tibljТуберкулез и болезни легкихTuberculosis and Lung Diseases2075-12302542-1506Медицинские знания и технологии10.58838/2075-1230-2023-101-6-56-65tiblj-1780Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИORIGINAL ARTICLESУроки пандемии COVID-19: моделирование эпидемической ситуации по туберкулезу в зависимости от охвата скринингом населенияLessons Learned from the COVID-19 Pandemic: Simulation of the Tuberculosis Epidemic as a Function of Population Coverage with Screeninghttps://orcid.org/0000-0002-9023-6986СтаршиноваА. А.StarshinovaA. A.

Старшинова Анна Андреевна, доктор медицинских наук, профессор кафедры факультетской терапии, начальник Управления научными исследованиями

197341, г. Cанкт-Петербург, ул. Аккуратова, д. 2

Тел.: +7 (905) 204-38-61  

Anna A. Starshinova, Doctor of Medical Sciences, Professor of Faculty Therapy Department, Head of Research Management Directorate

2 Akkuratova St., St. Health, St., 197341

Phone: +7 (905) 204-38-61

starshinova_777@mail.ruhttps://orcid.org/0000-0001-8383-8519ДовгалюкИ. Ф.DovgalyukI. F.

Довгалюк Ирина Федоровна, доктор медицинских наук, профессор, ведущий научный сотрудник, руководитель направления «Фтизиопедиатрия» 

191036, г. Cанкт-Петербург, Лиговский пр., 2-4 

Тел.: +7 (812) 297-22-63 

Irina F. Dovgalyuk, Doctor of Medical Sciences, Professor, Leading Researcher, Head of Phthisiopediatrics Direction

2-4, Ligovsky Ave., St. Petersburg, 191036 

Phone: +7 (812) 297-22-63

prdovgaluk@mail.ruhttps://orcid.org/0000-0002-5391-3917ОсиповН. Н.OsipovN. N.

Осипов Николай Николаевич, Кандидат физико-математических наук, старший научный сотрудник, научный сотрудник ФГБОУ ВО «Санкт-Петербургский государственный университет»

191023, г. Санкт-Петербург, наб. р. Фонтанки, д. 27

Nikolay N. Osipov, Candidate of Physical and Mathematical Sciences, Senior Researcher, Researcher, St. Petersburg University

27, Nab. Reki Fontanki, St. Petersburg, 191023 

nicknick@pdmi.ras.ruhttps://orcid.org/0000-0003-1878-4467КудлайД. А.KudlayD. A.

Кудлай Дмитрий Анатольевич, член-корреспондент РАН, доктор медицинских наук, профессор кафедры фармакологии Института фармации. Ведущий научный сотрудник лаборатории персонализированной медицины и молекулярной иммунологии № 71 ФГБУ «ГНЦ Институт иммунологии»

119991, г. Москва, ул. Трубецкая, д. 8, стр. 2 

Scopus AuthorID: 5717034 П

Тел.: +7 (985) 761-02-37

Dmitry A. Kudlay, Correspondent Member of RAS, Doctor of Medical Sciences, Professor of Pharmacology Department of Pharmaceutical Science Institute. Leading Researcher of Laboratory of Personalized Medicine and Molecular Immunology no. 71, Immunology Research Institute 

8 Bd. 2, Trubetskaya St., Russia Moscow, 119991

Phone: +7 (985) 761-02-37

Scopus AuthorID: 5717034 П

D624254@gmail.comФГБУ «НМИЦ им. В. А. Алмазова» МЗ РФРоссияAlmazov National Medical Research CenterRussian FederationФГБУ «Санкт-Петербургский научно-исследовательский институт фтизиопульмонологии» МЗ РФРоссияSt. Petersburg Research Institute of Phthisiopulmonology, Russian Ministry of HealthRussian FederationФГБУН «Санкт-Петербургское отделение Математического института им. В. А. Стеклова» РАН; ФГБОУ ВО «Санкт-Петербургский государственный университет»РоссияSt. Petersburg Department of Steklov Mathematical Institute of Russian Academy of Sciences; St. Petersburg UniversityRussian FederationФГАОУ ВО «Первый МГМУ им. И. М. Сеченова (Сеченовский Университет)» МЗ РФ; ФГБУ «ГНЦ Институт иммунологии» ФМБА РоссииРоссияI.M. Sechenov First Moscow State Medical University (Sechenov University), Russian Ministry of Health; Immunology Research Institute by the Russian Federal Medical Biological AgencyRussian Federation20232512202310165665Copyright © Старшинова А.А., Довгалюк И.Ф., Осипов Н.Н., Кудлай Д.А., 20232023Старшинова А.А., Довгалюк И.Ф., Осипов Н.Н., Кудлай Д.А.Starshinova A.A., Dovgalyuk I.F., Osipov N.N., Kudlay D.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.tibl-journal.com/jour/article/view/1780

Пандемия COVID-19 привела во всех странах мира к прекращению действия многих программ, направленных на поддержку больных туберкулезом, к снижению охвата скринингом населения для выявления туберкулеза.

Цель исследования

Цель исследования: построить модель, описывающую распространение туберкулеза в зависимости от охвата населения профилактическими осмотрами, получить с ее помощью долговременный прогноз распространения инфекции.

Материалы и методы

Материалы и методы. Проведен анализ официальных данных статистики о заболеваемости, смертности, охвате профилактическим обследованием (ОПО) населения и распространенности туберкулеза с бактериовыделением (РТББ) в Российской Федерации за период с 2008 по 2021 гг. Искомую модель удалось получить благодаря флуктуации указанных показателей в 2020 г., когда из-за пандемии COVID-19 произошло резкое сокращение объема мероприятий, направленных на борьбу с туберкулезом. Статистический анализ проводился с использованием программной среды R (v.4.2.1).

Результаты

Результаты. Получена простая математическая модель, описывающая зависимость заболеваемости и РТББ в текущем году от РТББ в прошлом году и ОПО населения в текущем и прошедшем году. Скорректированный коэффициент детерминации модели (adjusted R-squared) составил 0.9969, значит, модель почти не содержит случайных составляющих. С ее помощью показано, что случаи туберкулеза, пропущенные из-за низкого ОПО, в будущем приводят к распространению туберкулезной инфекции и существенному увеличению числа новых случаев туберкулеза. Сравнение прогнозируемых показателей и данных за 2022 г. показало, что модели сформированы корректно. При этом прогнозируемые показатели были несколько выше реальных за 2022 г. за счет влияния иных факторов, кроме ОПО населения на туберкулез.

Выводы

Выводы. Полученные данные демонстрируют необходимость проведения массового скрининга населения в условиях значительного распространения туберкулезной инфекции, чтобы своевременно выявлять больных туберкулезом с бактериовыделением.

The COVID-19 pandemic has led to the discontinuation of many support programs for tuberculosis patients worldwide, and lower coverage of population with screening for tuberculosis.

The objective

The objective: To build a model describing the spread of tuberculosis depending on the population coverage with preventive screening, and to obtain a long-term forecast of the infection spread using this model.

Subjects and Methods

Subjects and Methods. We analyzed official statistical data on incidence, mortality, preventive screening coverage (PSC), and revalence of sputum smear-positive tuberculosis in the Russian Federation from 2008 to 2021. The model was built up based on fluctuations in those rates in 2020, when there was a sharp reduction in tuberculosis control interventions due to the COVID-19 pandemic. Statistical analysis was performed using the R Software (v.4.2.1).

Results

Results. A simple mathematical model describing the dependence of incidence and sputum smear-positive tuberculosis in the current year on sputum smear-positive tuberculosis in the past year and population coverage with preventive screening in the current and past years was built up. The adjusted coefficient of determination of the model (adjusted R-squared) was 0.9969, which meant that the model contained almost no random components. It showed that tuberculosis cases missed due to low population coverage with preventive screening lead to future spread of tuberculous infection and a significant increase in the number of new tuberculosis cases. Comparison of projected rates and data for 2022 demontrated correct formation of models. However, the projected rates were slightly higher than the actual rates for 2022 due to the influence of factors other than the population coverage with preventive screening for tuberculosis.

Conclusions

Conclusions. The findings demonstrate the need for mass screening of the population in the context of significant spread of tuberculosis infection for timely detection of patients with sputum smear-positive tuberculosis.

туберкулезCOVID-19скриниг на туберкулеззаболеваемостьраспространенность бактериовыделенияматематическая модельдинамическая системаtuberculosisCOVID-19tuberculosis screeningincidenceprevalence of sputum smear-positive tuberculosismathematical modeldynamic systemРасчеты выполнены при поддержке гранта Правительства Российской Федерации для государственной поддержки научных исследований, выполненных под руководством ведущих ученых, соглашение № 075-15-2021-602The calculations were supported by the grant of the Government of the Russian Federation for state support of scientific research carried out under the guidance of leading scientists, Agreement No. 075-15-2021-602.ReferencesАксенова В.А., Барышникова Л.А., Клевно Н.И., Кудлай Д.А. Скрининг детей и подростков на туберкулезную инфекцию в России – прошлое, настоящее, будущее // Туберкулез и болезни легких. – 2019. – Т. 97, № 9. – С.59-67.Aksenova V.A., Baryshnikova L.A., Klevno N.I., Kudlay D.A. Screening for tuberculosis infection in children and adolescents in Russia - past, present, future. Tuberculosis and Lung Diseases, 2019, vol. 97, no. 9, pp. 59-67. (In Russ.)Васильева И.А., Тестов В.В., Стерликов С.А. Эпидемическая ситуация по туберкулезу в годы пандемии COVID-19 – 2020-2021 гг. // Туберкулез и болезни легких. –2022. –Т. 100, №3. – С.6-12.Vasilyeva I.A., Testov V.V., Sterlikov S.A. Tuberculosis situation in the years of the COVID-19 pandemic – 2020-2021. Tuberculosis and Lung Diseases, 2022, vol. 100, no. 3, pp. 6-12. (In Russ.)Салина Т.Я., Морозова Т.И., Кудлай Д.А. Результаты кожной пробы диаскинтеста у больных туберкулезом легких, вызванным разными генотипами М.tuberculosis// Туберкулез и болезни легких. – 2019. – Т. 97, № 12. – С.66-67Salina T.Ya., Morozova T.I., Kudlay D.A. Results of the skin test Diaskintest in pulmonary tuberculosis patients caused by different genotypes of of M. tuberculosis. Tuberculosis and Lung Diseases, 2019, vol. 97, no. 12, pp. 66-67. (In Russ.)Старшинова А.А., Довгалюк И.Ф., Кудлай Д.А., Бельтюков М.В., Яблонский П.К. Туберкулез взрослых и детей в Северо-Западном федеральном округе: динамика эпидемиологических показателей и критерии их оценки // Туберкулез и болезни легких. –2022. – Т.100, №9. – С.46-58.Starshinova A.A., Dovgalyuk I.F., Kudlay D.A., Beltyukov M.V., Yablonskiy P.K. Tuberculosis adults and children in the Northwestern Federal District: changes in epidemiological rates and criteria for their assessment. Tuberculosis and Lung Diseases, 2022, vol. 100, no. 9, pp. 46-58. (In Russ.)Старшинова А.А., Кудлай Д.А., Довгалюк И.Ф., Басанцова Н.Ю., Зинченко Ю.С., Яблонский П.К. Эффективность применения новых методов иммунодиагностики туберкулезной инфекции в Российской Федерации (обзор литературы) // Педиатрия им. Сперанского. –2019. – №4. – С.229–35.Starshinova A.A., Kudlay D.A., Dovgalyuk I.F., Basantsova N.Yu., Zinchenko Yu.S., Yablonskiy P.K. Efficacy of new methods of immunodiagnostics of tuberculous infection in the Russian Federation(Literature Review). Pediatriya im. Speranskogo, 2019, no. 4, pp. 229-35. (In Russ.)Старшинова А.А., Павлова М.В., Довгалюк И.Ф., Якунова О.А. Диагностические возможности современных иммунологических тестов при определении активности туберкулёзной инфекции у детей // Туберкулез и болезни легких. – 2012. –Т.89, №8. –С.40-43.Starshinova A.A., Pavlova M.V., Dovgalyuk I.F., Yakunova O.A. Diagnostic opportunities of modern immunological tests when defining the activity of tuberculous infection in children. Tuberculosis and Lung Diseases, 2012, vol. 89, no. 8, pp. 40-43. (In Russ.)Стерликов С.А. Организационные аспекты повышения эффективности профилактических флюорографических осмотров // Медицинский Альянс. – 2013. –№ 4. – С.28-34.Sterlikov S.A. Organizational aspects of increasing the effectiveness of preventive fluorographic examinations. Meditsinsky Alyans, 2013, no. 4, pp. 28-34. (In Russ.)Туберкулез в Российской Федерации 2011 г. Аналитический обзор статистических показателей, используемых в Российской Федерации и в мире. М.: ООО «Издательство «Триада», 2015. 280 с.Tuberkulez v Rossijskoy Federatsii 2011 g. Аnaliticheskiy obzor statisticheskikh pokazateley, ispolzuemykh v Rossiyskoy Federatsii i v mire. [Tuberculosis in the Russian Federation in 2011. Analytic review of statistic rates used in the Russian Federation and in the world]. Moscow, OOO Izdatelstvo Triada Publ., 2015, 280 p.Auguste P., Tsertsvadze A., Pink J., Court R., Seedat F., Gurung T., et al. Accurate diagnosis of latent tuberculosis in children, people who are immunocompromised or at risk from immunosuppression and recent arrivals from countries with a high incidence of tuberculosis: systematic review and economic evaluation // Health Technol Assess. – 2016. – Vol.20,№38. –Р.1-678.Auguste P., Tsertsvadze A., Pink J., Court R., Seedat F., Gurung T., et al. Accurate diagnosis of latent tuberculosis in children, people who are immunocompromised or at risk from immunosuppression and recent arrivals from countries with a high incidence of tuberculosis: systematic review and economic evaluation // Health Technol Assess. – 2016. – Vol.20,№38. –Р.1-678.Cilloni L., Fu H., Vesga F.J., Dowdy D., Pretorius C., Ahmedov S., Nair A.S., Mosneaga A., Masini E., Sahu S., Arinaminpathy N. The potential impact of the COVID-19 pandemic on the tuberculosis epidemic a modelling analysis // Clinical Medicine. – 2020. – №28. – Р.100603.Cilloni L., Fu H., Vesga F.J., Dowdy D., Pretorius C., Ahmedov S., Nair A.S., Mosneaga A., Masini E., Sahu S., Arinaminpathy N. The potential impact of the COVID-19 pandemic on the tuberculosis epidemic a modelling analysis // Clinical Medicine. – 2020. – №28. – Р.100603.Global tuberculosis report 2022. Geneva: World Health Organization; 2022. Licence: CC BY-NC-SA 3.0 IGOGlobal tuberculosis report 2022. Geneva: World Health Organization; 2022. Licence: CC BY-NC-SA 3.0 IGO 12. Grubbs, Frank E. “Sample Criteria for Testing Outlying Observations” // The Annals of Mathematical Statistics. –1950. – Vol.21, №1. – Р. 27–58.Grubbs, Frank E. “Sample Criteria for Testing Outlying Observations” // The Annals of Mathematical Statistics. –1950. – Vol.21, №1. – Р. 27–58.Huang C., Wang Y., Li X., Ren L., Zhao J., Hu Y., et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China // The Lancet. – 2020. – № 395. P.497-506. https://doi.org/10.1016/S0140-6736(20)30183-5Huang C., Wang Y., Li X., Ren L., Zhao J., Hu Y., et al. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China // The Lancet. – 2020. – № 395. P.497-506. https://doi.org/10.1016/S0140-6736(20)30183-5Komsta L. “outliers: Tests for Outliers”, 2022, Available at: https://cran.r-project.org/package=outliers [Accessed 19 Sep 2023].Komsta L. “outliers: Tests for Outliers”, 2022, Available at: https://cran.r-project.org/package=outliers [Accessed 19 Sep 2023].Latent tuberculosis infection: updated and consolidated guidelines for programmatic management. Geneva: World Health Organization; 2018 Available at: https://apps.who.int/iris/handle/10665/260233 [Accessed 23 Feb 2023]. 16. Ljung G. M., and G. E. P. Box. On a Measure of Lack of Fit in Time Series Models // Biometrika. – 1978. – Vol.65,№2. – Р. 297–303.Latent tuberculosis infection: updated and consolidated guidelines for programmatic management. Geneva: World Health Organization; 2018 Available at: https://apps.who.int/iris/handle/10665/260233 [Accessed 23 Feb 2023].Qin Z.Z., Ahmed S., Sarker M.S.S, Paul K., Adel A.S.S, Naheyan T., et al. Tuberculosis detection from chest x-rays for triaging in a high tuberculosis-burden setting: an evaluation of five artificial intelligence algorithms // Lancet Digit Health. – 2021. – №3. – Р.e543-e554. https://doi.org/10.1016/S2589-7500(21)00116-3Ljung G. M., and G. E. P. Box. On a Measure of Lack of Fit in Time Series Models // Biometrika. – 1978. – Vol.65,№2. – Р. 297–303.R Core Team. “R: A language and environment for statistical computing.” R Foundation for Statistical Computing, Vienna, Austria. 2022. Available at: https://www.R-project.org/[Accessed 19 Sep 2023].Qin Z.Z., Ahmed S., Sarker M.S.S, Paul K., Adel A.S.S, Naheyan T., et al. Tuberculosis detection from chest x-rays for triaging in a high tuberculosis-burden setting: an evaluation of five artificial intelligence algorithms // Lancet Digit Health. – 2021. – №3. – Р.e543-e554. https://doi.org/10.1016/S2589-7500(21)00116-3Shapiro S. S., and M. B. Wilk. “An Analysis of Variance Test for Normality (Complete Samples).” // Biometrika. –1965. – Vol. 52,№ 3/4. – Р. 591–611. https://doi.org/10.2307/2333709R Core Team. “R: A language and environment for statistical computing.” R Foundation for Statistical Computing, Vienna, Austria. 2022. Available at: https://www.R-project.org/[Accessed 19 Sep 2023].Yablonskii P.K., Vizel A.A., Galkin V.B., Shulgina M.V. Tuberculosis in Russia. Its history and its status today// Am J Respir Crit Care Med. – 2015. – №191. – Р.372-376.Shapiro S. S., and M. B. Wilk. “An Analysis of Variance Test for Normality (Complete Samples).” // Biometrika. –1965. – Vol. 52,№ 3/4. – Р. 591–611. https://doi.org/10.2307/2333709Shapiro S. S., and M. B. Wilk. “An Analysis of Variance Test for Normality (Complete Samples).” // Biometrika. –1965. – Vol. 52,№ 3/4. – Р. 591–611. https://doi.org/10.2307/2333709Yablonskii P.K., Vizel A.A., Galkin V.B., Shulgina M.V. Tuberculosis in Russia. Its history and its status today// Am J Respir Crit Care Med. – 2015. – №191. – Р.372-376.Yablonskii P.K., Vizel A.A., Galkin V.B., Shulgina M.V. Tuberculosis in Russia. Its history and its status today// Am J Respir Crit Care Med. – 2015. – №191. – Р.372-376.

The authors declare that there are no conflicts of interest present.