مقاله علمی: ماندگاری ویروس سارس-کرونا-۲ در ترشحات تنفسی و سطوح و مقایسه آن با ویروس سارس-کرونا-۱ – ایران

خلاصه:
هدف از اين تحقيق، بررسى مدت زمان ماندگارى ويروس سارس-كرونا-٢ (SARS-COV-2) در محيط و بر سطوح مختلف و مقايسه آن با ويروس سارس-كرونا-١ (SARS-COV-1) است. به طور خلاصه ماندگارى ويروس سارس-كرونا-٢ و سارس-كرونا-١ بسيار شبيه هم هستند. يافته هاى اين مقاله نشان داده اند كه ويروس سارس-كرونا-٢ در ترشحات تنفسى (مانند عطسه و سرفه) تا ٣ ساعت بعد از خارج شدن از بدن در aerosols، تا ٤ ساعت بر روى سطح مسى، تا ٢٤ ساعت بر روى مقوا و تا ٢-٣ روز بر روى پلاستيك و فولاد ضدزنگ فعال باقى مى ماند. مشاهدات اين تحقيق نشان مى دهند كه هر دو ويروس سارس-كرونا-١ و سارس-كرونا-٢ از طريق ترشحات تنفسى و سطوح قابل انتقال هستند. این ويروسها در ترشحات تنفسى تا چندين ساعت و بر روى سطوح تا چندين روز باقى مى مانند.
نكاتى براى تصميم گيرندگان:
– انتقال بيشتر و تعداد بيشتر بيمارانى كه در ويروس سارس-كرونا-٢ در مقايسه با ويروس سارس-كرونا-١ مشاهده مى كنيم احتمالا به خاطر فعال بودن طولانى تر ويروس سارس- كرونا-٢ در محيط نيست. بلكه عوامل ديگرى در اين رفتار مى توانند تاثيرگذار باشند. يكى از اين عوامل گزارش هاى ثبت شده از انتقال ويروس سارس- كرونا-٢ از افراد قبل از بروز علائم يا از افرادى كه بدون علائم مبتلا هستند. چنين رفتارى از ويروس، باعث كاهش كارآمدى قرنطينه و عدم شناسايى افراد در ارتباط با بيمار مى شود. از دیگر عوامل تاثيرگذار ميزان ويروسى كه لازم است تا فرد بيمار شود و دما و رطوبت مناسب براى زنده ماندن ويروس را می‌توان نام برد.
– در زمان همه گيرى سارس- كرونا-١ بيشتر موارد ابتلا از طريق انتقال بيمارستانى بود. در مورد سارس-كرونا-٢ علاوه بر انتقال بيمارستانى انتقال در جامعه مانند خانه، محيط كار و اجتماعات مردمى نيز 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This article is a preprint and has not been peer-reviewed.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 قبلیراهنمای کاربردی دورکاری برای سازمان‌های ایرانیمقاله بعدیکرونا: چرا باید همین الان اقدام کنیم؟

نرگس درةالتاج

محقق ارشد
Air Worldwide

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

2020-05-09 18:302020-12-18توسط: نوید غفارزادگانبخش: تحلیل‌ها, تحلیل‌های مدل محور, سناریوها, منابع علمی0 دیدگاه3,998 نمایش

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