Sezonowość chorób zakaźnych jest jedną z typowych cech wirusów wywołujących infekcje dróg oddechowych u ludzi. Z uwagi na fakt, że pierwsze przypadki zakażeń koronawirusem SARS-CoV-2 odnotowano w 2019 roku, wiedza na temat sezonowości zachorowań na COVID-19 jest ograniczona.
Dane z 40 miejsc na świecie wskazują, że w krajach o umiarkowanym klimacie (z wyłączeniem Chin) ponad 53% przypadków COVID-19 przypadało na okres występowania grypy. Analizy matematyczne oparte na modelu SEIR wykazały, że zimna pora roku w krajach półkuli południowej spowodowała blisko 60% wzrost ogólnej liczby przypadków COVID-19, podczas gdy na półkuli północnej w tym samym czasie ciepła pora roku przyczyniła się do zmniejszenia liczby przypadków COVID-19 o 46%.
Liczba badań na temat wpływu czynników meteorologicznych na transmisję zakażeń koronawirusem SARS-CoV-2 w Europie Środkowo-Wschodniej jest istotnie ograniczona. Niska liczba zachorowań na COVID-19 w okresie wakacyjnym pozwalała przypuszczać, że istnieje związek pomiędzy pogodą a dynamiką przebiegu epidemii COVID-19. Niemniej dotychczas brakowało danych naukowych, aby rzetelnie przeanalizować te zależności.
Metody statystyczne zastosowane w analizach
Metoda korelacji krzyżowej – posłużyła do wyznaczenia współczynnika korelacji pomiędzy dwoma czynnikami z uwzględnieniem przesunięcia czasowego (opóźnienia) względem siebie. Funkcja ta pozwala zaobserwować, kiedy nastąpi maksymalne skorelowanie dwóch szeregów czasowych. Analizy wykazały, że największy wpływ na wzrost transmisyjności koronawirusa ma temperatura maksymalna, zmienność temperatury w ciągu dnia, usłonecznienie oraz wilgotność względna. Pokazano również, że przesunięcie, dla którego wartość korelacji przyjmuje najwyższe wartości, wynosi około 10–14 dni.
Metoda PCA (analiza głównych składowych) – wykorzystano ją m.in. do zbadania zależności (statystycznego stopnia powiązania danych) między parametrami meteorologicznymi a liczbą zgonów. Analizy pokazały, że największe powiązanie wykazuje wilgotność względna, natomiast powiązanie odwrotnie proporcjonalne – temperatura maksymalna oraz usłonecznienie.
Uczenie maszynowe (Las losowy) Random Forest – wykorzystywane szeroko w nauce i gospodarce metody uczenia maszynowego posłużyły głównie do ustalenia, które parametry meteorologiczne miały największy wpływ na przyrost zakażeń i zgony – są to temperatura maksymalna, wilgotność względna i nasłonecznienie.
Główne hipotezy badawcze w naszych badaniach
Nasze wyniki są zgodne z wnioskami przedstawionymi w innych pracach, których autorzy zajmowali się badaniem zależności między rozprzestrzenieniem się pandemii a pogodą i jej sezonowością. Najdłuższa aktywność wirusa występuje przy niskich temperaturach, bardzo wysokiej lub bardzo niskiej wilgotności względnej powietrza, natomiast najkrótsza – przy wysokich temperaturach i wilgotności względnej 50%.
Parę uwag interpretacyjnych
- Rezultaty badań należy interpretować bardziej w kategoriach zależności statystycznych aniżeli deterministycznych (w sensie konkretnych procesów), ponieważ warunki meteorologiczne wpływają na szereg procesów mających związek z infekcjami (np. biologia wirusa, biologia procesów immunologicznych u człowieka (D3), sposób transmisji wirusa, liczba osób i czas przebywania ludzi w różnego rodzaju przestrzeniach (zachowania społeczne), etc.), a wyniki pokazują sumaryczny efekt wszystkich takich ‘deterministycznych’ procesów.
- Analizy odnoszą się do roku 2020, więc wyniki nie muszą być przekładalne na sytuację bieżącą w skali 1:1. Potencjalnie istotne różnice obu okresów dotyczą: innego poziomu kontaktu populacji z wirusem (od niskiego na początku 2020 roku do prawdopodobnie wysokiego obecnie), bieżącej dominacji mutacji wirusa o zwiększonej transmisyjności, tzw. wersji brytyjskiej, a co za tym idzie możliwych innych kanałów transmisji ze względu na zwiększoną podatność na zachorowalność osób w młodszym wieku w stosunku do sytuacji z dominującym szczepem wirusa w roku 2020.
- Badania z zastosowaniem PC sugerują, że czynniki meteorologiczne mają (średnio-statystycznie rzecz biorąc) około 10% wpływu na wielkość zgonów (prawdopodobnie podobnie dla zakażeń), zatem zasadnicze znaczenie mają jednak elementy nie związane z warunkami pogodowymi, choć część meteorologiczna jest statystycznie znacząca.
- Badania sugerują trochę inny wpływ pogody na zakażenia ogółem i na zakażenia śmiertelne: dla tych pierwszych istotna jest głównie temperatura i usłonecznienie, dla drugich ważna jest także wilgotność.
