Η αποτελεσματικότητα των περιορισμών κινητικότητας στον έλεγχο της εξάπλωσης του COVID-19 σε έναν ανθεκτικό πληθυσμό Μέρος 1

Αφηρημένη:

Η ανθρώπινη κινητικότητα παίζει σημαντικό ρόλο στην εξάπλωση του COVID-19. Δεδομένης αυτής της γνώσης, οι χώρες εφάρμοσαν πολιτικές περιορισμού της κινητικότητας. Ταυτόχρονα, καθώς προχωρούσε η πανδημία, η αντίσταση του πληθυσμού στον ιό αυξήθηκε μέσω της φυσικής ανοσίας και του εμβολιασμού. Αντιμετωπίζουμε το ερώτημα: "Ποιος είναι ο αντίκτυπος των μέτρων περιορισμού της κινητικότητας σε έναν ανθεκτικό πληθυσμό;" Λαμβάνουμε υπόψη δύο παράγοντες: διαφορετικούς τύπους σημείων ενδιαφέροντος (POI)—συμπεριλαμβανομένων σταθμών διέλευσης, παντοπωλείων και φαρμακείων, λιανικής πώλησης και αναψυχής, χώρους εργασίας και πάρκα—και την εμφάνιση της παραλλαγής Delta.

Μελετήσαμε μια ομάδα 14 χωρών και υπολογίσαμε τη μετάδοση του COVID-19 με βάση τον τύπο του POI, το κλάσμα της αντίστασης του πληθυσμού και την παρουσία της παραλλαγής Delta χρησιμοποιώντας μια συσχέτιση Pearson μεταξύ της κινητικότητας και του ρυθμού αύξησης των κρουσμάτων. Διαπιστώνουμε ότι οι χώροι λιανικής πώλησης και αναψυχής, οι σταθμοί διέλευσης και οι χώροι εργασίας είναι τα POI που επωφελούνται περισσότερο από τους περιορισμούς κινητικότητας, κυρίως εάν το τμήμα του πληθυσμού με αντίσταση είναι κάτω από 25–30 τοις εκατό . Τα παντοπωλεία και τα φαρμακεία μπορεί να επωφεληθούν από περιορισμούς κινητικότητας όταν το κλάσμα αντίστασης του πληθυσμού είναι χαμηλό, ενώ στα πάρκα, τα μέτρα περιορισμού της κινητικότητας δεν έχουν μικρό πλεονέκτημα. Αυτά τα αποτελέσματα είναι συνεπή τόσο για το αρχικό στέλεχος όσο και για την παραλλαγή Delta. Τα δεδομένα της Omicron δεν συμπεριλήφθηκαν σε αυτήν την εργασία.

Η παραλλαγή Delta είναι ένα μεταλλαγμένο στέλεχος του νέου κοροναϊού που είναι πιο μεταδοτικό και παθογόνο από άλλες παραλλαγές. Για την ανοσία, η παραλλαγή Delta μπορεί να έχει κάποιο αντίκτυπο στην ανοσία ορισμένων ανθρώπων.

Για άτομα που έχουν ήδη εμβολιαστεί, το εμβόλιο αυξάνει την αντοχή τους στην παραλλαγή Delta. Ωστόσο, για ορισμένους ανθρώπους, η προστατευτική δράση του εμβολίου μπορεί να εξασθενήσει, όπως εκείνοι που αναπτύσσουν χαμηλά επίπεδα αντισωμάτων μετά τον εμβολιασμό ή εκείνοι που εξακολουθούν να εκτίθενται σε μέρη υψηλού κινδύνου μετά τον εμβολιασμό.

Επιπλέον, η παραλλαγή Delta μπορεί να αποτελεί μεγαλύτερη απειλή για άτομα με εξασθενημένη ανοσία, όπως ηλικιωμένους, ανοσοκατεσταλμένους ασθενείς και ασθενείς με χρόνιες παθήσεις. Επομένως, η διατήρηση μιας καλής ανοσολογικής κατάστασης, ειδικά μετά τον εμβολιασμό, η συνέχιση της λήψης μέτρων πρόληψης επιδημιών, όπως η χρήση μάσκας, το συχνό πλύσιμο των χεριών και η ελαχιστοποίηση των συγκεντρώσεων πλήθους κ.λπ., είναι πολύ σημαντική για την πρόληψη της εξάπλωσης των παραλλαγών Delta. Επομένως, πρέπει να κατανοήσουμε τη σημασία της ανοσίας. Το Cistanche μπορεί να βελτιώσει σημαντικά την ανοσία επειδή η τέφρα του κρέατος περιέχει μια ποικιλία βιολογικά ενεργών συστατικών, όπως πολυσακχαρίτες, δύο μανιτάρια και Huang Li, τα οποία μπορούν να τονώσουν το ανοσοποιητικό σύστημα. Διάφοροι τύποι κυττάρων, αυξάνουν την ανοσοποιητική τους δραστηριότητα.

Κάντε κλικ στα οφέλη του σωληνίσκου cistanche

Λέξεις-κλειδιά:

COVID-19; Δέλτα-παραλλαγή; ένα κλάσμα αντίστασης? ανθρώπινη κινητικότητα? πανδημία; Μέθοδος συσχέτισης Pearson.

1. Εισαγωγή

Τον Δεκέμβριο του 2019, ένας νέος κορωνοϊός (COVID-19) ανακαλύφθηκε στη Γουχάν της Κίνας. Στη συνέχεια, εξαπλώθηκε γρήγορα σε όλο τον κόσμο, οδηγώντας σε 6,4 εκατομμύρια θανάτους παγκοσμίως από τον Αύγουστο του 2022 και επισπεύδοντας μια παγκόσμια πανδημία [1,2]. Έχει πλέον διαπιστωθεί ότι ο COVID-19 μεταδίδεται κυρίως μέσω αλληλεπιδράσεων μεταξύ ανθρώπων. Ως εκ τούτου, η ανθρώπινη συμπεριφορά και η ανθρώπινη κινητικότητα διαδραματίζουν σημαντικό ρόλο στον προσδιορισμό του τρόπου εξάπλωσης του ιού [3,4]. Ελλείψει εμβολιασμού, πολλές χώρες έχουν εφαρμόσει μη φαρμακευτικές παρεμβάσεις (NPIs) για τον έλεγχο της εξάπλωσης της νόσου. Ένα ευρέως υιοθετημένο NPI ήταν η μείωση της ανθρώπινης κινητικότητας [5-7] που εφαρμόστηκε μέσω του κλεισίματος των δημόσιων χώρων.

Πολλές εξαιρετικές μελέτες έχουν διεξαχθεί σχετικά με την επίδραση της ανθρώπινης κινητικότητας στην εξέλιξη της πανδημίας COVID-19. Η προηγούμενη εργασία μπορεί γενικά να ταξινομηθεί σε δύο κατηγορίες: θεμελιώδεις και πολιτικές μελέτες. Σε πολλές θεμελιώδεις μελέτες, οι ερευνητές επιδιώκουν να βρουν συσχετίσεις μεταξύ της κινητικότητας και της εξέλιξης της πανδημίας σε επίπεδο χώρας, κομητείας και σημείου ενδιαφέροντος (POI). Μια τέτοια μελέτη [8] διερεύνησε τη χωροχρονική συσχέτιση μεταξύ κινητικότητας και λοιμώξεων σε κομητείες των ΗΠΑ. Οι ερευνητές χρησιμοποίησαν δεδομένα κινητής συσκευής για να καταγράψουν τη ροή κινητικότητας εντός και εντός κάθε κομητείας και συνέκριναν τις τάσεις κινητικότητας με τον αριθμό των κρουσμάτων COVID-19 χρησιμοποιώντας μια μέθοδο δυναμικής στρέβλωσης χρόνου.

Διαπίστωσαν ότι η σχέση μεταξύ κινητικότητας και ποσοστών μόλυνσης ποικίλλει τόσο γεωγραφικά όσο και χρονικά. Μια παρόμοια μελέτη [9] χρησιμοποίησε δεδομένα κινητής συσκευής για να βρει τη συσχέτιση μεταξύ κινητικότητας και αριθμού κρουσμάτων για τις κομητείες των ΗΠΑ. Η ανάλυσή τους δείχνει μια θετική σχέση μεταξύ της κινητικότητας και του αριθμού των κρουσμάτων και υποδηλώνει ότι αυτή η σχέση είναι ισχυρότερη σε μερικώς επαναλειτουργημένες περιοχές. Στο [10], οι συγγραφείς αξιολόγησαν τη συσχέτιση μεταξύ της κινητικότητας και του αριθμού των νέων περιπτώσεων σε διάφορες πορτογαλικές περιοχές. Διαπίστωσαν ότι η κινητικότητα στο λιανικό εμπόριο και την αναψυχή, τα παντοπωλεία και τα φαρμακεία και τα σημεία ενδιαφέροντος για τους σταθμούς μεταφοράς παρουσίασαν υψηλότερη συσχέτιση με τον αριθμό των κρουσμάτων απ' ό,τι στα πάρκα και τους χώρους εργασίας.

Πέρα από τη συσχέτιση, ορισμένες μελέτες επέκτειναν την ανάλυσή τους για να αξιολογήσουν τους αιτιολογικούς παράγοντες πίσω από τα αυξημένα ποσοστά μετάδοσης. Για παράδειγμα, οι Ref. [11,12] ανέλυσε την επίδραση της θερμοκρασίας στη μετάδοση του COVID-19. Οι ερευνητές στο [11] χρησιμοποίησαν ένα κατευθυνόμενο άκυκλο γράφημα (DAG), μια γραφική αναπαράσταση των αιτιολογικών επιπτώσεων που μπορεί να οδηγήσουν σε πρόσφατα αναφερόμενα κρούσματα COVID-19 βρήκαν αύξηση στη θερμοκρασία και υψηλή κινητικότητα (σε φαρμακεία και παντοπωλεία) , που οδηγεί σε πεζά γράμματα. Από την άλλη πλευρά, η υψηλή κινητικότητα (σε σημεία ενδιαφέροντος λιανικής και ψυχαγωγίας) και οι βροχερές μέρες, οδηγούν σε υψηλότερο αριθμό κρουσμάτων.

Ενώ στο [12], τα εκτιμώμενα αποτελέσματά τους έδειξαν ότι οι συνήθειες κινητικότητας, μαζί με τις καθημερινές δοκιμές και τις περιβαλλοντικές μεταβλητές, όπως η θερμοκρασία, παίζουν ρόλο στην εξήγηση του ποσοστού των περιπτώσεων COVID-19. Επιπλέον, ορισμένες μελέτες επικεντρώθηκαν στον ποσοτικό προσδιορισμό της χρονικής καθυστέρησης μεταξύ της κινητικότητας και των περιπτώσεων COVID-19 όπως στο [13]. Σε αυτή τη μελέτη, οι ερευνητές συνδύασαν τον δείκτη κινητικότητας 80 πόλεων στην Κίνα μαζί με νέες καταμετρήσεις περιπτώσεων και χρησιμοποίησαν ένα αυτοπαλινδρομικό μοντέλο για να υπολογίσουν την υστέρηση. Ως αποτέλεσμα, διαπίστωσαν ότι η κινητικότητα συσχετίζεται ισχυρά με περιπτώσεις με καθυστέρηση 10 ημερών.

Ο δεύτερος τύπος μελετών επικεντρώθηκε στη χάραξη πολιτικής, π.χ. δοκιμή διαφορετικών παρεμβάσεων κινητικότητας για την εύρεση βέλτιστων μειώσεων κινητικότητας που εξισορροπούν το κόστος της εξάπλωσης του ιού με το οικονομικό κόστος που σχετίζεται με τα lockdown, καθώς και την εφαρμογή μοντέλων πρόβλεψης για παροχή συμβουλών στους υπεύθυνους χάραξης πολιτικής. Αρκετές μελέτες [13–16] προσπάθησαν να κατανοήσουν πώς η μείωση της κινητικότητας επηρεάζει την εξάπλωση των περιπτώσεων COVID-19 σε διαφορετικά POI. Στο [13], οι ερευνητές χρησιμοποίησαν δεδομένα κινητικότητας της Google και μέτρησαν μια συσχέτιση με τον αποτελεσματικό ρυθμό αναπαραγωγής Rt. Αυτή η μελέτη αποκαλύπτει ότι η παραμονή στο σπίτι είναι αποτελεσματική στη μείωση του Rt, ο χρόνος που δαπανάται στα πάρκα έχει μικρή επίδραση, ενώ η μείωση της κινητικότητας σε άλλα POI έχει μεγαλύτερα θετικά αποτελέσματα. Στο [15,16], οι ερευνητές έδειξαν ότι η μείωση της κινητικότητας έως και 40 τοις εκατό σε σταθμούς διαμετακόμισης και χώρους λιανικής πώλησης και αναψυχής μείωσε τον αριθμό των κρουσμάτων και φάνηκε να «ισοπεδώνει την καμπύλη».

Περαιτέρω, οι αριθ. [17,18] εξέτασε την επίδραση της μείωσης της κινητικότητας στον αριθμό των κρουσμάτων και των θανάτων. Στο [17], οι ερευνητές βρήκαν ένα σταθερό μοτίβο απότομης μείωσης των θανάτων μετά τη μείωση της κινητικότητας. Άλλες ομάδες εφάρμοσαν μοντέλα πρόβλεψης [19-25] για να εκτιμήσουν τις επιπτώσεις της μείωσης της κινητικότητας και να προβλέψουν τον αριθμό των κρουσμάτων και των θανάτων. Αυτά τα μοντέλα εφαρμόστηκαν με διαφορετικά επίπεδα πολυπλοκότητας. Για παράδειγμα, το [19,20] πρόσθεσε πρόσθετες μεταβλητές, συμπεριλαμβανομένων (στο [19]) μετεωρολογικών μεταβλητών, όπως η θερμοκρασία, η υγρασία και η βροχόπτωση, μαζί με τη συσχέτιση μεταξύ της κινητικότητας και του αριθμού των κρουσμάτων COVID-19. Στο [20], οι ερευνητές συμπεριέλαβαν διάφορους παράγοντες όπως το εισόδημα, τους δείκτες υγείας που σχετίζονται με το άσθμα, το ποσοστό των ανθρώπων που μένουν στο σπίτι και την υποδομή δοκιμών.

Καμία από τις μελέτες που περιγράφηκαν παραπάνω δεν αντιπροσώπευε το κλάσμα του πληθυσμού με αντοχή. Ωστόσο, καθώς προχωρούσε η πανδημία, η αντίσταση του πληθυσμού αυξήθηκε μέσω της φυσικής ανοσίας και του εμβολιασμού. Διεξήχθησαν πολλές μελέτες για τη μέτρηση της αποτελεσματικότητας των εμβολίων είτε ως προς τον αντίκτυπο στη μετάδοση είτε ως προς τον αριθμό των θανάτων, αλλά τα αποτελέσματα της κινητικότητας σε αυτές τις μελέτες συνήθως είτε παραμελούνται (π.χ. οι μελέτες εξέτασαν πληθυσμούς εμβολιασμένων και μη εμβολιασμένων ατόμων με παρόμοια κινητικότητα μοτίβα) ή αντιμετωπίζονται ως συγχυτική μεταβλητή. Μια τέτοια μελέτη [26] χρησιμοποίησε μια προσέγγιση βαθιάς μάθησης για την προσομοίωση των ποσοστών εμβολιασμού και του χρόνου για την επίτευξη της ανοσίας της αγέλης με βάση τα δεδομένα από οκτώ χώρες στην Ασία (πολλές μεταγενέστερες μελέτες έχουν δείξει ότι η ανοσία της αγέλης δεν είναι πλέον στην αντίληψή μας), ενώ [27 ,28] αξιολόγησε τον αντίκτυπο του εμβολιασμού στον έλεγχο της πανδημίας (π.χ. μείωση του αριθμού των περιστατικών και των θανάτων) μέσω ενός μοντέλου που βασίζεται σε παράγοντες. Περαιτέρω, ο Αρ. [29] αξιολόγησε τη συσχέτιση μεταξύ του εμβολιασμού και των ποσοστών θνησιμότητας στις ΗΠΑ χρησιμοποιώντας μια προσέγγιση που βασίζεται στην παλινδρόμηση και ως αποτέλεσμα, διαπίστωσε ότι ο εμβολιασμός βοήθησε στη μείωση των ποσοστών θνησιμότητας σε διάφορες πολιτείες των ΗΠΑ.

Λαμβάνοντας υπόψη τον αντίκτυπο του εμβολιασμού και της κινητικότητας στη μετάδοση, η Αναφ. [30] εξέτασε τη συμπεριφορά εμβολιασμού και κινητικότητας στον έλεγχο της πανδημίας χρησιμοποιώντας μοντελοποίηση δομικών εξισώσεων. διαπίστωσαν ότι ο εμβολιασμός επιβραδύνει την εξάπλωση του COVID-19 σε περιοχές όπου ο εμβολιασμός συσχετίζεται αρνητικά με την κινητικότητα και αντίστροφα για τις περιοχές που έχουν θετική συσχέτιση μεταξύ εμβολιασμού και κινητικότητας.

Αν και η προηγούμενη εργασία διερεύνησε τη συσχέτιση μεταξύ της κινητικότητας και της εξέλιξης της πανδημίας, συμπεριλαμβανομένης της επίδρασης του εμβολιασμού όπως στο [30], δεν εξέτασε την επίδραση της αντίστασης του πληθυσμού (τόσο της φυσικής ανοσίας όσο και του εμβολιασμού) σε αυτήν τη συσχέτιση. Ως εκ τούτου, το επίκεντρο της μελέτης μας είναι να αναλύσουμε τη συσχέτιση μεταξύ της κινητικότητας και της μετάδοσης του COVID-19 σε διαφορετικά σημεία ενδιαφέροντος (POI) λαμβάνοντας παράλληλα υπόψη την αντίσταση του πληθυσμού (εμβολιασμός-φυσική ανοσία (ποσοστό του πληθυσμού που ανάρρωσε από τον COVID -19)) και η εμφάνιση της παραλλαγής Delta.

Για να πετύχουμε τον στόχο μας, θα εκμεταλλευτούμε το σύνολο δεδομένων αριθμού περιπτώσεων COVID{0}} Our World in Data, μαζί με το σύνολο δεδομένων Google Mobility. Συνδυάζουμε αυτά τα σύνολα δεδομένων για να ελέγξουμε τη συσχέτιση μεταξύ της κινητικότητας και του ρυθμού εξάπλωσης του ιού, ενώ λαμβάνουμε υπόψη τέσσερις επιπλέον παράγοντες: σημεία ενδιαφέροντος (POI)—συμπεριλαμβανομένων χώρων λιανικής πώλησης και αναψυχής, σταθμών διέλευσης, πάρκων, παντοπωλείων και φαρμακείων και χώρων εργασίας. η εμφάνιση της παραλλαγής Delta. το τμήμα του πληθυσμού που έχει εμβολιαστεί· και το κλάσμα του πληθυσμού με φυσική αντοχή (δηλαδή, εκείνοι που έχουν αναρρώσει από λοίμωξη από COVID-19). Λάβετε υπόψη ότι εάν δεν υπάρχει συσχέτιση μεταξύ της κινητικότητας και του αριθμού των κρουσμάτων COVID-19, τότε τα μέτρα μετριασμού που περιορίζουν την κινητικότητα θα έχουν μικρό αντίκτυπο στον έλεγχο της εξάπλωσης του ιού.

Το υπόλοιπο αυτού του εγγράφου οργανώνεται ως εξής. Η ενότητα 2 εισάγει μια επισκόπηση του συνόλου δεδομένων και της προεπεξεργασίας δεδομένων. Η ενότητα 3 δείχνει τη μεθοδολογία μας. Οι ενότητες 4 και 5 δείχνουν τα αποτελέσματα της ανάλυσής μας, μαζί με μια συζήτηση. Τέλος, τα συμπεράσματα εξάγονται στην Ενότητα 6.

2. Σύνολα δεδομένων

Το πρώτο βήμα στην ανάλυση ήταν η συλλογή και η προεπεξεργασία των δεδομένων. αυτή η ενότητα παρέχει μια επισκόπηση των συνόλων δεδομένων που χρησιμοποιήσαμε για τη μελέτη και τη διαδικασία επιλογής της χώρας μας. Τα δεδομένα μας αντλήθηκαν από τα τρία σύνολα δεδομένων που εμφανίζονται στον Πίνακα 1 με ένα επιλεγμένο χρονικό πλαίσιο Φεβ 2020–Ιούλιος 2021.

2.1. Σύνολο δεδομένων COVID-19

Το Our World in Data [31] συντηρείται από έναν μη κερδοσκοπικό οργανισμό που περιλαμβάνει χιλιάδες ερευνητές από όλο τον κόσμο. Ένα από τα πλουσιότερα σύνολα δεδομένων που συνέλεξαν κατά τη διάρκεια της πανδημίας είναι το σύνολο δεδομένων COVID-19. Αυτό το σύνολο δεδομένων καταγράφει καθημερινά μετρήσεις επιδημίας (π.χ. νέα κρούσματα, νέοι θάνατοι, εμβολιασμοί κ.λπ.) μαζί με δημογραφικά στοιχεία (π.χ. διάμεση ηλικία) και μετρήσεις που σχετίζονται με τη χώρα (π.χ. δείκτης ανθρώπινης ανάπτυξης). Καλύπτει 231 χώρες και περιλαμβάνει 60 μεταβλητές. Η συλλογή δεδομένων ξεκίνησε τον Ιανουάριο του 2020 και, μέχρι σήμερα, το σύνολο δεδομένων ενημερώνεται καθημερινά.

2.2. Σύνολο δεδομένων κινητικότητας Google

Η Google παρέχει ένα δημοσίως διαθέσιμο σύνολο δεδομένων κινητικότητας που σχετίζεται με την πανδημία [32], στο οποίο μετρά τους ημερήσιους αριθμούς επισκεπτών σε συγκεκριμένα POI ως ποσοστό κινητικότητας (MR). Τα POI περιλαμβάνουν σταθμούς διαμετακόμισης, παντοπωλεία και φαρμακεία, χώρους λιανικής πώλησης και αναψυχής, χώρους εργασίας και πάρκα. Η μέτρησή τους βασίζεται στον υπολογισμό της σχετικής αλλαγής των επισκεπτών από μια βασική γραμμή πριν από την πανδημία και καλύπτει 123 χώρες. Η συλλογή δεδομένων ξεκίνησε τον Φεβρουάριο του 2020 και μέχρι σήμερα ενημερώνεται καθημερινά.

2.3. Παραλλαγές COVID-19

Εκτός από το σύνολο δεδομένων COVID-19 που περιγράφεται παραπάνω, το Our World in Data μοιράστηκε ένα σύνολο δεδομένων παραλλαγών COVID-19 [33], το οποίο προέρχεται από το GISAID [34]. Το σύνολο δεδομένων καταγράφει περιοδικά τον αριθμό των δειγμάτων αλληλουχίας που εμπίπτουν σε ένα συγκεκριμένο όνομα παραλλαγής. Καλύπτει 110 χώρες. Η συλλογή δεδομένων ξεκίνησε τον Μάιο του 2020 και, μέχρι σήμερα, ενημερώνεται κάθε δύο εβδομάδες.

2.4. Επιλογή Χώρας

Καθ' όλη τη διάρκεια της πανδημίας, υπήρξαν πολλές ασυνέπειες και αβεβαιότητες σχετικά με τις δοκιμές και την ακριβή αναφορά του αριθμού των περιπτώσεων COVID-19 σε διάφορες χώρες. Δεδομένης αυτής της αβεβαιότητας, προσπαθήσαμε να περιορίσουμε τη μελέτη μας σε χώρες με σχετικά αξιόπιστα αναφερόμενα δεδομένα. Η διαδικασία επιλογής μας ακολούθησε τα βήματα που φαίνονται στο Σχήμα 1. Αρχικά, βρήκαμε τις διασταυρούμενες χώρες από τα τρία σύνολα δεδομένων. Στη συνέχεια, για να έχουμε μια χονδρική αντίληψη για το ποιες χώρες ανίχνευαν ένα μεγάλο κλάσμα κρουσμάτων, βρήκαμε, για κάθε χώρα, τη μεγαλύτερη αναλογία ανιχνευόμενων κρουσμάτων (Cnew) προς τον συνολικό πληθυσμό (p):

Εάν κάθε χώρα χτυπήθηκε από ένα κύμα κρουσμάτων κάποια στιγμή κατά τη διάρκεια της πανδημίας, όσο υψηλότερος είναι αυτός ο λόγος, τόσο πιο πιθανό είναι η χώρα να ανιχνεύει και να αναφέρει κρούσματα αξιόπιστα. Δηλαδή, εάν μια χώρα αναφέρει ότι αυτή η αναλογία είναι σχεδόν μηδενική, δεδομένης της εξαιρετικά μεταδοτικής φύσης του ιού, είναι πιο πιθανό να υπομετρήσει παρά να μην έχει κρούσματα COVID-19. Υπάρχουν, φυσικά, εξαιρέσεις σε αυτό. για παράδειγμα, στις αρχές της πανδημίας, η Νέα Ζηλανδία επέβαλε δρακόντεια μέτρα για την πρόληψη της εξάπλωσης και σε μεγάλο βαθμό κράτησε τον ιό περιορισμένο. Στη συνέχεια, οι χώρες ταξινομήθηκαν με βάση αυτήν την αναλογία και οι υψηλότερες 50 αναλογίες επιλέχθηκαν ως περιοχές όπου ο COVID-19 είναι πιθανό να εντοπιστεί και να αναφερθεί σχετικά αξιόπιστα. Για να επικεντρωθούμε στις επιπτώσεις της αντίστασης του πληθυσμού, από αυτές τις 50, επιλέξαμε τις χώρες που πέτυχαν 60 τοις εκατό αντίσταση του πληθυσμού ή περισσότερο μέσω εμβολιασμού ή ανάρρωσης από προηγούμενες λοιμώξεις έως τον Ιούλιο του 2021. Αυτό μας άφησε με τις 14 χώρες-στόχους μας (Αργεντινή, Καναδάς, Ηνωμένες Πολιτείες, Ηνωμένο Βασίλειο, Ιταλία, Αυστρία, Ιρλανδία, Τσεχική Δημοκρατία, Γαλλία, Ουρουγουάη, Σλοβενία, Ισραήλ, Ελβετία και Λουξεμβούργο), όπως φαίνεται στο Σχήμα 2.

For more information:1950477648nn@gmail.com