Search Results

You are looking at 1 - 1 of 1 items for

  • Author or Editor: Katalin Krisztalovics x
  • Refine by Access: Content accessible to me x
Clear All Modify Search

Az epidemiológiai surveillance és járványmatematikai előrejelzések szerepe a pandémiás hullámok megelőzésében, mérséklésében – hol tartunk most, és hová kellene eljutni

The role of epidemiological surveillance and mathematical forecasting in preventing and mitigating pandemic waves – what has been accomplished and what should be achieved

Scientia et Securitas
Authors: Beatrix Oroszi, J. Krisztina Horváth, Gergő Túri, Katalin Krisztalovics, and Gergely Röst

Összefoglaló. A Járványmatematikai és Epidemiológiai Projekt egy egyedülálló kezdeményezés Magyarországon, mely jelentős tudást és tapasztalatot halmozott fel a COVID–19 világjárvány során. Jelen tanulmány a pandémia 2. hullámának példáján keresztül áttekinti, hogy miként működött a járványügyi észlelés és monitorozás rendszere, hogyan, milyen eredményekkel végezték a projekt munkatársai a helyzet- és kockázatértékelést, az előrejelzések készítését, végül javaslatokat fogalmaz meg a surveillance- és előrejelző rendszer fejlesztésére a járványügyi biztonság növelése érdekében.

A 2. járványhullám 2020. június 22. és 2021. január 24. között zajlott Magyarországon, melynek során a megerősített COVID–19 esetek száma 356 197 fő volt, ami az első hullámban regisztrált esetszám 87-szerese. Összesen 12 226 megerősített COVID–19 halálesetet regisztráltak, az első hullámban jelentett szám 21-szeresét. Az országos R érték először 2020 augusztusában emelkedett 1,0 fölé. Mintegy 3 héttel azután, hogy az R érték augusztus utolsó hetében tartósan 1,0 fölé emelkedett, a halálos kimenetelű COVID–19 esetszámok növekedése is elindult, mivel a fiatalokról a járvány az idősebb korosztályokra is átterjedt. Mindezt a matematikai modellezési eredmények hetekkel korábban jelezték.

November elején az előrejelzés 12 000 fő feletti kórházi ápoltat vetített előre a karácsonyi időszakra, melynek elkerülésére kormányzati intézkedéscsomag készült. A 2020. november 11-i szigorítás a járványt az eredeti pályáról eltérítette, így a kórházban kezeltek száma a 2. hullámban az előrejelzésnek megfelelően 8018 főnél elérte a csúcsot, majd csökkenni kezdett. Január elején a modellezés azt mutatta, hogy a lecsengő szakaszban, az akkori intézkedések mellett is képes az időközben hazánkban is megjelent új variáns, a gyorsabban terjedő SARS-CoV-2 B.1.1.7, járványügyi fordulatot hozni, ami szintén megvalósult.

Összességében az epidemiológiai helyzetértékelés és matematikai modellezés képes volt a második hullám minden fő aspektusát időben és jól megragadni, a veszélyes folyamatokat előre jelezni és ezzel lehetőséget adni a gyors reagálásra. A 2. hullám tapasztalatai megmutatták, hogy a járványmatematikai és epidemiológiai képességek milyen hozzáadott értékkel bírnak a döntéstámogatásban. Az észlelési és előrejelzési rendszereink megerősítése és a matematikai modellezéssel egységes keretrendszerben történő továbbfejlesztése további lehetőségeket nyithat meg az észlelés, megelőzés, egészségügyi és gazdasági károk elhárítása érdekében szükséges döntési folyamatok bizonyítékalapú támogatásában, és az ország járványügyi biztonságának növelésében.

Summary. The Mathematical Modelling and Epidemiology Task Force is a unique initiative in Hungary that has accumulated significant knowledge and experience during the COVID-19 pandemic. Using the example of the second wave of the pandemic, the present study reviews how the epidemiological surveillance and monitoring system operated, how the task force carried out the situation and risk assessments as well as forecasting, and finally, makes suggestions for improving the surveillance and forecasting system to increase health security.

The second wave of the pandemic lasted between 22 June 2020 and 24 January 2021 in Hungary. The number of confirmed COVID-19 cases was 356,197,87 times the number of cases registered in the first wave. A total of 12,226 confirmed COVID-19 deaths were recorded, 21 times the number reported in the first wave. The reproduction number first exceeded 1.0 shortly in early August 2020. About three weeks after the R-value remained consistently above 1.0 in the last week of August, the number of fatal COVID-19 cases started to increase as the epidemic spread from the young to the older age groups. All of this was predicted by mathematical modelling results weeks earlier.

In early November, the forecast projected more than 12,000 hospitalized patients for the Christmas period, so the government introduced new measures to prevent this surge. The restrictions, implemented on 11 November 2020, diverted the epidemic from its original trajectory, so the number of hospital admissions in the second wave peaked at 8,018, as projected, and then began to decline. In January, SARS-CoV-2 B.1.1.7 was detected in Hungary. Modelling showed in early January, that even in the declining phase, and with the measures being in place, this new variant was able to change the epidemiological trend. This was in fact observed on 24 January, when the epidemic curve started to increase again.

Overall, epidemiological situation assessment and mathematical modelling were able to capture all significant aspects of the second wave in a timely manner and precisely, predicting the possible dangerous changes in the situation, and thus providing opportunity for rapid response. The experience of the second wave has shown the added value of integrating comprehensive epidemiological analysis and mathematical modelling into decision making. Strengthening our epidemiological intelligence and forecasting systems, and further enhancing them in a unified framework can open up further opportunities to provide evidence-based support for decision-making processes.

Open access