Эпидемию коронавируса ждут в больших городах России. Но основной удар может прийтись на «стареющие» регионы Вот карта самых проблемных — покажите ее медикам
По данным на 28 марта, наибольшее число случаев COVID-19 в России зафиксировано в Москве, Московской области и Санкт-Петербурге. Это вполне ожидаемо: именно столицы принимают первый удар эпидемии из-за высокой транспортной связности с остальным миром. Однако медийный фокус на мегаполисах создает обманчивое впечатление — будто провинции коронавирус почти не коснется. Это не так. С учетом возрастной структуры многих российских регионов, именно в провинции можно ожидать наиболее тяжелой ситуации как по числу заболевших, которым потребуется помощь, так и по летальным случаям. Демограф Илья Кашницкий и эпидемиолог Антон Барчук по просьбе «Медузы» сравнили российские регионы по ожидаемому числу людей, которым может потребоваться госпитализация — и объему медицинских ресурсов, которые есть в их распоряжении. Получившаяся карта поможет российским медикам оценить серьезность ситуации в разных частях страны и еще раз напомнить о том, как важно максимально растянуть пик эпидемии во времени.
Внимание! Рекомендуем вам читать эту статью с десктопа, потому что в мобильной версии карты, которые в ней содержатся, отображаются некорректно.
Все материалы «Медузы» о коронавирусе открыты для распространения по лицензии Creative Commons CC BY. Вы можете их перепечатать! На фотографии лицензия не распространяется.
При болезни COVID-19, вызываемой новым коронавирусом, риски осложнения, госпитализации, необходимости интенсивной терапии и смерти крайне неравномерно распределены по возрасту. Дети и молодые люди практически вне опасности, но для людей старших поколений риски значительны. Кроме того, в любом возрасте для мужчин болезнь опаснее, чем для женщин. Вот рисунок, на котором отражена летальность COVID-19 в Италии по данным на 26 марта.
Возрастные структуры населения значительно отличаются — как между странами, так и между регионами в этих странах. Учитывая неравномерность половозрастных коэффициентов летальности, логично ожидать, что при прочих равных тяжелых случаев будет больше в относительно старых (пожилых) популяциях. Отчасти мы уже видим это влияние возрастной структуры населения на первых сравнительных данных пандемии по странам: в более возрастной Италии количество и доля тяжелых случаев болезни и смертей значительно выше, чем в более молодой Южной Корее. Еще более значительные различия в возрастной структуре населения наблюдаются внутри европейских стран — между центральными регионами и периферией. Эпидемия закономерно начинается в наиболее густонаселенных крупных городах. Но когда она распространится массово, самыми уязвимыми окажутся периферийные регионы, где жители в среднем старше, чем в центре.
На интерактивной карте мы показали общее число людей, которым может понадобиться интенсивная терапия в регионе за все время эпидемии коронавируса. Цвет отражает долю таких людей от всего населения региона. Ниже — те же данные в форме таблицы.
Регион
40%
50%
60%
70%
80%
Алтайский край
13672
17088
20507
23925
27343
Амурская область
3807
4759
5711
6666
7615
Архангельская область
6346
7932
9520
11105
12691
Астраханская область
5524
6906
8286
9667
11048
Белгородская область
9536
11916
14300
16683
19066
Брянская область
7433
9294
11152
13011
14866
Владимирская область
8751
10939
13124
15314
17502
Волгоградская область
15723
19653
23583
27516
31446
Вологодская область
6602
8256
9905
11555
13207
Воронежская область
15284
19107
22926
26749
30571
Еврейская автономная область
762
954
1144
1334
1526
Забайкальский край
4559
5701
6841
7979
9118
Ивановская область
6380
7975
9570
11165
12761
Ингушская республика
1525
1903
2286
2668
3050
Иркутская область
11628
14536
17444
20350
23258
Кабардино-балкарская республика
4037
5045
6055
7067
8072
Калининградская область
5573
6968
8361
9753
11148
Калужская область
6293
7863
9441
11013
12586
Камчатский край
1366
1708
2052
2392
2733
Карачаево-черкесская республика
2386
2982
3578
4177
4773
Кемеровская область
14641
18301
21960
25624
29282
Кировская область
8013
10017
12020
14023
16028
Костромская область
3877
4845
5814
6782
7753
Краснодарский край
33657
42074
50485
58900
67316
Красноярский край
14195
17746
21294
24843
28392
Курганская область
5313
6641
7971
9298
10627
Курская область
7003
8756
10508
12257
14009
Ленинградская область
11454
14315
17178
20041
22903
Липецкая область
7225
9038
10843
12651
14456
Магаданская область
603
751
900
1054
1202
Москва
83861
104830
125792
146758
167724
Московская область
42153
52693
63228
73769
84309
Мурманская область
3400
4250
5100
5951
6799
Ненецкий автономный округ
172
214
258
301
342
Нижегородская область
19795
24741
29694
34641
39589
Новгородская область
3875
4845
5810
6781
7749
Новосибирская область
15384
19228
23077
26920
30766
Омская область
10531
13162
15795
18427
21063
Оренбургская область
10877
13596
16314
19032
21755
Орловская область
4737
5922
7108
8292
9476
Пензенская область
8703
10883
13058
15235
17410
Пермский край
13928
17409
20893
24374
27854
Приморский край
10215
12767
15323
17875
20427
Псковская область
4085
5105
6127
7149
8171
Республика Адыгея
2651
3317
3979
4642
5304
Республика Алтай
842
1051
1264
1474
1684
Республика Башкортостан
21819
27269
32724
38178
43633
Республика Бурятия
4247
5311
6369
7431
8494
Республика Дагестан
10477
13094
15713
18331
20952
Республика Калмыкия
1297
1623
1946
2271
2598
Республика Карелия
3583
4479
5376
6271
7168
Республика Коми
3889
4862
5833
6806
7779
Республика Крым
11947
14936
17920
20908
23896
Республика Марий Эл
3688
4610
5531
6455
7377
Республика Мордовия
4899
6126
7350
8578
9803
Республика Саха (Якутия)
3455
4322
5183
6046
6913
Республика Северная Осетия
3866
4828
5797
6762
7729
Республика Татарстан
21702
27125
32550
37974
43398
Республика Тыва
784
982
1179
1377
1572
Республика Хакасия
2621
3277
3932
4587
5244
Ростовская область
25888
32359
38830
45305
51773
Рязанская область
7645
9557
11470
13382
15292
Самарская область
19128
23906
28692
33475
38255
Санкт-Петербург
33965
42457
50948
59440
67927
Саратовская область
15278
19098
22918
26740
30556
Сахалинская область
2327
2904
3484
4067
4648
Свердловская область
24177
30221
36267
42308
48352
Севастополь
2706
3382
4059
4735
5416
Смоленская область
5794
7245
8695
10144
11591
Ставропольский край
15689
19608
23531
27452
31375
Тамбовская область
7066
8830
10597
12364
14129
Тверская область
8241
10304
12364
14425
16484
Томская область
5421
6780
8134
9488
10846
Тульская область
10091
12614
15134
17659
20179
Тюменская область
7131
8915
10696
12478
14262
Удмуртская республика
7901
9876
11850
13826
15802
Ульяновская область
7836
9796
11754
13714
15672
Хабаровский край
6537
8170
9805
11439
13072
ХМАО
5343
6679
8014
9349
10690
Челябинская область
19694
24623
29544
34472
39394
Чеченская республика
3372
4214
5059
5905
6746
Чувашская республика
6912
8637
10367
12094
13821
Чукотский автономный округ
146
183
218
253
290
Ямало-Ненецкий автономный округ
1311
1641
1965
2293
2624
Ярославская область
7954
9942
11930
13916
15905
В случае неконтролируемого или плохо контролируемого развития эпидемии число тяжелобольных очень быстро превышает количество доступных мест в больницах; в особенности это справедливо относительно мест в отделениях интенсивной терапии, оснащенных аппаратами для искусственной вентиляции легких (ИВЛ). При таком сценарии наиболее уязвимыми вновь окажутся удаленные от мегаполисов территории.
Вот карта, на которой отражена эта ситуация. Здесь рассматривается сценарий, при котором инфицированными оказывается 40% населения, а пик эпидемии наступает через пять, 10 или 20 недель — реальное значение будет зависеть от того, насколько эффективными окажутся принимаемые меры сдерживания. Для каждого из регионов показано прогнозируемое число людей в отделениях интенсивной терапии, приходящихся на один аппарат ИВЛ.
Регион
10 недель
20 недель
40 недель
Алтайский край
2
0.89
0.44
Амурская область
1.39
0.63
0.35
Архангельская область
1.18
0.54
0.3
Астраханская область
2.72
1.17
0.62
Белгородская область
3.68
1.68
0.86
Брянская область
4.66
2.18
1.14
Владимирская область
2.47
1.07
0.57
Волгоградская область
3.52
1.62
0.83
Вологодская область
2.69
1.21
0.6
Воронежская область
5.03
2.23
1.14
Еврейская автономная область
0.96
0.48
0.27
Забайкальский край
1.68
0.82
0.42
Ивановская область
3.1
1.37
0.74
Ингушская республика
4.52
1.94
1.15
Иркутская область
2.12
0.97
0.46
Кабардино-балкарская республика
2.64
1.13
0.66
Калининградская область
2.07
0.94
0.48
Калужская область
7.08
2.92
1.61
Камчатский край
1.74
0.81
0.45
Карачаево-черкесская республика
2.38
1.11
0.58
Кемеровская область
2.41
1
0.52
Кировская область
1.84
0.84
0.45
Костромская область
2.53
0.99
0.57
Краснодарский край
3.96
1.74
0.88
Красноярский край
2.03
0.92
0.48
Курганская область
7.41
3.52
1.95
Курская область
2.11
0.92
0.54
Ленинградская область
3.93
1.78
0.86
Липецкая область
2.06
0.88
0.49
Магаданская область
1.32
0.67
0.37
Москва
1.53
0.65
0.33
Московская область
2.17
0.92
0.47
Мурманская область
1.32
0.54
0.31
Ненецкий автономный округ
1.04
0.5
0.38
Нижегородская область
3.37
1.47
0.8
Новгородская область
3.67
1.7
0.92
Новосибирская область
1.81
0.8
0.43
Омская область
3.43
1.46
0.79
Оренбургская область
2.39
1.07
0.54
Орловская область
1.6
0.73
0.38
Пензенская область
2.48
1.12
0.58
Пермский край
2.25
0.92
0.52
Приморский край
3.2
1.41
0.71
Псковская область
2.72
1.12
0.62
Республика Адыгея
2.96
1.38
0.81
Республика Алтай
0.65
0.35
0.17
Республика Башкортостан
3.34
1.42
0.75
Республика Бурятия
2.11
0.95
0.51
Республика Дагестан
6.24
2.86
1.52
Республика Калмыкия
2.67
1.38
0.72
Республика Карелия
2.13
0.91
0.52
Республика Коми
1.68
0.74
0.39
Республика Крым
1.99
0.88
0.47
Республика Марий Эл
1.5
0.67
0.37
Республика Мордовия
4.44
2.13
1.12
Республика Саха (Якутия)
1.16
0.52
0.27
Республика Северная Осетия
2.49
1.14
0.58
Республика Татарстан
1.59
0.66
0.35
Республика Тыва
0.58
0.26
0.17
Республика Хакасия
1.62
0.74
0.48
Ростовская область
4.03
1.78
0.93
Рязанская область
3.02
1.29
0.75
Самарская область
2.42
0.98
0.55
Санкт-Петербург
1.68
0.73
0.37
Саратовская область
3.29
1.42
0.77
Сахалинская область
0.94
0.44
0.24
Свердловская область
2.58
1.09
0.57
Севастополь
2.13
1.03
0.54
Смоленская область
6.22
2.84
1.46
Ставропольский край
0.8
0.36
0.19
Тамбовская область
1.08
0.49
0.25
Тверская область
4.54
2.03
1.05
Томская область
1.52
0.71
0.38
Тульская область
3.94
1.74
0.92
Тюменская область
1.36
0.6
0.33
Удмуртская республика
3.15
1.29
0.72
Ульяновская область
6.99
3.07
1.59
Хабаровский край
2.56
1.11
0.59
ХМАО
0.58
0.26
0.15
Челябинская область
2.9
1.25
0.68
Чеченская республика
2.58
1.16
0.6
Чувашская республика
1.93
0.83
0.46
Чукотский автономный округ
1.92
0.83
0.67
Ямало-Ненецкий автономный округ
0.97
0.54
0.27
Ярославская область
2.36
1.08
0.55
Как мы считали — подробности для специалистов
В наших расчетах мы использовали доступные данные о половозрастной структуре населения Российской Федерации на 2020 год. Доля людей, которым потребуется интенсивная терапия в условиях реанимационных отделений, соответствует той, которая принята в девятом докладе Центра глобального анализа инфекционных заболеваний Имперского колледжа в Лондоне («Медуза» подробно писала о его результатах). Эти данные, в свою очередь, получены на основе моделирования и уточнения статистики из Китая. Пропорции были скорректированы с учетом различий в риске смерти между мужчинами и женщинами, наблюдаемых в Италии (доклад о ситуации в Италии на 26 марта).
Долю людей, которые могут быть инфицированы в ходе нынешней эпидемии, сейчас оценить очень сложно, поэтому мы использовали несколько сценариев, предполагающих распространение инфекции среди от 40% до 80% населения. Реальное значение будет определяться базовым показателем Rₒ — он отражает число людей в уязвимой популяции, которых в среднем заражает один инфицированный. При расчете не учитывались различия в доле инфицированных между разными возрастными группами. В реальности доля инфицированных в России может быть ниже в старших возрастных группах из-за меньшего количества социальных контактов.
При оценке числа доступных аппаратов ИВЛ использованы данные, полученные из тендеров на закупку за период 2017-2020 гг. и на проведение комплексного техобслуживания медицинской техники на 2019-2020 гг. Для оценки наличия ИВЛ в тех учреждениях, по которым эти данные не опубликованы, мы основывались на распределении аппаратов по возрастам/проценту списания, размерах хирургических отделений и отделений реанимации и интенсивной терапии, а также сравнительный анализ с наличием реанимационного оборудования другого типа. Все данные по ИВЛ были предоставлены компанией Headway. Также была использована информация из открытых источников. При несовпадении количества ИВЛ из разных источников выбиралось максимальное значение.
Расчет пиковой нагрузки осуществлялся с учетом постепенного нарастания числа случаев, нуждающихся в интенсивной терапии с помощью методов, рекомендуемых американскими Центрами по профилактике заболеваний (CDC) для расчета нагрузки при эпидемиях гриппа. Мы использовали три сценария развития эпидемии, в которых пик наступал на пятой, 10 и 20 неделе от ее начала, при этом средняя продолжительность пребывания в реанимации была принята за пять дней.
В случае быстрого и эффективного внедрения мер сдерживания эпидемии, пиковая нагрузка на реанимационные отделения будет существенно ниже, чем при отсутствии таких мер. Согласно расчетам, если пик эпидемии будет достигнут уже на пятой неделе после ее начала, в большинстве регионов количество пациентов, требующих проведения интенсивной терапии, будет больше, чем имеющееся количество аппаратов ИВЛ. Если же эпидемическую кривую удасться сгладить, и пик будет достигнут только на 20-й неделе, почти во всех регионах ресурсов окажется достаточно.
Пиковая нагрузка на один аппарат ИВЛ — во многом условная величина, она должна использоваться, прежде всего, для сравнения регионов между собой с учетом их ресурсов и ожидаемого числа тяжелых больных. Фактическая нагрузка зависит от множества параметров, которые сегодня оценить очень сложно: количества инфицированных, длительности эпидемии и времени наступления ее пика, — величин, которые определяются объемом и эффективностью принимаемых мер.
В реальных условиях нагрузка будет сильно зависеть от способов использования имеющегося оборудования и медицинских ресурсов. Не все аппараты ИВЛ находятся в учреждениях, куда возможно поступление больных с инфекцией. С другой стороны, существует возможность использования одного аппарата ИВЛ для нескольких пациентов одновременно.
Результаты нашего прогноза о количестве больных, которым потребуется интенсивная терапия, во многом совпадают с теми, что были получены Софьей Гарушянц и Георгием Базыкиным в работе с похожей методологией. Различия между прогнозами обусловлены прежде всего тем, что в нашей работе учтены особенности состава населения России по полу. Поскольку в большинстве регионов количество мужчин в старших возрастных группам намного меньше, чем женщин, то и количество больных, требующих интенсивную терапию, будет меньше.
Все исходные данные и код для проведения расчетов выложены в отдельном репозитории на GitHub.
- Ajelli, M., & Litvinova, M. (2017). Estimating contact patterns relevant to the spread of infectious diseases in Russia. Journal of Theoretical Biology, 419, 1–7. https://doi.org/10.1016/j.jtbi.2017.01.041
- Dowd, J. B., Rotondi, V., Adriano, L., Brazel, D. M., Block, P., Ding, X., Liu, Y., & Mills, M. C. (2020). Demographic science aids in understanding the spread and fatality rates of COVID-19. MedRxiv. https://doi.org/10/ggpcj9
- Ferguson, N., Laydon, D., Nedjati Gilani, G., Imai, N., Ainslie, K., Baguelin, M., Bhatia, S., Boonyasiri, A., Cucunuba Perez, Z., Cuomo-Dannenburg, G., Dighe, A., Dorigatti, I., Fu, H., Gaythorpe, K., Green, W., Hamlet, A., Hinsley, W., Okell, L., Van Elsland, S., … Ghani, A. (2020). Report 9: Impact of non-pharmaceutical interventions (NPIs) to reduce COVID19 mortality and healthcare demand [Report]. https://doi.org/10.25561/77482
- Istituto Superiore di Sanità. (2020, March 26). Integrated surveillance of COVID-19 in Italy. https://www.epicentro.iss.it/coronavirus/sars-cov-2-sorveglianza-dati
- Kashnitsky, I., & Aburto, J. M. (2020). COVID-19 in unequally ageing European regions. OSF Preprint. https://doi.org/10.31219/osf.io/abx7s
- Neyman, G., & Irvin, C. B. (2006). A Single Ventilator for Multiple Simulated Patients to Meet Disaster Surge. Academic Emergency Medicine, 13(11), 1246–1249. https://doi.org/10.1197/j.aem.2006.05.009
- Verhagen, M. D., Brazel, D. M., Dowd, J. B., Kashnitsky, I., & Mills, M. (2020). Mapping hospital demand: Demographics, spatial variation, and the risk of «hospital deserts» during COVID-19 in England and Wales. OSF Preprint. https://doi.org/10.31219/osf.io/g8s96
- Verity, R., Okell, L. C., Dorigatti, I., Winskill, P., Whittaker, C., Imai, N., Cuomo-Dannenburg, G., Thompson, H., Walker, P., Fu, H., Dighe, A., Griffin, J., Cori, A., Baguelin, M., Bhatia, S., Boonyasiri, A., Cucunuba, Z. M., Fitzjohn, R., Gaythorpe, K. A. M., … Ferguson, N. (2020). Estimates of the severity of COVID-19 disease. MedRxiv. https://doi.org/10.1101/09.03.2020.20033357v1