Memperkirakan COVID-19 menyebar dengan melihat tren penyakit influenza di masa lalu – Sains Terkini

Berapa banyak orang di AS yang memiliki COVID-19? Menggunakan database informasi yang dikumpulkan setelah wabah H1N1 2009, seorang peneliti Universitas Negeri Montana membantu mengembangkan pemahaman yang lebih baik tentang penyebaran virus corona baru.

Alex Washburne, seorang peneliti di Bozeman Disease Ecology Lab, yang bertempat di Departemen Mikrobiologi dan Imunologi Pertanian, menerbitkan makalah tentang masalah ini minggu ini di jurnal Ilmu Kedokteran Terjemahan. Makalah ini menggunakan data dari ILINet database yang dibuat oleh Centers for Disease Control and Prevention pada 2010 untuk menghitung pasien yang memeriksakan diri ke klinik medis dengan penyakit mirip influenza, atau ILI. Jenis pengumpulan data tersebut untuk tujuan mengidentifikasi tren dikenal sebagai surveilans sindromik.

Penyakit seperti influenza meliputi sejumlah infeksi yang membawa gejala yang mirip dengan flu musiman – seperti demam, batuk dan sakit tenggorokan. Baik H1N1 seperti influenza dan penyakit non-influenza seperti COVID-19 termasuk dalam kelompok itu. Tren pemantauan dalam kunjungan klinik ILI, Washburne mengatakan, dapat membantu lebih memahami seberapa cepat dan luas COVID-19 menyebar selama hari-hari awal kemunculannya di AS.

Bekerja sama dengan para peneliti di universitas Pennsylvania State dan Cornell, Washburne memeriksa jumlah kunjungan ILI yang dilaporkan setiap minggu selama dekade terakhir dan membandingkan tren historis tersebut dengan kunjungan tersebut selama Maret 2020. Mereka mengidentifikasi lonjakan Maret 2020 Kunjungan ILI yang sejajar dengan peningkatan regional dalam COVID-19 kasus.


Dengan memeriksa data ILI bersamaan dengan prevalensi COVID-19 regional yang diketahui, Washburne dan rekan-rekannya menentukan bahwa mungkin ada banyak kasus penyakit coronavirus yang awalnya tidak diidentifikasi.

Washburne dan rekan-rekannya memperkirakan bahwa sebanyak 87% dari kasus coronavirus tidak didiagnosis pada awal Maret, yang dapat diterjemahkan menjadi sekitar 8,7 juta orang berdasarkan kelebihan kunjungan ILI Maret. Lonjakan ILI berkurang dengan cepat pada bagian akhir Maret, yang menyebabkan para peneliti menyimpulkan bahwa lebih banyak kasus COVID-19 teridentifikasi karena lebih sedikit laporan ILI yang dicatat dalam database.

"Sejak awal tampaknya ada tingkat deteksi kasus yang rendah, tetapi seiring berjalannya waktu itu berubah," kata Washburne. "Pada minggu terakhir bulan Maret, karena semakin banyak pengujian yang terjadi, tingkat deteksi kasus meningkat secara signifikan."

Ini adalah kabar baik bagi para ilmuwan yang ingin memprediksi dan mempersiapkan diri untuk epidemi di masa depan, kata Washburne. Garis dasar telah ditetapkan melalui satu dekade pengumpulan data ILI yang memungkinkan deteksi dini lonjakan ILI yang menyimpang dari rata-rata tahunan.

Dengan banyak penelitian tentang COVID-19 yang terjadi ketika pandemi itu terungkap, Washburne mengatakan pengawasan sindrom seperti ini menunjukkan kepada para peneliti dan komunitas medis satu bagian dari cerita yang lebih besar. Ketika digabungkan dengan upaya pengujian COVID-19 dan survei serologis, yang berupaya mengidentifikasi proporsi populasi yang memiliki kekebalan terhadap suatu penyakit, jenis pengumpulan dan analisis data ini dapat menerangi sepotong teka-teki yang membantu menguraikan pemahaman kita tentang coronavirus sebagai keseluruhan, katanya, sementara juga menawarkan wawasan untuk epidemi potensial di masa depan.

Washburne juga mengatakan bahwa pengawasan sindrom menggunakan alat-alat seperti ILINet dapat diterapkan di daerah-daerah di mana pengujian luas terlalu mahal.

"Untuk komunitas yang mungkin tidak memiliki kapasitas untuk pengujian skala besar, ini mungkin dapat membantu memberi mereka gambaran tentang pergerakan epidemi mereka dalam ruang dan waktu," katanya. "Dengan begitu mereka bisa tahu kapan harus menerapkan tindakan seperti memakai topeng dan tindakan menjaga jarak sosial."

Praktik pengumpulan data menjelang potensi wabah adalah investasi untuk kesehatan masyarakat di masa depan, kata Washburne. Penelitian terhadap COVID-19 ini tidak akan mungkin terjadi tanpa pembuatan database setelah H1N1, jadi melanjutkan memperluas data dasar yang dikumpulkan untuk penyakit lain bisa menjadi sangat penting dalam menavigasi pandemi di masa depan.

"Semua metode yang berbeda ini dapat digunakan untuk melakukan validasi silang satu sama lain," katanya. "Kami tahu jika metode kami yang lain tidak berfungsi secara optimal, kami memiliki sumber daya tambahan. Hal-hal seperti ini benar-benar dapat membantu kami lebih siap di masa depan."

Referensi:

Material disediakan oleh Universitas Negeri Montana. Asli ditulis oleh Reagan Colyer. Catatan: Konten dapat diedit untuk gaya dan panjangnya.


You may also like...

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.