Międzynarodowy
23 sierpnia 2022
Doświadczenie w Europie pokazuje, że obowiązkowe i dobrowolne zdystansowanie społeczne i zachęty ekonomiczne do lepszego przestrzegania środków nadzwyczajnych miały kluczowe znaczenie dla obniżenia liczby rozrodczości wirusa COVID-19 poniżej 1 – co wskazuje, że zarażona osoba przenosi wirusa na mniej niż jedną osobę, która przeniosła się na drugą osoba. Jednak żaden pojedynczy czynnik nie może tłumaczyć osiągniętych wyników.
Wśród uwzględnionych czynników stwierdziliśmy, że przyjmowanie szczepionek było najważniejsze w zmniejszeniu skutecznych wskaźników przenoszenia w 2021 r., chociaż inne czynniki pomogły opanować infekcje.
Pandemia COVID-19 pochłonęła miliony istnień ludzkich, spowodowała kosztowną interwencję rządu w celu jej powstrzymania i spowodowała bezprecedensowe i powszechne zakłócenia gospodarcze na całym świecie. Pandemia przekształciła się w endemiczną chorobę zakaźną pośród gorących debat na temat zalet i wad dystansu społecznego i innych środków powstrzymujących, szczególnie w Chinach.
W naszym obecnym dokumencie roboczym, na którym opiera się ten artykuł, analizujemy ewolucję wskaźników przenoszenia wirusa w wybranych krajach europejskich od początku pandemii na początku 2020 roku. pandemia zakończyła się bardzo różnymi skutkami.
Wykorzystujemy te różnice, aby poznać kluczowe czynniki decydujące o efektywnej liczbie reprodukcji. W szczególności bierzemy pod uwagę takie czynniki, jak dobrowolny i nakazany przez rząd dystans społeczny, wsparcie ekonomiczne w celu przestrzegania wytycznych dotyczących przetrzymywania, szczepienia i mutacje wirusowe.
Liczby rozrodcze, odporność stada i szybkość przenoszenia wirusa
Powszechną miarą epidemiologiczną służącą do pomiaru rozprzestrzeniania się choroby zakaźnej jest rzeczywista liczba reprodukcyjna, czyli liczba R. Mierzy nowe infekcje oczekiwane od zarażonej osoby.
W ostatnich latach wskaźnik ten był szeroko stosowany w tabloidach do raportowania pandemii. Liczba R powyżej 1 oznacza, że epidemia się rozprzestrzenia (ponieważ nowa infekcja prowadzi do więcej niż jednego oczekiwanego zakażenia wtórnego), podczas gdy wartość poniżej 1 oznacza, że epidemia się kurczy.
Liczba R zmienia się w czasie (i między krajami) ze względu na zmniejszający się odsetek osób podatnych z powodu odporności po wyzdrowieniu (tzw. składnik odporności stada) lub ze względu na zmianę podstawowej efektywnej szybkości transmisji, która z kolei może zależą od wielu czynników, które ograniczają rozprzestrzenianie się wirusa.
Wykres 1A przedstawia nasze szacunki liczby R dla Europy Zachodniej jako agregat (linia czerwona) wraz z domniemanym modelowym oszacowaniem tego, jaka byłaby liczba R bez wpływu odporności stada (linia kropkowana niebieska), do której ogólnie się odnosimy do efektywnej szybkości transmisji. Ten wykres dokumentuje wiele zmienności – sześć różnych fal (oznaczonych liczbą R powyżej 1) – w okresie 2020-21.
Jednak te szacunki często ukrywają duże różnice w wynikach (liczba nowych przypadków, przyjęć do szpitala i zgony) między krajami, jak pokazano w panelach 1B (Hiszpania) i 1C (Polska).
Determinanty efektywnej szybkości transmisji
Stosując podejście oparte na danych panelowych, wykorzystujemy zarówno szeregi czasowe, jak i różnice między krajami w szybkości transmisji, aby określić względne znaczenie różnych czynników wpływających na ewolucję epidemii w Europie Zachodniej.
Zmiany w szybkości transmisji są napędzane przez wiele czynników, zarówno biologicznych, jak i behawioralnych, takich jak: B. mutacje; dystans społeczny (dobrowolny lub obowiązkowy); ograniczenia mobilności nakazane przez rząd i przestrzeganie zalecanych środków; oraz zmiany odporności spowodowane szczepieniem.
Skupiamy się na pięciu kluczowych czynnikach. Aby przedstawić obowiązkowy dystans społeczny i zachęty, wykorzystujemy zagregowane wskaźniki Ścisłości i Wsparcia Ekonomicznego opracowane przez Śledzenie reakcji na COVID-19 rządu Oksfordu Projekt dla dwóch pierwszych czynników.
Aby ocenić potencjalny wpływ dobrowolnego dystansu społecznego, rozważamy: „Efekty progowe” (trzeci czynnik), który pokazuje, w jaki sposób strach przed zarażeniem, podsycany wiadomościami o rosnących przypadkach, wpływa na indywidualne zachowanie zapobiegawcze. W 2021 r. coraz większego znaczenia nabierała dostępność szczepionek i stosowanie szczepień publicznych. Przedstawiamy tę ewolucję, dodając proporcję populacji zaszczepionej jako czwarty czynnik do regresji naszego panelu.
Nasza próbka kończy się w listopadzie 2021 roku, przed pojawieniem się dominującego wariantu Omicron. Jako wskaźnik zastępczy dla ważnych mutacji wirusowych w naszym okresie pobierania próbek, jako nasz piąty czynnik dodajemy proporcję dominującego wówczas wariantu delta w potwierdzonych przypadkach sekwencjonowania.
Statystyczne znaczenie determinant szybkości transmisji
Stwierdzamy, że wszystkie determinanty szybkości transmisji poprzedzone naszymi zmiennymi są wysoce istotne statystycznie i mają oczekiwane znaki (Schemat 2). Przed rozpoczęciem szczepienia, obowiązkowe środki ograniczające, zachęty do przestrzegania i dobrowolne zmiany zachowania ze strachu przed zarażeniem były ważne dla zmniejszenia liczby R poniżej 1 przez dłuższy czas.
Po powszechnym stosowaniu szczepień i pod koniec naszego okresu próbnego w listopadzie 2021 r. stwierdzamy, że poziom absorpcji szczepionek jest najważniejszym czynnikiem przyczyniającym się do zmniejszenia efektywnego wskaźnika przenoszenia.
Wariant Delta wiosna/lato 2021 przyczynił się do znacznego wzrostu liczby R o około 1. Nasze szacunki wyjściowej liczby reprodukcji w poszczególnych krajach (zdefiniowane jako liczba R w całkowicie podatnej populacji bez środków łagodzących) są zaskakująco podobne we wszystkich krajach, w wąskim zakresie od 5,1 do 5,5, z łącznym oszacowaniem wynoszącym 5,3. Szacunki te są znacznie większe w porównaniu z wcześniejszymi szacunkami w literaturze, które wahają się od 3,0 do 4,0.
Podobnie jak w przypadku większości badań empirycznych, nasza analiza ma ograniczenia, głównie ze względu na problemy z danymi. Słoń w pokoju to dokładność zgłoszonej liczby zarażonych przypadków i pomiar czynników łagodzących zastosowanych w naszym badaniu. Zainfekowane przypadki są zazwyczaj zaniżone, prawdopodobnie o współczynnik od 2 do około 7, w zależności od okresu i kraju dotkniętego chorobą.
W naszych szacunkach uwzględniliśmy zaniżanie liczby zainfekowanych przypadków i stwierdziliśmy, że wyniki są odporne na różne założenia dotyczące zakresu zaniżania raportów i jego zmian w czasie wraz ze wzrostem dostępności testów.
Nasze zmienne zastępcze są również niedoskonałymi miarami. Ponadto dostępność danych i związana z nimi decyzja o wykorzystaniu danych zagregowanych (na poziomie kraju) wymaga rzadkiej specyfikacji regresji, co oznacza, że nie możemy oddzielnie zbadać każdego z przyjętych konkretnych środków ograniczających.
O Autorach
Aleksander Chudik
chudik jest starszym ekonomistą w Banku Rezerwy Federalnej w Dallas.
M. Hashem Pesaran
Pesaran jest wyróżnionym katedrą ekonomii im. Johna Elliotta na Uniwersytecie Południowej Kalifornii oraz członkiem Trinity College w Cambridge w Anglii.
Alessandro Rebucci
Rebucci jest profesorem nadzwyczajnym w Johns Hopkins Carey Business School.
Wyrażone poglądy są poglądami autorów i nie należy ich przypisywać Bankowi Rezerwy Federalnej w Dallas ani Systemowi Rezerwy Federalnej.
Międzynarodowa ekonomia COVID
Joanna Bator jest autorką publikującą na portalu humanmag.pl, gdzie zajmuje się tematami z zakresu aktualności, polityki, biznesu, technologii, sportu, rozrywki i stylu życia. Koncentruje się na jasnym i rzetelnym przekazywaniu informacji, śledzeniu bieżących wydarzeń oraz prezentowaniu historii i tematów istotnych dla czytelników w przystępny i zrozumiały sposób.