Επηρεάζει η ΘΕΡΜΟΚΡΑΣΙΑ, η ΥΓΡΑΣΙΑ και το γεωγραφικό πλάτος τη μεταδοτικότητα και την εποχικότητα της νόσου COVID-19;

 

Κωνσταντίνος Τριανταφυλλίδης, Ομότιμος Καθηγητής Γενετικής Α. Π. Θ. 

Άραγε επηρεάζει η ΘΕΡΜΟΚΡΑΣΙΑ, η ΥΓΡΑΣΙΑ και το γεωγραφικό πλάτος τη μεταδοτικότητα και την εποχικότητα της νόσου COVID-19; Άραγε μπορεί να προβλεφθεί η εξάπλωσή της;

Σε προηγούμενη ανάρτηση μου είχα παρουσιάσει αποτελέσματα το κατά πόσο επηρεάζει η θερμοκρασία και η υγρασία τη σταθερότητα του κορωνοϊού SARS-CoV-2 σε διάφορες επιφάνειες. Στις 11 Ιουνίου 2020, δημοσιεύθηκε –από διεθνή επιστημονική ομάδα από τις ΗΠΑ και το Ιράν- στο έγκριτο περιοδικό JAMA η επίδραση της θερμοκρασίας, της υγρασίας και του γεωγραφικού πλάτους στη μεταδοτικότητα και την εποχικότητα της νόσου COVID-19.

ΣΧΕΔΙΑΣΜΟΣ. Στη μελέτη εξετάστηκαν τα κλιματικά δεδομένα από 50 πόλεις παγκοσμίως με ή χωρίς ουσιαστική εξάπλωση της νόσου COVID-19. Οκτώ πόλεις οι κάτοικοι των οποίων είχαν σημαντική εξάπλωση της νόσου COVID-19 (Wuhan, Κίνα, Τόκιο, Ιαπωνία, Daegu, Νότια Κορέα, Qom, Ιράν, Μιλάνο, Ιταλία, Παρίσι, Γαλλία, Σιάτλ, ΗΠΑ και Μαδρίτη, Ισπανία) συγκρίθηκαν με 42 πόλεις που οι κάτοικοί τους δεν είχαν επηρεαστεί σημαντικά από την ασθένεια. Τα δεδομένα αφορούσαν την περίοδο από τον Ιανουάριο έως τις 10 Μαρτίου 2020.

ΑΠΟΤΕΛΕΣΜΑΤΑ.

 Οι 8 πόλεις με ουσιαστική μετάδοση του ιού βρίσκονταν κατά μήκος μιας στενής ζώνης γεωγραφικού πλάτους, τόσο στις ανατολικές, όσο και δυτικές περιοχές της γης. Οι περιοχές με έντονη διασπορά βρίσκονταν κατά μήκος του διαδρόμου από 30° έως 50° στο Βόρειο ημισφαίριο. Στις περιοχές αυτές επικρατούσαν παρόμοιες κλιματολογικές συνθήκες (μέση θερμοκρασία 5-11°C), σε συνδυασμό με σταθερή χαμηλή ειδική υγρασία (Q = 3-6 g / kg) και χαμηλή απόλυτη υγρασία (4-7 g / m3), σε σχέση με τις πόλεις που δεν είχαν COVID-19.

ΣΥΜΠΕΡΑΣΜΑΤΑ.

 Χρησιμοποιώντας σύνθετη μοντελοποίηση από κλιματολογικές/ καιρικές μεταβλητές (π.χ. θερμοκρασία, υγρασία), χωροχρονικές αλλαγές, καθώς και προσομοίωση σεναρίων ανθρώπινων αλληλεπιδράσεων (π.χ. μετακινήσεις, πυκνότητα πληθυσμού) ενδεχομένως θα μπορούσε να προβλεφθεί η εξάπλωση του ιού που προκαλεί τη νόσο COVID-19.

 Αυτή η «μαθηματική» προσέγγιση θα επέτρεπε να απαντηθούν ερωτήματα όπως ποιοι πληθυσμοί διατρέχουν μεγαλύτερο κίνδυνο και για πόσο χρονικό διάστημα, που να γίνεται πιο εκτεταμένη επιτήρηση, που να εφαρμόζονται πιο αυστηρά περιοριστικά μέτρα, ή πώς μπορεί να περιοριστεί η εξάπλωση του ιού στο νότιο ημισφαίριο (που ήδη βρίσκεται σε έξαρση), καθώς και προβλέψεις για τη διασπορά του ιού το φθινόπωρο/χειμώνα του 2020.

 Η καλύτερη κατανόηση των παραμέτρων που σχετίζονται με την εποχικότητα του νέου κορωνοϊού θα βοηθούσε στην ανάπτυξη καλύτερων θεραπειών και στρατηγικών πρόληψης και θα ήταν σημαντική στον προσδιορισμό των περιοχών που χρειάζονται αυξημένη επιτήρηση.
*Βιβλιογραφία. Sajadi M., et al. 11/6/2020. Temperature, Humidity, and Latitude Analysis to Estimate Potential Spread and Seasonality of Coronavirus Disease 2019 (COVID-19). JAMA Network Open. 2020;3(6):e2011834. doi:10.1001/jamanetworkopen.2020.11834