروس را می‌توان نام برد. 
– در زمان همه گیرى سارس- کرونا-١ بیشتر موارد ابتلا از طریق انتقال بیمارستانى بود. در مورد سارس-کرونا-٢ علاوه بر انتقال بیمارستانى انتقال در جامعه مانند خانه، محیط کار و اجتماعات مردمى نیز به صورت گسترده مشاهده مى شود.

Aerosol and surface stability of HCoV-19 (SARS-CoV-2) compared to SARS-CoV-1

Neeltje van Doremalen, Trenton Bushmaker, Dylan Morris, Myndi Holbrook, Amandine Gamble, Brandi Williamson, Azaibi Tamin, Jennifer Harcourt, Natalie Thornburg, Susan Gerber, Jamie Lloyd-Smith, Emmie de Wit, Vincent Munster doi: https://doi.org/10.1101/2020.03.09.20033217

March 13, 2020

This article is a preprint and has not been peer-reviewed.

Abstract:
A novel human coronavirus, now named severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2, referred to as HCoV-19 here) that emerged in Wuhan, China in late 2019 is now causing a pandemic. Here, we analyze the aerosol and surface stability of HCoV-19 and compare it with SARS-CoV-1, the most closely related human coronavirus.2 We evaluated the stability of HCoV-19 and SARS-CoV-1 in aerosols and on different surfaces and estimated their decay rates using a Bayesian regression model

مقاله قبلیمقاله بعدی
محقق ارشد
Air Worldwide

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

تاثیر شرایط جوی بر گسترش بیماری کوید نوزده: تخمین‌ها و پیش‌بینی‌ها

رن شو (دانشگاه کانتیکِت)، هژیر رحمانداد (اِم‌آی‌تی)، ماریچی گوپتا (بیمارستانِ MGH)، کترین دی‌جِنارو (بیمارستانِ MGH)، نوید غفارزادگان (ویرجینا تِک)، حسن امینی (دانشگاه کُپِنهاگ) و محمد جلالی (دانشگاه هاروارد و بیمارستانِ MGH)

تماس: محمد جلالی msjalali@mgh.harvard.edu

خلاصه

مقدمه: تحلیل و پیش‌بینیِ روند گسترش بیماری کوید نوزده، نیاز به تخمینِ میزانِ تاثیر شرایط آب و هوایی بر گسترش بیماری دارد. مطالعات گذشته محققین در این زمینه با تناقضاتی در نتایج همراه بوده‌است. در این مقاله، نویسندگان، ضمنِ جمع‌آوری یکی از گسترده‌ترین مجموعه داده‌های موجود از نقاط مختلف دنیا، به تخمین تاثیر شرایط جوی و پیش بینی ریسک گسترشِ بیماری، در ماه‌های آتی، و در نقاط مختلف دنیا می‌پردازند.

رویکرد: این مقاله مبتنی بر استفاده از روش‌های مختلف تحقیق اعم از مدل‌های آماری و شبیه‌سازی و استفاده از کلان‌داده است. داده‌های جمع‌آوری شده،  شامل تعدادِ بیماران بر مبنای گزارش‌های رسمی در 3739 منطقه دنیا، از تاریخ 12 دسامبر تا 22 آوریل سال 2020، و متغیرهای متعدد جوی و منطقه‌ای است. در این مقاله، ابتدا با استفاده از مدل‌های شبیه‌سازی، چالش‌های پیش‌رو در تخمین تاثیر شرایط آب و هوایی بر گسترش بیماری بررسی شده است و نشان داده می‌شود که، از نظر متدولوژیک، دست‌ِکم گرفتن اهمیتِ توزیع آماریِ بازه زمانی میان آغاز بیماری، شناسایی بیماری، و گزارش آن، می‌تواند به تخمین‌های نادرست بیانجامد. این مشکل از آنجا ناشی می‌شود که برای بررسی تاثیر دما باید دمای روزانه با تعداد مبتلایان همان روز مقایسه شود، حال آنکه زمان نسبتا طولانی و متغیر میان آغاز ابتلا و شناسایی موارد ابتلا وجود دارد. از این رو تخمین تاثیر شرایط آب و هوایی بر بیماری نیز مشکل می‌شود. در این مطالعه، ابتدا الگوریتمی ارائه شده است که زمان آغاز بیماری با استفاده از گزارش‌های رسمی تخمین زده شود. سپس مدلِ آماری این مطالعه، در محیطِ شبیه‌سازی، طراحی و آزمایش شده است. پس از سنجش اعتبارِ مدل، از داده‌های اصلی برای بررسی همبستگی متغیرهای جوی و متغیر بازتولید کننده استفاده شده است. مدل آماری نهایی، علاوه بر متغیرهای جوی، شامل متغیرهای مختلف محیطی، اعم از چگالی شهری، و روند تغییرات در هر منطقه است. نهایتا، از تخمین‌های بدست آمده برای بررسیِ (کاهشِ) ریسکِ ناشی از تغییرات دما بر گسترش بیماری در مناطق مختلف، استفاده شده است.

نتایج: تغییرات آب و هوایی می‌تواند تا حدودی بر (کاهشِ) گسترش بیماری تاثیر‌گذار باشد. میزان تاثیر شرایط جوی قابل ملاحظه است، اما، به خودیِ خود، کافی نیست. به طور مشخص، پس از دمای بیست و پنج درجه سانتیگراد، به ازای هر درجه افزایشِ دما، قدرت بازتولید کنندگی ویروس، تقریبا سه و یک‌دهم درصد کم می‌شود (بازه اطمینان 95 درصد: بین یک و نیم درصد، تا چهار و هشت‌دهم درصد). یعنی ده درجه افزایش دما از 25 تا 35 درجه سانتیگراد، با فرض ثابت بودن سایر عوامل همچون رطوبت هوا، منجر به کاهش سی و یک درصدی عدد بازتولید کننده می‌شود. در مناطق مرطوب‌تر، تاثیر بازدارندگی گرمایش، به مراتب بیشتر خواهد بود. علاوه بر این متغیرها، تاثیر وزش باد، میزان آفتاب، برف و بارندگی نیز بررسی شده است. در کل، به نظر می‌رسد که تفاوت شرایط آب و هوایی، تا 43 درصد، قادر به توضیح تفاوت میزانِ شیوع بیماری در نقاط مختلف دنیاست. شکل 1، تخمین ریسک ناشی از تغییرات جوی بر گسترش بیماری را در برخی از شهرهای ایران نشان می‌دهد.

شکل 1 – ریسک ناشی از تغییرات جویِ گسترش کرونا در شهرهای مختلف ایران – برای درک بهتر شکل باید به تغییرات نسبی هر نمودار توجه شود. مثلا در نمودار تهران، ریسک گسترش بیماری در ماههای تابستان حدودا 30 درصد کمتر از ماههای میانیِ زمستان است (تفاوتِ هفت دهم، و نود و پنج صدم). برای بسیاری دیگر از مناطق ایران و جهان به این سایت مراجعه کنید: https://projects.iq.harvard.edu/covid19

میزان تاثیرات قابل ملاحظه است. هر چند تخمین‌های موجود در این مطالعه با احتیاط همراه بوده و احتمالا تخمین پایین‌دستی است، اما باز هم به نظر نمی‌رسد که تغییرات آب و هواییِ فصلی، به تنهایی، قادر به کنترل بیماری باشد و برای کنترل بیماری به ادامه برخی از سیاستها در سطح کشور نیاز است. برای بررسی بسیاری دیگر از شهرها و مناطق دنیا می توانید به سایت این پژوهش مراجعه کنید. علاقه‌مندان به مباحث تخصصی را به مطلب اصلی ارجاع می‌دهیم.

سایت پژوهش: https://projects.iq.harvard.edu/covid19

مقاله اصلی:

Xu, R., Rahmandad, H., Gupta, M., DiGennaro, C., Ghaffarzadegan, H., Amini, N., Jalali, M., Weather Conditions and COVID-19 Transmission: Estimates and Projections. Available at https://www.medrxiv.org/content/10.1101/2020.05.05.20092627v1  

مقاله علمی: تخمین بیماران کوید19 در شهر نیویورک

تا تاریخ 4 آوریل، تعداد 215 زنِ باردار در نیویورک برای کوید 19 تست شده‌اند. از این میان تنها 4 نفر تب داشته‌اند. به جز آن 4 نفر، نتیجه تست 29 نفر دیگر هم مثبت شده است. این به معنی وجود بیماری در میان حدود 13 درصد این نمونه آماری در شهر نیویورک است. البته کلا فقط 7 نفر از 33 نفر نهایتا علامت واضحی از بیماری بروز داده‌اند. در صورتی که از این نمونه آماری برای تخمین تعداد بیماران در کل شهر نیویورک استفاده شود، به همین نسبت 13 درصد ممکن است فرد بیمار در شهر نیویورک وجود داشته باشد (تا 4 آوریل). این رقم بالای یک میلیون نفر می‌شود و حدودا 10 برابر ارقام رسمی است. البته عده کثیری هیچگاه سیمپتوم نخواهند داشت.

Sutton, D., Fuchs, K., D’Alton, M., & Goffman, D. (2020). Universal Screening for SARS-CoV-2 in Women Admitted for Delivery. New England Journal of Medicine.