Yıl: 2021 Cilt: 55 Sayı: 3 Sayfa Aralığı: 389 - 405 Metin Dili: Türkçe DOI: 10.5578/mb.20219808 İndeks Tarihi: 28-09-2021

COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği

Öz:
Koronavirüs-2019 (COVID-19) pandemisinin ilan edilmesi ve Türkiye’de COVID-19 olgusunun saptanmasının ardından ulusal düzeyde kişilerin temas sayılarını azaltmaya yönelik bir dizi ilaç dışı tedbirler uygulanmıştır. Bu çalışmada, İstanbul için ilk olgunun çıktığı andan itibaren sokağa çıkma yasaklarını içeren ilaç dışı tedbirler ile salgın üreme hızındaki değişikliği ($R_0$) belirlemek ve kompartman modellemesi ile vaka ve ölüm sayılarını hesaplayarak kısıtlamaların etkinliğini değerlendirmek amaçlanmıştır. Bulaş olasılığı (beta) (%3) ve bulaş süresi yedi gün şeklinde sabit tutularak ilaç dışı tedbirlerden temas sıklığını azaltmaya yönelik kısıtlamaları kapsayan beş senaryo oluşturulmuştur. İlk senaryo “hiçbir şey yapılmasaydı”, beşinci senaryo “sokağa çıkma yasağı” olarak kurgulanmıştır. Prem ve arkadaşları tarafından 16 yaş grubuna göre oluşturulmuş temas matriksi “hiçbir şey yapılmasaydı” (Senaryo 1) olarak kabul edilmiştir. Diğer senaryolar için (2-5) temas matrisleri varsayımları oluşturularak beş senaryo için de yaş gruplarına göre, İstanbul’un tümü için $R_0$ değerleri hesaplanmıştır. Her bir senaryo için ilk vakanın saptandığı günden itibaren bir yıl için “vaka ve COVID-19’a bağlı ölüm sayıları” matematik modelleme yöntemi ile hesaplanmıştır. Hiçbir müdahale olmadığında İstanbul’daki R0 değerinin 2.86 olacağı hesaplanmıştır. Yaş gruplarına göre en yüksek $R_0$ değerleri 15-19, 10-14, 5-9, 20-24 yaş gruplarındadır ve değerler sırasıyla 5.22, 4.37, 3.32 ve 3.33’dür. Okulların tatili $R_0$ değerleri sırasıyla 2.02, 1.84, 1.63, 1.85’e gerilemiştir. Yukarıdaki tedbirlere 20 yaş altı popülasyonu sokağa çıkma yasağı eklenmesi ile yaş gruplarının tümü için $R_0$ değerlerini birin altına düşürmüştür. İstanbul için $R_0$ 2.86 ve 1.55 olduğunda bir yıllık vaka ile ölüm sayıları sırasıyla yaklaşık 14 milyon ile 2 milyon ve 2.5 milyon ile 327 bin olarak hesaplanmıştır. Okulların tatil edilmesi, ilaç dışı tedbirler arasındaki en etkili kısıtlama olarak hesaplanmıştır. Okulların tatili ve esnek çalışma saatlerine 20 yaş altı ve 65 yaş üstü sokağa çıkma yasaklarının da eklenmesiyle gerçekleşen ilaç dışı tedbirler, İstanbul’da COVID-19 salgınının kontrol edilmesinde etkin yöntemler olarak saptanmıştır. Bu çalışma gerçek hayattaki sayıları yansıtmasa da, ilaç dışı tedbirlerin etkinliğini değerlendirmede yöneticiler için yol gösterici olacaktır.
Anahtar Kelime:

Evaluation of Non-Pharmaceutical Interventions for Reducing Contact Rate in COVID-19 Pandemic: $R_0$ Estimation and Modeling for Istanbul

Öz:
After the declaration of the coronavirus-2019 (COVID-19) pandemic and the detection of the CO VID-19 case in Turkey, a series of non-pharmaceutical measures were implemented to reduce the numberof contacts at the national level. The aim of this study was to determine the change in the epidemicreproduction rate ($R_0$) with non-pharmaceutical interventions including curfews starting with the firstreported case in Istanbul and to evaluate the effectiveness of interventions by estimating the numberof cases and deaths using a dynamic compartmental model. While keeping transmission probability(beta) as 3% and incubation period as seven days, we developed five scenarios that represented non pharmaceutical interventions The first scenario was “if nothing was done” and the last scenario was “cur few”. The contact matrix of 16 age-groups created by Prem et al. was used in the study as the contactmatrix of “if nothing was done” as scenario 1. For all other scenarios (2-5) contact matrices assumptionswere created and $R_0$ values were calculated for the whole of Istanbul according to age groups for all fivescenarios. For each scenario, “the number of cases and COVID-related deaths” for one year from the daythe first case was detected were calculated with the mathematical modeling method. In the absence ofany intervention, $R_0$ value was estimated as 2.86 in Istanbul. Among age-groups, the largest $R_0$ value wasobserved in ages 15-19, 10-14, 5-9, 20-24 and the values were 5.22, 4.37, 3.32, and 3.33; respectively.Due to school closings and flexible work hours, $R_0$ values decreased to 2.02, 1.84, 1.63 and 1.85 in thesame age-groups. With the addition of a curfew for the population under the age of 20 to the abovemeasures, the $R_0$ values for all age groups were reduced to less than one. When $R_0$ values for Istanbul was2.86 and 1.55 based on our model results, the number of cases and deaths per year were determined asapproximately 14 million and 2 million and 2.5 million and 327.000, respectively. School closures weredetermined as the most effective non-pharmaceutical intervention. Non-pharmaceutical measures withthe addition of curfews under the age of 20 and over the age of 65 to the school closings and flexibleworking hours were identified as effective methods in controlling the COVID-19 epidemic in Istanbul.While the results of this study may not reflect real life data, it has the potential of helping public healthpolicy makers to decide on which non-pharmaceutical interventions are the most effective.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Diğer Erişim Türü: Bibliyografik
  • 1. Lau H, Khosrawipour V, Kocbach P, Mikolajczyk A, Schubert J, Bania J, et al. The positive impact of lockdown in Wuhan on containing the COVID-19 outbreak in China. J Travel Med 2020; 27(3): taaa037.
  • 2. World Health Organization (/WHO). Coronavirus disease (COVID-19) Weekly epidemiological update - 21 Februray 2021. Available on: https://www.who.int/emergencies/diseases/novel-coronavirus-2019 (Accessed date: 21.02.2021).
  • 3. T.C. Sağlık Bakanlığı COVID 19 Bilgilendirme Platformu. Birincil vaka. Available on: https://covid19.saglik. gov.tr/TR-66444/birincil-vaka.html (Accessed date: 21 Februrary 2021).
  • 4. World Health Organization (WHO). International Health Regulations - Third Edition [Internet]. Vol. 2005. 2016 [cited 2020 Sep 26]. Available on: https://www.who.int/publications/i/item/9789241580496 (Accessed date: 26 September 2020).
  • 5. Yener D. Türkiye’nin koronavirüsle mücadele politikasına “Bilim Kurulu” yön veriyor [Internet]. Anadolu Ajansı. 2020. Available on: https://www.aa.com.tr/tr/koronavirus/turkiyenin-koronavirusle-mucadelepolitikasina-bilim-kurulu-yon-veriyor/1777215 (Accessed date: 26 September 2020).
  • 6. T.C. Sağlık Bakanlığı. Koronavirüs, Alacağımız Tedbirlerden Güçlü Değildir [Internet]. 2020. Available on: https://www.saglik.gov.tr/TR,64383/koronavirus-alacagimiz-tedbirlerden-guclu-degildir.html (Accessed date: 15 September 2020).
  • 7. Anadolu Ajansı (AA). Valiliklerde il idare kurulları ve pandemi kurulları toplanacak [Internet]. Anadolu Ajansı. 2020. Available on: https://www.aa.com.tr/tr/koronavirus/valiliklerde-il-idare-kurullari-ve-pandemi-kurullaritoplanacak/1782778 (Accessed date: 15 September 2020).
  • 8. Hinman AR. Evaluating interventions for prevention and control of infectious diseases, part 2. J Public Heal Manag Pract 1998; 4(5): 82.
  • 9. Keeling MJ, Rohani P. Modeling infectious diseases in humans and animals, pp: 1-368. Modeling Infectious Diseases in Humans and Animals. 2011. Princeton University Press, New Jersey.
  • 10. Kermack WO, McKendrick AG. . A contribution to the mathematical theory of epidemics. Proc R Soc London Ser A, Contain Pap a Math Phys Character 1927; 115(772): 700-21.
  • 11. Gostic K, McGough L, Baskerville E, Abbott S, Joshi K, Tedijanto C, Kahn R, et al. Practical considerations for measuring the effective reproductive number, Rt. medrxiv.org [Internet]. 2020.Availableon: https://www. medrxiv.org/content/10.1101/2020.06.18.20134858v2?rss=1 (Accessed date: 26 September 2020).
  • 12. Giesecke J. Modern infectious disease epidemiology, p: 1-233. [Internet]. Modern Infectious Disease Epidemiology. 2017, $3^{rd}$ ed. [cited 2020 Sep 26].
  • 13. Nelson K, Williams C. Infectious Disease Dynamics, Cummings DAT, Lessler, pp: 131-66. Infectious Disease Epidemiology: Theory and Practice. 2014, 3rd ed. Jones & Bartlett Publishing, Burlington.
  • 14. World Health Organization (WHO). Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19) [Internet]. Available on: https://www.who.int/docs/default-source/coronaviruse/who-chinajoint-mission-on-covid-19-final-report.pdf (Accessed date: 15 September 2020).
  • 15. Tang B, Wang X, Li Q, Bragazzi NL, Tang S, Xiao Y, et al. Estimation of the Transmission Risk of the 2019- nCoV and Its Implication for Public Health Interventions. J Clin Med [Internet] 2020; 9(2): 462.
  • 16. Mossong J, Hens N, Jit M, Beutels P, Auranen K, Mikolajczyk R, et al. Social contacts and mixing patterns relevant to the spread of infectious diseases. PLoS Med 2008; 5(3): e74.
  • 17. Prem K, Cook AR, Jit M. Projecting social contact matrices in 152 countries using contact surveys and demographic data. PLoS Comput Biol 2017; 13(9): e1005697.
  • 18. Jarvis CI, Van Zandvoort K, Gimma A, Prem K, Auzenbergs M, O’Reilly K, et al. Quantifying the impact of physical distance measures on the transmission of COVID-19 in the UK. BMC Med 2020; 18(1): 124.
  • 19. Di Domenico L, Pullano G, Sabbatini C, Boëlle P-Y, Colizza V. Impact of lockdown on COVID-19 epidemic in Île-de-France and possible exit strategies. medrxiv.org [Internet] 2020.
  • 20. Yaylali E, F PG JE, Sansom SL. Impact of improving HIV care and treatment and initiating PrEP in the US, 2015-2020. In: Conference on Retroviruses and Opportunistic Infections. 2016.Boston, USA.
  • 21. Khurana N, Yaylali E, Farnham PG, Hicks KA, Allaire BT, Jacobson E, et al. Impact of improved HIV care and treatment on PrEP effectiveness in the United States, 2016-2020. JAIDS J Acquir Immune Defic Syndr2018; 78(4): 399-405.
  • 22. Auger KA, Shah SS, Richardson T, Hartley D, Hall M, Warniment A, et al. Association between Statewide School Closure and COVID-19 Incidence and Mortality in the US. JAMA 2020; 324(9): 859-70.
  • 23. Haug N, Geyrhofer L, Londei A, Dervic E, Desvars-Larrive A, Loreto V, et al. Ranking the effectiveness of worldwide COVID-19 government interventions. Nat Hum Behav 2020; 4(12): 1303-12.
  • 24. Verity R, Okell LC, Dorigatti I, Winskill P, Whittaker C, Imai N, et al. Estimates of the severity of coronavirus disease 2019: a model-based analysis. Lancet Infect Dis 2020; 20(6): 669-77.
  • 25. Korean Society of Infectious Diseases, Korean Society of Pediatric Infectious Diseases, Korean Society of Epidemiology, Korean Society for Antimicrobial Therapy, Korean Society for Healthcare-associated Infection Control and Prevention, Korea Centers for Disease Control and Prevention. Report on the epidemiological features of coronavirus disease 2019 (covid-19) outbreak in the republic of korea from january 19 to march 2, 2020. J Korean Med Sci 2020; 35(10).
APA MARAL I, Yaylali E, Guclu H, İKİIŞIK H, GÜNER A (2021). COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. , 389 - 405. 10.5578/mb.20219808
Chicago MARAL IŞIL,Yaylali Emine,Guclu Hasan,İKİIŞIK Hatice,GÜNER ABDULLAH EMRE COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. (2021): 389 - 405. 10.5578/mb.20219808
MLA MARAL IŞIL,Yaylali Emine,Guclu Hasan,İKİIŞIK Hatice,GÜNER ABDULLAH EMRE COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. , 2021, ss.389 - 405. 10.5578/mb.20219808
AMA MARAL I,Yaylali E,Guclu H,İKİIŞIK H,GÜNER A COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. . 2021; 389 - 405. 10.5578/mb.20219808
Vancouver MARAL I,Yaylali E,Guclu H,İKİIŞIK H,GÜNER A COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. . 2021; 389 - 405. 10.5578/mb.20219808
IEEE MARAL I,Yaylali E,Guclu H,İKİIŞIK H,GÜNER A "COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği." , ss.389 - 405, 2021. 10.5578/mb.20219808
ISNAD MARAL, IŞIL vd. "COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği". (2021), 389-405. https://doi.org/10.5578/mb.20219808
APA MARAL I, Yaylali E, Guclu H, İKİIŞIK H, GÜNER A (2021). COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. Mikrobiyoloji Bülteni, 55(3), 389 - 405. 10.5578/mb.20219808
Chicago MARAL IŞIL,Yaylali Emine,Guclu Hasan,İKİIŞIK Hatice,GÜNER ABDULLAH EMRE COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. Mikrobiyoloji Bülteni 55, no.3 (2021): 389 - 405. 10.5578/mb.20219808
MLA MARAL IŞIL,Yaylali Emine,Guclu Hasan,İKİIŞIK Hatice,GÜNER ABDULLAH EMRE COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. Mikrobiyoloji Bülteni, vol.55, no.3, 2021, ss.389 - 405. 10.5578/mb.20219808
AMA MARAL I,Yaylali E,Guclu H,İKİIŞIK H,GÜNER A COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. Mikrobiyoloji Bülteni. 2021; 55(3): 389 - 405. 10.5578/mb.20219808
Vancouver MARAL I,Yaylali E,Guclu H,İKİIŞIK H,GÜNER A COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği. Mikrobiyoloji Bülteni. 2021; 55(3): 389 - 405. 10.5578/mb.20219808
IEEE MARAL I,Yaylali E,Guclu H,İKİIŞIK H,GÜNER A "COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği." Mikrobiyoloji Bülteni, 55, ss.389 - 405, 2021. 10.5578/mb.20219808
ISNAD MARAL, IŞIL vd. "COVID-19 Salgınının Kontrolünde İlaç DışıTedbirlerden Temas Sayısını Azaltmaya YönelikKısıtlamaların Etkinliğinin Değerlendirilmesi: $R_0$ Hesaplaması ve Modelleme Çalışması ileİstanbul Örneği". Mikrobiyoloji Bülteni 55/3 (2021), 389-405. https://doi.org/10.5578/mb.20219808