A Járványmatematikai és Epidemiológiai Projekt egy Magyarországon egyedülálló kezdeményezés, amely a COVID–19 világjárvány során jelentős tudást és tapasztalatot halmozott fel. Jelen tanulmány a pandémia második hullámának példáján keresztül tekinti át, miként működött a járványügyi észlelés és monitorozás rendszere, hogyan és milyen eredményekkel végezték a projekt munkatársai a helyzet- és kockázatértékelést, valamint az előrejelzések készítését, és végül javaslatokat fogalmaz meg a surveillance- és előrejelző rendszer fejlesztésére a járványügyi biztonság növelése érdekében.
A második járványhullám 2020. június 22. és 2021. január 24. között zajlott Magyarországon, amelynek során a megerősített COVID–19 esetek száma 356 197 fő volt, ami az első hullámban regisztrált esetszám 87-szeresének felelt meg. Összesen 12 226 megerősített COVID–19 halálesetet regisztráltak, ami az első hullámban jelentett szám 21-szerese. Az országos R érték először 2020 augusztusában emelkedett 1,0 fölé, és mintegy három héttel azt követően, hogy augusztus utolsó hetében tartósan 1,0 felett maradt, a halálos kimenetelű COVID–19 esetek száma is növekedésnek indult, mivel a járvány a fiatalabb korosztályokról az idősebbekre is átterjedt. Ezt a folyamatot a matematikai modellezési eredmények már hetekkel korábban jelezték.
November elején az előrejelzések 12 000 főt meghaladó kórházi ápoltszámot vetítettek előre a karácsonyi időszakra, amelynek elkerülése érdekében kormányzati intézkedéscsomagot dolgoztak ki. A 2020. november 11-én bevezetett szigorítások eltérítették a járványt az eredeti pályáról, így a kórházban kezeltek száma a második hullámban az előrejelzéseknek megfelelően 8018 főnél érte el a csúcspontját, majd csökkenésnek indult. Január elején a modellezés azt is jelezte, hogy a lecsengő szakaszban, az akkor érvényben lévő intézkedések mellett is képes járványügyi fordulatot okozni az időközben Magyarországon is megjelent, gyorsabban terjedő SARS-CoV-2 B.1.1.7 variáns, ami később be is következett.
Összességében az epidemiológiai helyzetértékelés és a matematikai modellezés képes volt a második hullám minden fő aspektusát időben és pontosan megragadni, a veszélyes folyamatokat előre jelezni, és ezzel lehetőséget biztosítani a gyors reagálásra. A második hullám tapasztalatai rávilágítottak arra, hogy a járványmatematikai és epidemiológiai képességek jelentős hozzáadott értéket képviselnek a döntéstámogatásban. Az észlelési és előrejelzési rendszerek megerősítése, valamint a matematikai modellezéssel egységes keretrendszerben történő továbbfejlesztése további lehetőségeket nyithat meg az észlelés, a megelőzés, valamint az egészségügyi és gazdasági károk elhárítását célzó döntési folyamatok bizonyítékalapú támogatásában, és hozzájárulhat Magyarország járványügyi biztonságának növeléséhez.
- ábra: Megerősített COVID–19 esetek (a fertőzés igazolásának dátuma alapján) és halálesetek száma (a halálozás ideje alapján), valamint a fontosabb kormányzati intézkedések a 2. járványhullám idején, Magyarország, 2020. június 22. – 2021. január 24.
Forrás: Oroszi és mtsai. Az epidemiológiai surveillance és járványmatematikai előrejelzések szerepe a pandémiás hullámok megelőzésében és mérséklésében – hol tartunk most, és hová kellene eljutni. Népegészségügy. 2022;99(1). pp. 6–19., 14 p. publikáció 1. ábrája
The role of epidemiological surveillance and mathematical forecasting in preventing and mitigating pandemic waves – what has been accomplished and what should be achieved
Beatrix Oroszi (Semmelweis University, Epidemiology and Surveillance Centre, Budapest, Hungary)
Krisztina J. Horváth (Semmelweis University, Epidemiology and Surveillance Centre, Budapest, Hungary)
Gergő Túri (Semmelweis University, Epidemiology and Surveillance Centre, Budapest, Hungary)
Katalin Krisztalovics (Semmelweis University, Epidemiology and Surveillance Centre, Budapest, Hungary)
Gergely Röst (University of Szeged, Bolyai Institute, Szeged, Hungary)
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 situation and risk assessments as well as forecasting, and finally makes suggestions for improving the surveillance and forecasting system in order to increase health security.
The second wave of the pandemic lasted between 22 June 2020 and 24 January 2021 in Hungary, during which the number of confirmed COVID-19 cases reached 356,197, representing 87 times the number 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 in early August 2020, and approximately three weeks after the R value remained consistently above 1.0 in the last week of August, the number of fatal COVID-19 cases began to increase as the epidemic spread from younger to older age groups. These developments had been predicted by mathematical modelling results several weeks earlier.
In early November, forecasts projected more than 12,000 hospitalized patients for the Christmas period, prompting the government to introduce new measures to prevent this surge. The restrictions implemented on 11 November 2020 diverted the epidemic from its original trajectory, and as projected, the number of hospital admissions in the second wave peaked at 8,018 before beginning to decline. In January, the SARS-CoV-2 B.1.1.7 variant was detected in Hungary, and modelling conducted in early January indicated that even during the declining phase, and despite the measures in place, this new variant was capable of altering the epidemiological trend. This prediction was confirmed on 24 January, when the epidemic curve began to rise again.
Overall, epidemiological situation assessment and mathematical modelling were able to capture all significant aspects of the second wave in a timely and accurate manner, predicting potentially dangerous changes and thereby providing opportunities for rapid response. The experience of the second wave demonstrated the added value of integrating comprehensive epidemiological analysis and mathematical modelling into decision-making, and strengthening epidemiological intelligence and forecasting systems within a unified framework may further enhance evidence-based support for public health decision-making.
Oroszi és mtsai. Az epidemiológiai surveillance és járványmatematikai előrejelzések szerepe a pandémiás hullámok megelőzésében, mérséklésében – hol tartunk most, és hová kellene eljutni. Scientia et Securitas. 2021;2(1):38–53. DOI: 10.1556/112.2021.00007.
https://akjournals.com/view/journals/112/2/1/article-p38.xml
Készítette az 
RRF-2.3.1-21-2022-00006
