Почему COVID-19 не заразились 80% людей, как прогнозировали ученые? Так ли был нужен карантин? Москве грозит вторая волна эпидемии?

Новые важные вопросы (и ответы) о коронавирусе

Всемирная организация здравоохранения сообщила, что в конце июня эпидемия коронавируса вошла в «новую опасную фазу»: в мире впервые за все время наблюдений ежедневно регистрируют более 150 тысяч новых случаев заражения. При этом во всех городах и регионах Европы, Америки и Азии, где эпидемия началась весной, пик первой волны, очевидно, пройден. Все эти города и регионы справились за 8–12 недель — причем вне зависимости от того, вводили они жесткие карантинные меры или нет; во всех — как ни считай — переболело не более 10–20% населения. Весной мало кто предполагал такое развитие эпидемии: большая часть ученых делала мрачные прогнозы, обещая, что во время первой же волны переболеет более половины населения, а избежать переполнения больниц и моргов можно только при помощи жесткого карантина. «Медуза» разобралась, нужен ли был карантин, почему не сработали ранние модели распространения вируса, какие теории пришли им на смену — и что они говорят о второй волне эпидемии.

Все материалы «Медузы» о коронавирусе открыты для распространения по лицензии Creative Commons CC BY. Вы можете их перепечатать! На фотографии лицензия не распространяется.

Эпидемия началась полгода назад. Что мы про нее точно знаем?

Ученые выяснили почти все важнейшие параметры эпидемии:

• Довольно точно известен инкубационный период вируса: он составляет около пяти дней от момента заражения до появления первых симптомов.
• Было выяснено, что инфицированный становится заразным за несколько дней до появления симптомов. Исследование реальных пар передачи вируса показало, что такие «досимптомные» инфицированные ответственны почти за половину всех последующих заражений. Это создает огромные сложности для властей — чтобы отследить и изолировать все контакты выявленных зараженных, им нужно действовать стремительно: счет идет на часы, пока новые инфицированные, у которых еще не появились симптомы, не заразили следующую группу людей. Это подвигло власти и компании разных стран разработать приложения для мобильных устройств, с помощью которых можно быстро отслеживать контакты зараженных.
• Мы узнали, что в большинстве стран (но не во всех) эпидемия сначала выглядит как взрыв — вирус распространяется по популяции очень быстро. Иногда можно выявить «нулевого пациента» или пациентов, которые заразили многих людей, но чаще источник первичного заражения остается неизвестен.
• Большая часть стран после первого «взрыва» заражений так или иначе копировала модель борьбы с эпидемией, опробованную в Китае: были введены жесткие карантинные меры, закрыты предприятия услуг, рестораны, бары, школы и многие предприятия, сотрудники которых могут работать из дома. Вслед за такими локдаунами неизбежно приходил экономический кризис невиданной силы и формы: одновременно падал спрос (граждане сокращали траты) и предложение (не работала значительная часть предприятий).
• Ученые выяснили истинную летальность вируса: согласно последним обзорам многих исследований, в среднем она составляет 0,64% от всех (в том числе бессимптомных) заразившихся. В странах с молодым населением летальность немного ниже, в странах с пожилым населением — немного выше. В самых старых популяциях (например, на лайнере Diamond Princess, где вирус распространялся в популяции, более чем наполовину состоявшей из пожилых пассажиров) летальность составила 1,5%. Знание летальности позволяет уточнить данные о случаях заражения в каждой стране, регионе и городе — они могут быть вычислены из количества умерших (а в странах, где есть систематический недоучет коронавирусных смертей, например в России, — из статистики избыточной смертности).

По мере изучения вируса и его влияния на жизнь людей появились новые вопросы

• Мы точно не знаем, как реально ограничительные меры разных правительств сказались на эпидемии. На первый взгляд, карантинами можно полностью объяснить снижение темпов распространения вируса. Так, исследователи нашли корреляцию между снижением мобильности населения и снижением количества смертей от коронавируса. После снижения мобильности на две трети от «предвирусного» уровня смертность везде начинала падать.
• Однако из этого правила нашлись исключения: в Швейцарии и Швеции мобильность ни на день не была ниже двух третей от «довирусного» уровня, однако эпидемия остановилась в те же сроки, что и в других европейских странах. В некоторых регионах, где ограничения были сняты давно — например, в городе Ухань, эпицентре всей пандемии, — это не привело к новому всплеску заражений. При этом Ухань, равно как и любой другой крупный город в мире, как кажется, и близко не достиг вычисленного эпидемиологами «группового иммунитета» — то есть доли переболевших в 60–80%, при которой, согласно популярным эпидемиологическим моделям, эпидемия должна была сама закончиться.
• В Великобритании мобильность населения еще несколько недель назад превысила порог, за которым должен был начаться рост заражений и смертности. Однако эпидемия там после долгого плато, наоборот, начала быстро замедляться. Аналогичная ситуация, похоже, сложилась в Москве: мобильность населения, рассчитанная по данным Apple, превысила порог в 68% (две трети от «довирусного») еще в начале мая, после чего непрерывно росла. Таким образом, можно сделать вывод, что карантин в городе соблюдался все хуже и хуже. Однако в июне, когда карантин был окончательно отменен, все показатели заболеваемости и смертности в Москве начали быстро снижаться.
• Тем временем в наименее пострадавших китайских провинциях, а также в государствах, которые особенно успешно и быстро остановили заражение весной (от Израиля до Южной Кореи и Германии), вирус почти исчез, а потом появился снова — и теперь там опасаются, что это начало второй волны эпидемии.
• Мы точно не знаем, как именно каждая ограничительная мера или санитарная норма влияет на эпидемию. Похожие друг на друга ограничения в большинстве стран вводились единым пакетом, а потому выделить вклад каждой меры в отдельности очень сложно. Мало того, сложно даже оценить их вклад теоретически, потому что мы не знаем до конца, как именно передается вирус (и как он не передается). Так, свежие исследования свидетельствуют, что главный путь к заражению — продолжительное тесное общение в замкнутом помещении; все прочие способы — от мимолетного контакта на улице до заражения через поверхности — уже не выглядят столь опасными.
• Еще один вопрос касается влияния карантина на экономику: экономисты не сходятся во мнениях, был бы кризис менее глубоким, если бы не были введены ограничения на передвижение и закрыты предприятия. Ясно, что главной причиной кризиса стала сама эпидемия, которая поменяла поведение населения и вселила неуверенность в инвесторов. Но чем дольше сохраняются ограничения, тем больше вероятность того, что предприятия и население не смогут приспособиться к новой вирусной реальности; это грозит экономике разных стран затяжной депрессией.
• Таким образом, экономистам очень трудно вычислить долю вины в кризисе эпидемии, централизованных мер по борьбе с ней и информации (правдивой и не очень), которая определяет поведение населения. Это осложняет поиск компромисса между сохранением жизней (мы не знаем, как именно их сохраняют разные карантинные меры) и сохранением предприятий и рабочих мест (мы не знаем, как бы они сохранились, если бы не были введены разные ограничения).

Вся эта неопределенность и странное распространение вируса в разных странах вновь обострили дискуссии о качестве моделей, с помощью которых ученые пытаются предсказать развитие эпидемии. Весной сторонники жестких мер убедили политиков почти всех стран мира в необходимости самых жестких локдаунов (без которых мир ждали бы миллионы смертей и переполненные больницы). Теперь же в почете теории об «избирательных ограничениях» и модели, которые предсказывают возможность менее разрушительного для экономики и общества контроля над эпидемией.

Напомните, что это были за модели? И что с ними было не так?

Первые модели и прогнозы на их основе появились еще в феврале. Почти все они принадлежали к классу SEIR-моделей, которые были разработаны в середине прошлого века и с тех пор применялись для предсказания распространения самых разных вирусов.

Что значит SEIR?

Однородно перемешанное население в начале эпидемии (когда в нем появляется вирус) делится на группы Susceptible (S) — уязвимый, Exposed (E) — зараженный на стадии инкубационного периода, Infected (I) — зараженный, Recovered ® — выздоровевший. Модель изучает переходы между этими группами. Каждый заразившийся (I) имеет фиксированную вероятность выздороветь в единицу времени — то есть перейти в группу выздоровевших (или умерших). Заражение уязвимых (S) происходит в результате «опасных» контактов с зараженными (I). При этом контакты с теми, кто находится в инкубационном периоде (E), не опасны.

Для корректной работы модели нужно выявить типичную продолжительность латентного периода (когда зараженный не может никого заразить), периода, когда человек без симптомов становится заразным, а также время, в течение которого он остается заразным после появления симптомов. Кроме того, нужно вычислить, сколько человек в среднем инфицированный успевает заразить, пока не перестанет быть заразным.

Главное, что нужно знать об этих моделях:

• Все население (популяция) упрощенно считается гомогенным (то есть однородно перемешанным). При таком упрощении каждый имеет равные шансы на контакт с любым другим. Число заражений тут пропорционально произведению числа инфицированных и числа «уязвимых» и зависит от изначальной скорости передачи инфекции (то есть от свойств самого вируса) и плотности контактов между разными группами.
• Скорость передачи задается через два параметра: серийный интервал — типичное время, которое инфицированный человек остается заразным, и R₀ — коэффициент воспроизводства (его можно понимать как среднее число людей, которых один зараженный успевает заразить за время, пока сам не выздоровеет).
• Коэффициент R₀ может быть разным в разных популяциях (это легко представить, если мысленно сравнить передачу вируса в крупном городе или отдаленной деревне). Однако внутри крупных популяций (городов или регионов) большая часть моделей считает коэффициент R₀ неделимым и однородным целым.
• Кроме того, на разных стадиях эпидемии коэффициент воспроизводства будет меняться (в каждый момент времени он обозначается как Rt). Например, Rt будет падать из-за принятых мер по подавлению эпидемии, которые прерывают цепочки передачи вируса (различные формы карантина, выявление и изоляция заразившихся и отслеживание их контактов).
• Модель ведет себя совершенно по-разному при разных значениях R₀ (Rt). При значениях Rt меньше единицы (то есть когда каждый зараженный в среднем заражает меньше одного «уязвимого») эпидемия затухает. При Rt > 1 она распространяется и охватывает существенную часть населения.
• Эпидемия прекратится только тогда, когда значительная доля населения переболеет и приобретет иммунитет (так называемый групповой иммунитет), а доля «уязвимых» снизится настолько, что у вируса больше не будет достаточно «целей» для распространения (в данном случае рассматривается именно новый коронавирус, к которому, как считается, ни у кого в популяции изначально нет иммунитета).
• Искусственно групповой иммунитет можно получить только с помощью вакцинации, которая в случае с коронавирусом пока недоступна.
• С помощью серийного интервала и R₀ как раз можно рассчитать «глубину поражения» эпидемии (attack rate) — долю популяции, которая подвергнется заражению, пока распространение вируса не прекратится из-за недостатка тех, кто не имеет иммунитета. Глубина поражения всегда несколько выше порога «группового иммунитета», потому что люди некоторое время продолжают заражаться и после того, как эпидемия уже пошла на спад.
• Большая часть моделей применительно к коронавирусу предсказала «глубину поражения» в 60–80% населения стран, которые затронет эпидемия.

Так что, карантин ввели из-за SEIR-моделей?

Почти все меры борьбы с коронавирусом опробовали первые пострадавшие: Китай и Южная Корея. В КНР разработали пакет карантинных мер, а в Корее — систему массового тестирования и выявления контактов зараженных (Китай также использовал для этих целей мобильные приложения, но не делал ставку на тесты). Скорее всего, власти Китая и Южной Кореи руководствовались не моделями, а недавним опытом борьбы с другими смертельными заболеваниями, вызванными коронавирусами, — SARS и MERS соответственно. Все остальные страны (за редким исключением) взяли на вооружение китайский или корейский опыт (или их смесь).

Но сигналом к введению ограничений на Западе все же стала модель, опубликованная 16 марта группой Нила Фергюсона из Имперского колледжа в Лондоне. Она выгодно отличалась от грубых SEIR-моделей тем, что не рассматривала популяцию как «однородно перемешанную», а основывалась на реальных контактах жителей Великобритании и их распределении по городам страны (согласно переписи населения). Главным параметром «неоднородности» была разница в плотности населения в разных районах, а также в числе работников в офисах, на фабриках и учащихся в классах и аудиториях.

Согласно модели, коронавирусом должны переболеть более 81% людей в США и Великобритании (а также, как подразумевалось, и в других странах, где в это время начиналась эпидемия, но они не рассматривались подробно). Если не ввести жесткие карантинные меры, в Великобритании за несколько недель умрут более полумиллиона человек, а в США — 2,2 миллиона, писали ученые.

После выхода этой работы власти Великобритании и многих штатов США (до тех пор не верившие в опасность вируса) ограничили передвижение людей, закрыли школы, рестораны и многие предприятия. Одновременно карантин ввели и почти все страны Европы и Ближнего Востока, куда пришел вирус. В Европе воздержались от введения карантина только Швеция и Белоруссия.

Естественно, группа Фергюсона, столь явно повлиявшая на политику крупнейших государств, сразу же подверглась критике. Главным образом ей ставили в вину слишком низкую оценку разницы в скорости передачи вируса в разных группах населения.

Модели, которые использовались в начале эпидемии, критиковали по двум направлениям:

• Методология. Эпидемиологи уже давно поняли, что SEIR-модели имеют большой недостаток: они слишком сильно упрощают реальность, полагая популяции однородно перемешанными. На самом деле популяции и животных, и тем более людей имеют сложную сетевую структуру. В разных «отделах» этих сетей инфекция распространяется по-разному, а потому сама концепция единого и неделимого «коэффициента воспроизводства» не имеет смысла.
• Философия науки. С точки зрения доказательной медицины в здравоохранении любые вмешательства, не подтвержденные сложными исследованиями (причем независимыми от субъективизма самих исследователей), возможны только в крайнем случае.

Разве можно вводить ограничения без доказательств?

Этот вопрос был подробно рассмотрен в серии статей в Boston Review. Оппонентами выступили представители двух философских школ в эпидемиологии:

• «Догматик» доказательной медицины из Стэнфорда Джон Иоаннидис (автор нашумевшей в середине 2000-х статьи «Почему большинство опубликованных открытий — ложные»). Он написал, что серьезные меры воздействия на эпидемию требуют «абсолютных доказательств», которые бы полностью исключили предвзятость исследователей. Нет доказательств — нет вмешательства.
• «Прагматик» Марк Липсич из Гарварда. Он одним из первых — еще в феврале — сделал вывод (на основе моделирования по данным из Китая и исследований возможной пандемии гриппа), что мир стоит на пороге катастрофической пандемии, какие бывают только раз в столетие. Согласно его февральской модели, в течение года коронавирусом заразится 40–70% населения Земли. Липсич в ответе Иоаннидису заявил, что не бывает «абсолютных доказательств», а наука, вырабатывая экстренные решения, может оперировать и грубыми моделями на основе неполных данных (которые обязательно должны уточняться по мере получения новых знаний).

Модератор дискуссии, философ науки Джонатан Фуллер, скорее занял сторону Липсича. По его словам, доказательная медицина очень хороша, когда дело касается лечения и развития «обычных» болезней. К экстренным вызовам вроде только что появившегося в популяции нового смертельного вируса ее методы неприменимы — они требуют слишком много времени, которого у нас нет. Однако эти методы могут сыграть решающую роль в дальнейшем исследовании вируса.

Любопытно, что аргументы обоих оппонентов пока не выдерживают столкновения с реальной жизнью. Предсказание Липсича находится в опасности: в эпицентрах эпидемии вроде Нью-Йорка и Москвы заразились далеко не 40–70% жителей, а эпидемия уже пошла на спад. А Иоаннидис, как считают его критики, в попытке доказать, что коронавирус не намного опаснее сезонного гриппа, выпустил не слишком критический обзор работ (в том числе своей собственной), где, похоже, занизил летальность COVID-19 на порядок.

А есть ли альтернатива старым моделям?

Есть — но пока, увы, в основном теоретическая. В 1980–1990-е годы эпидемиологи, осознав неполноту и неточность старых методов, разработали целый класс сетевых моделей распространения инфекций. Главные их отличия от старых методов:

• Они не рассматривают популяцию как однородный набор частиц с равными шансами на «контакт». Напротив, эти модели стремятся усложнить структуру контактов так, чтобы приблизить их к реальности. Моделируются отдельные группы внутри популяции — вплоть до каждого домохозяйства и сетей (профессиональные, транспортные и любые другие), связывающих с другими группами. Важная часть сетевых моделей — возрастные группы и структура их контактов, особенно для болезней, имеющих ярко выраженные возрастные отличия в заболеваемости и тяжести болезни (как в случае с коронавирусом).
• Скорость и глубина распространения инфекции в таком случае зависят от плотности контактов. Очевидно, что для разных инфекций и в разных группах законы распространения будут очень сильно отличаться. Так, например, многие инфекции вообще не зависят от плотности населения: скажем, для скорости распространения малярии важна главным образом плотность «агентов» — зараженных комаров.
• С респираторными заболеваниями все сложнее, но и в их случае можно найти много примеров, когда важна не скученность населения, а социальная активность членов групп (есть исследования, которые подтверждают, что зависимость параметров эпидемии от плотности населения не очень велика). Вероятно, все три заболевания — SARS, MERS и COVID-19 — как раз очень чувствительны к социальной активности каждой группы в популяции. Под «социально активными» вовсе не обязательно нужно понимать группы людей, которые до последнего ходят в бары и ночные клубы, посещают многолюдные собрания или ходят в гости в разгар эпидемии. К особо активным можно отнести многие профессиональные группы: вахтовиков, живущих в общежитии на далекой буровой, или врачей в инфекционной больнице.
• Следствие неоднородности популяции — модели не оперируют единым для популяции коэффициентом воспроизводства R₀: для каждой группы он будет свой.
• Последнее свойство может полностью поменять выводы моделирования: при одном и том же наблюдаемом R₀ могут получиться радикально разные предсказания «глубины поражения», группового иммунитета и скорости распространения инфекции.

Одно из исследований, адаптирующее сетевые модели к COVID-19, приводит такой «интуитивный» пример: предположим, в обычную (не инфекционную) больницу попал один зараженный коронавирусом. В больнице на девять одноместных палат приходится шесть врачей. Первый носитель инфицировал одного врача. Тот, вынужденный тесно общаться с большим количеством пациентов и коллег, заразил шесть больных и четырех врачей. На новых зараженных пациентах, лежащих в палатах, цепочка передачи вируса прервалась. А вот зараженные врачи инфицировали каждый по 10 человек — тоже в пропорции 60% пациентов и 40% коллег. Если после этого в больнице регулярно тестировать всех врачей и пациентов, то будет зафиксирован коэффициент воспроизводства 3; согласно моделям с однородным населением, это означает, что во всей популяции должно заразиться две трети членов, пока будет достигнут «групповой иммунитет». Однако если учесть, что врачей в популяции всего ⅒, то для прекращения эпидемии в больницах будет достаточно, чтобы заразились всего около 8,3% населения (⅚ всех врачей).

В случае со смертельными коронавирусами внутрибольничная передача — один из важнейших путей распространения эпидемии. Но не только она — все три вируса показывают высокую (если не рекордную) «неоднородность» заражения: грубо говоря, очень маленькая доля инфицированных (так называемые суперспредеры) ответственны за большую часть заражений. Эти суперспредеры, скорее всего, входят в свои группы особенно социально активных (где зараженные ими «одногруппники» тоже имеют все шансы стать «супер»). Зараженные ими члены менее активных групп, вероятно, часто являются для вируса «тупиковым путем развития», то есть сами в среднем заражают менее чем одного человека.

В последние недели появилось много работ с оценкой роли суперспредеров в распространении нового коронавируса (на основе реальных доказанных случаев заражения). Из них следует, что около 10% инфицированных ответственны за 80% новых заражений. То есть большая часть новых заражений происходит внутри самых активных групп, которые и становятся главными жертвами эпидемии. Стоит им достигнуть своего собственного порога «группового иммунитета», как эпидемия сойдет на нет. В целом для популяции этот порог будет означать заражение около 10% членов, считают некоторые ученые.

То есть карантин был не нужен?

Нет, это не так. Ограничения, введенные правительствами разных стран, сделали именно то, что должны были: спасли жизни и избавили больницы от перегрузки. В начале эпидемии SEIR-модели дают точно такие же предсказания, что и сетевые. И только после прохождения пика показатели начинают отличаться: в старых моделях после снятия карантина должна немедленно последовать новая волна заражений; в сетевых моделях вторая волна может прийти с задержкой или не прийти вовсе. Все зависит от того, переболели ли все самые активные группы.

Поздравляем, вы прочитали больше половины текста. Антракт!

Пройдите один из наших тестов:

Cколько людей переболело в Москве?

Никто не знает точно: это можно было бы выяснить с помощью тестов на антитела по выборке, которая соответствует структуре населения со всеми его внутренними группами. В Москве было проведено тестирование, которое показало, что носителями являются 16–20% (в зависимости от округа).

Однако, увы, выборка не соответствует строгим критериям: бесплатное тестирование производится по приглашениям от мэрии; скорее всего, большая часть согласившихся пройти тест подозревает, что переболела ранее, а потому выборка сдвинута в сторону положительных результатов. Кроме того, результат нужно внести поправку на специфичность теста, то есть на ложноположительные результаты тестов; экономист Татьяна Михайлова придумала, как это сделать. Итог: с учетом поправки на специфичность на начало июня в столице переболели 10-14% жителей (но эта цифра, вероятно, завышена из-за выборки).

Уточнение. После выхода статьи в Департаменте здравоохранения Москвы уточнили, что в бесплатном тестировании в 30 поликлиниках города могут принять участие все желающие.

Похожий результат дает и оценка, сделанная по реальному числу умерших носителей коронавируса (на основе данных Мосгорздрава об избыточной смертности в апреле и в мае, которая была в 2,8 раза больше, чем официальное число умерших от коронавируса; при этом сделано предположение, что реальная летальность не сильно меняется от страны к стране). По подсчетам «Медузы», с марта по начало июня в Москве заразилось около 1,6 миллиона человек, или 12,5% жителей.

Для сравнения: если обратиться к более качественным и свежим данным по Петербургу, где исследователи очень внимательно отнеслись к коррекции выборки, то доля переболевших окажется еще меньше: среди петербуржцев старше 18 лет переболевших к сегодняшнему дню удалось найти в 5,7% случаев.

В любом случае если в Москве и достигнут групповой иммунитет в отдельных группах, то он сложился на более низком уровне, чем в других мировых эпицентрах эпидемии: по данным тестов на антитела, в итальянском Бергамо заразилось более половины жителей (что ставит под сомнение всю теорию с иммунитетом только у самых социально активных).

Ждать ли вторую волну?

Точно мы этого не знаем. Известно только, что почти наверняка многие эпидемии распространяются волнами именно из-за неоднородности смешения населения. Если бы население было перемешано равномерно, как это следует из упрощенных SEIR-моделей, волна, скорее всего, была бы одна.

Есть другие причины волн?

К выводу, что на образование волн больше всего влияет поведение людей, пришли ученые, исследовавшие волны пандемического гриппа 1918 года (испанка) в Англии и Уэльсе. Они рассмотрели все возможные причины того, что за первой весенней волной последовала вторая, более мощная (а затем и третья, которой не было, например, в США):

• Сезонность
• Закрытие школ на лето
• Ослабление иммунитета у тех, кто переболел весной
• Мутация вируса
• Поведенческие изменения

Варианты с ослаблением иммунитета и мутацией вируса не соответствовали реальным данным смертности от испанки. Сезонность и закрытие школ оказали большое влияние на временную остановку эпидемии весной 1918 года. Но больше всего влияло изменение поведения людей (в зависимости от главного на тот момент источника знаний об эпидемии — динамики ежедневной смертности).

Сказать точнее, ждет ли нас вторая волна и, если да, какой силы, мешает то, что мы буквально ничего не знаем о происходящем в большинстве групп населения. Прежде всего, речь идет о тех, кто до сих пор не был социально активен, а значит, мало участвовал в распространении вируса. Если верить сетевым моделям, почти вся собранная статистика (скорость распространения эпидемии, значительная часть смертности и госпитализаций) относится к активным группам; заражения в других группах столь малы, что в общем потоке данных отследить их динамику почти невозможно. Поскольку, как считают многие авторы новых моделей, «активные», по крайней мере в Москве, достигли группового иммунитета, скоро мы увидим реальную картину в остальной популяции. Возможны варианты:

• Если коэффициент воспроизводства R₀ в малоактивных группах ниже единицы, то мы увидим длинный «хвост» из заражений, число которых постепенно будет убывать: вирус будет медленно распространяться по новым группам, пока эпидемия окончательно не закончится. «Хвост» может быть таким длинным, что большая часть заражений произойдет уже после прохождения пика эпидемии. Возможно, начало этого «хвоста» мы видели в мае и начале июня, когда R₀ в Москве стабильно был около единицы.
• Если в малоактивных группах коэффициент выше единицы, эпидемия снова начнет распространяться. Сначала медленно, а затем, возможно, быстрее: вирус укоренится в новых группах и найдет там самые активные цели.
• Наконец, не исключено, что после снятия карантина более активными станут группы, до сих пор находившиеся на самоизоляции: люди, работавшие удаленно, выйдут в офисы, откроются предприятия сферы услуг и культуры; наконец, в бары и ночные клубы потянутся официанты, бармены и завсегдатаи, привыкшие социализироваться именно у стойки или на танцполе.

Последние два варианта могут привести ко второй волне в Москве. Тем более она вероятна в регионах (их подавляющее большинство), где не переболели даже активные группы, уже получившие групповой иммунитет в Москве. Как раз такая картина наблюдается в США, где после снижения темпов заражения в Нью-Йорке начался рост эпидемии во многих штатах. Россия во многом повторяет траекторию эпидемии в Соединенных Штатах, но с отставанием в две недели.

В Европе и США появились первые наметки прогнозов, основанных не на теориях о гипотетических активных и неактивных группах, а на исследовании реальных особенностей передачи коронавируса и реальных контактов людей из разных возрастных, географических, профессиональных и социальных групп во время пандемии.

Если коротко, результат британских исследований неутешительный: R₀ будет сохраняться на уровне около единицы, если не предпринимать никаких сдерживающих действий; у 50% инфицированных он будет выше единицы, даже если они быстро самоизолируются после появления первых симптомов (прежде всего, пострадает их семья). Не удастся остановить распространение вируса по разным группам лишь масштабным тестированием и отслеживанием контактов заразившихся (даже с помощью мобильных приложений, которые, как предполагается, установят себе 53% британцев). Потребуется периодически вводить локальные локдауны. А надежно остановить вторую волну можно будет только в случае, если британцы сохранят очень низкую социальную активность: уменьшат число ежедневных контактов до четырех — с 20, которые были у них в среднем перед эпидемией (это, похоже, рекорд Европы).

Как устроено исследование?

В Великобритании для этого используют самую крупную в мире систему отслеживания контактов — The BBC Four Pandemic. Система состоит из приложения для мобильных телефонов, в котором скачавшие его десятки тысяч добровольцев разных возрастов и профессий с 2018 года отмечали свои ежедневные физические и вербальные контакты. С помощью собранных данных ученые планировали изучать последствия возможной пандемии тяжелого гриппа, но в итоге использовали ее для моделирования второй волны COVID-19. Группа эпидемиолога Адама Кучарского наложила на свежую базу данных контактов реально известные случаи передачи вируса, получила прогноз распространения эпидемии и составила рекомендации для властей и населения.

А что с контактами в России?

Есть исследование 2017 года, касающееся контактов по возрастным группам и местам контактирования в Томске (при большом желании можно считать, что похожая структура контактов существует и во многих других крупных областных центрах России). Работа сделана строго по той же методике, что и во многих европейских странах: добровольцы разных возрастов и профессий несколько недель заполняли анкеты, в которых отмечали все свои контакты.

Главной особенностью стало взаимодействие старшего поколения: пожилые в России не так часто, как их ровесники из стран ЕС, контактируют со своим поколением. Главными их «контактерами» являются дети (вероятно, внуки), которые проводят со старшим поколением едва ли не больше времени, чем с родителями.

Вероятно, это благоприятное обстоятельство с точки зрения развития эпидемии коронавируса: дети, как следует из последних исследований, заражаются на 50% реже взрослых, а их участие в дальнейшей передаче вируса вообще не доказано.

Стоит отметить также очень большую долю трудовых контактов не с коллегами (почти равную числу контактов с коллегами) — вероятно, это отражает социальную активность сотрудников сферы услуг, экспедиторов, продавцов и коммивояжеров. Абсолютная доля этих контактов выше, чем на отдыхе и в «других местах» у всех групп населения: в магазинах, кинотеатрах и т. д. Поэтому возобновление работы сектора услуг представляет в России особую опасность (есть и другое объяснение — анкетирование проводилось сибирской зимой, а потому доля контактов вне дома и работы могла быть заниженной по сравнению с летом).

В целом число контактов томичей лежит посередине между европейским пиком (Великобритания и Италия) и «дном» — Данией и Германией, где отмечен минимум взаимодействия между людьми.

Правда, исследование в Томске вряд ли отражает положение дел в Москве, которая в этом смысле скорее ближе к Лондону, чем к сибирским областным центрам.

Что делать с экономикой? Как дать ей восстановиться, если нам угрожает вторая волна?

Экономистам приходится труднее всего: они вынуждены строить прогнозы и давать советы властям в условиях неопределенности по всем параметрам:

• Неясно, как будет развиваться эпидемия в до сих пор малоактивных группах. Непонятно, потребуются ли новые ограничения и как они будут соблюдаться экономическими агентами. Известно, что в развивающихся странах (исследование в Мексике), где власти не могут тратить триллионы долларов на поддержку граждан и предприятий, соблюдение карантина — это сложный компромисс населения с самим собой: все время приходится делать выбор между здоровьем близких (и снижением социальной активности) и благосостоянием (и повышением активности). В развитых странах эта «торговля» также присутствует (особенно у бедных групп), но проблема стоит не так остро.
• Нет полного понимания, как выглядит тот же компромисс — «общественное здоровье против благосостояния страны» — на уровне власти и всего общества. Есть много сведений (из стран, не вводивших карантин), что падение потребительского спроса и рост безработицы зависят от представлений населения об опасности заражения, а не только от мер борьбы с эпидемией. Как утверждают в Южной Корее, страх, вызванный эпидемией, уничтожил рабочие места в стране без всяких карантинов; американцы возражают, что ограничения делают это эффективнее — рабочие места во время карантина исчезают надолго, что грозит экономике и гражданам многолетней депрессией.

В этих крайне неопределенных условиях экономисты ищут способы избежать компромисса между здоровьем и благосостоянием. Если создание вакцины задержится, то нужно будет избежать новых тотальных ограничений, но не допустить потери жизней.

Самый популярный вариант, к которому обращаются известные экономисты, — изолировать тех, чья жизнь находится в наибольшей опасности, то есть граждан старшего возраста (все остальные в это время будут постепенно получать групповой иммунитет). Вариант напоминает шведскую стратегию, которая окончилась неудачей: вирус проник во многие дома престарелых в стране, что привело в росту смертности. А экономика Швеции, похоже, пострадает не меньше, чем у соседей, которые сидели на карантине.

Потери тех, кто снял карантин слишком рано и не придумал ему замену, возможно, будут самыми высокими: такая политика повышает опасность новых вспышек. Как выяснили экономисты Федеральной резервной системы США, во время испанки те города, которые поспешили отменить ограничения после первой волны, экономически пострадали больше тех, кто проявил терпение.

Дмитрий Кузнец