Содержание
В январе 2026 года международная команда исследователей из университетов Колумбии, Даляня, Принстона и Национальных институтов здравоохранения США опубликовала в журнале Proceedings of the National Academy of Sciences результаты масштабного исследования, которое впервые комплексно сравнило пространственное распространение двух крупнейших респираторных пандемий XXI века — гриппа H1N1 2009 года и COVID-19 2020 года. Используя детальные компьютерные модели, учёные реконструировали, как оба вируса перемещались между более чем 300 метрополитенскими зонами. Главный вывод оказался одновременно тревожным и практически значимым: авиаперелёты, а не ежедневная маятниковая миграция, стали ключевым механизмом стремительного географического распространения обеих пандемий, причём вирусы успевали охватить большинство крупных городов за считанные недели — задолго до того, как системы здравоохранения могли адекватно отреагировать.
Методология исследования
Исследовательская группа при Колумбийском университете разработала принципиально новую систему вывода, объединившую высокоточные эпидемиологические данные с математическим моделированием. В основу легла стохастическая модель передачи инфекции, которая интегрировала три ключевых компонента: данные о пассажиропотоках между метрополитенскими статистическими зонами, информацию о ежедневных маршрутах трудовой миграции населения и параметры так называемого суперраспространения — явления, при котором отдельные инфицированные способны заразить непропорционально большое количество людей.
Для оценки активности пандемического гриппа H1N1 учёные использовали еженедельные временные ряды показателя ILI+, который представляет собой произведение индикатора заболеваемости гриппоподобными инфекциями и доли положительных лабораторных тестов на вирус H1N1pdm. Данные охватывали период с 22 марта по 4 июля 2009 года. Для COVID-19 исследователи применили ежедневные оценки числа новых инфекций, полученные с помощью динамической модели передачи, учитывавшей изменяющиеся во времени коэффициенты выявления случаев и задержки в отчётности.
Модель использовала отрицательное биномиальное распределение для генерации числа вторичных инфекций, что позволяло адекватно отражать потенциал суперраспространения патогена. Миграцию населения между локациями посредством авиаперелётов описывало мультиномиальное распределение. В ходе интеграции модели отслеживалось количество инфекций в каждой локации, атрибутируемых маятниковой миграции и авиаперевозкам, что позволяло определять преобладающий механизм передачи для каждой связи в сети.
Структура передачи
Реконструированные сети передачи инфекции для обеих пандемий продемонстрировали характерную структуру ступицы и спицы. Сиэтл и Нью-Йорк выступали в качестве основных драйверов национального распространения SARS-CoV-2, преимущественно через авиасообщение. Региональные узлы, такие как Чикаго, Атланта, Новый Орлеан и Сан-Франциско, обеспечивали дальнейшую диссеминацию вируса в близлежащие метрополитенские зоны. Для пандемии COVID-19 было идентифицировано 304 высоковероятные связи передачи, большинство из которых сформировалось в двухнедельный период с 28 февраля по 12 марта 2020 года — ещё до объявления общенационального режима чрезвычайной ситуации 13 марта. Это критически важное наблюдение: к моменту официального признания масштабов угрозы вирус уже глубоко проник в городскую ткань.
Сеть передачи гриппа H1N1 имела структурно иную конфигурацию, однако также демонстрировала паттерн ступицы и спицы. Сан-Диего, Сан-Антонио и Нью-Йорк, три локации с ранними подтверждёнными случаями, были определены в качестве точек происхождения инфекции. Среди 220 метрополитенских зон с доступными данными было идентифицировано 168 связей передачи, причём большинство из них возникло в течение двух недель до 19 апреля 2009 года.
Примечательно, что несмотря на различия в конкретных маршрутах передачи, обе пандемии опирались на общие ключевые узлы: Нью-Йорк, Чикаго, Атланту, Даллас и Хьюстон. Первый функционировал как национальный хаб для обеих пандемий, распространяя вирус на большие расстояния преимущественно посредством авиасообщения.
Авиаперелёты против маятниковой миграции
Один из центральных результатов исследования состоит в демонстрации превосходства авиаперелётов над ежедневной маятниковой миграцией в качестве механизма раннего географического распространения. Раннее пространственное распространение было значительно сильнее ассоциировано с авиасообщением, нежели с трудовой миграцией. Это интуитивно понятно: авиаперелёты обеспечивают перемещение потенциально инфицированных людей на сотни и тысячи километров за считанные часы, тогда как маятниковая миграция ограничена относительно небольшими радиусами.
Тем не менее маятниковая миграция играла существенную роль в региональном распространении после того, как инфекция достигала крупного узла. Например, филогенетический анализ показал, что SARS-CoV-2, циркулировавший в Миссисипи и Алабаме, можно было проследить до Нового Орлеана. Исследователи реконструировали связи передачи от него к близлежащим метрополитенским зонам именно через маятниковую миграцию. Важно отметить, что объём международных авиаперевозок сам по себе не являлся достаточным предиктором роли той или иной метрополитенской зоны в пространственном распространении. Все идентифицированные ключевые узлы передачи, за исключением Сиэтла, входили в десятку метрополитенских зон с наибольшим количеством международных пассажиров в 2009 и 2020 годах. Однако другие зоны с высоким объёмом международных перевозок, такие как Майами, Лос-Анджелес и Сан-Франциско, не были идентифицированы как крупные узлы передачи заболевания.
Роль стохастических процессов
На ранней стадии респираторной вирусной пандемии пространственное распространение патогена протекает стохастически. Это обусловлено случайностью траекторий человеческой мобильности и индивидуальной вариабельностью инфекционности — включая события суперраспространения. Как следствие, для установления устойчивой локальной передачи может потребоваться множественное занесение инфицированных индивидов в данную местность.
Хотя поток мобильности в целом определяет общий паттерн заносов инфекции, реализованная сеть передачи представляет лишь один из возможных исходов этого стохастического процесса. Симуляции показали, что среди 994 различных связей передачи 566 (56,9%) появлялись менее чем в 20% случаев, что свидетельствует о значительной вариабельности структуры сетей передачи. Дополнительные симуляции продемонстрировали, что вариабельность структуры сети передачи возрастает при более низкой трансмиссивности вируса и более высоком потенциале суперраспространения.
Энтропия времени начала локальной передачи и источника инфекции варьировала в широком диапазоне между метрополитенскими зонами. Локальное время начала вспышки и источник инфекции во многих зонах были внутренне трудно предсказуемыми — даже при использовании идентичной модели и начальных условий. Это создаёт фундаментальные препятствия для раннего обнаружения и контроля пандемий в реальном времени.
Скорость распространения
Результаты моделирования выявили критически важную закономерность: обе пандемии широко циркулировали в большинстве метрополитенских зон в течение нескольких недель — до того, как вступили в действие правительственные интервенции или системы раннего выявления случаев. В симуляциях оба патогена установили локальную циркуляцию в большинстве метрополитенских зон за считанные недели, оставляя чрезвычайно узкое временное окно для принятия решений и эффективных вмешательств.
В США пандемия гриппа H1N1 2009 года привела к 274 304 госпитализациям и 12 469 смертям. COVID-19 2020 года к настоящему времени унёс жизни 1,2 миллиона человек. Эти цифры отражают масштаб последствий, однако скорость распространения была ещё более впечатляющей: к моменту, когда системы общественного здравоохранения осознавали серьёзность ситуации, вирусы уже глубоко укоренились на значительной части территории страны.
Отдельное геномное исследование, проведённое ранее, показало, что единственный клад SARS-CoV-2, вероятно, циркулировал в районе Сиэтла в течение 4–6 недель к моменту первого обнаружения вируса у не-путешественника 28 февраля 2020 года. К тому времени варианты внутри этого клада составляли большинство подтверждённых инфекций в регионе. Аналогичная картина наблюдалась в Нью-Йорке, где филогенетический анализ выявил множественные независимые заносы вируса преимущественно из Европы и других частей Соединённых Штатов.
Валидация модели
Результаты моделирования согласовывались с несколькими независимыми геномными исследованиями, проведёнными в специфических регионах. Как уже отмечалось, связь передачи от штата Вашингтон к Новому Орлеану была реконструирована на неделе 21 февраля посредством авиасообщения, что указывает на заносы до этой даты. Филогенетический анализ подтвердил, что SARS-CoV-2 был занесён в Луизиану через внутренние авиаперевозки до фестиваля Марди Гра 25 февраля 2020 года.
Система вывода достигала точности 79,3% и полноты 78,2% при идентификации истинных связей передачи в валидационных симуляциях. При объединении результатов 100 независимых реализаций вывода точность достигала 89,7%, а полнота — 93,9%. Это демонстрирует высокую надёжность применённого подхода при условии адекватного учёта стохастической неопределённости.
Эпидемический надзор
Быстрое и неопределённое распространение пандемий гриппа H1N1 2009 года и COVID-19 2020 года подчёркивает сложность своевременного выявления и контроля. Расширение охвата мониторинга сточных вод в сочетании с эффективным инфекционным контролем потенциально могло бы замедлить начальное распространение будущих пандемий. Мониторинг сточных вод представляет собой один из наиболее перспективных инструментов раннего предупреждения в области общественного здравоохранения. Вирусы часто обнаруживаются в них прежде, чем люди ощущают себя достаточно больными, чтобы обратиться за тестированием. Это делает сточные воды тихим, но мощным сигналом. В США Национальная система эпиднадзора за сточными водами еженедельно получает данные примерно с 1500 точек мониторинга по всей стране.
Симуляции показали, что широкий охват мониторинга сточных вод за пределами ведущих узлов передачи в сочетании с эффективным инфекционным контролем может замедлить начальную пространственную экспансию пандемии. Раннее обнаружение не останавливает вирус полностью, но позволяет выиграть время — а время в условиях пандемии имеет критическое значение.
В рамках респираторного сезона 2024–2025 годов Центры по контролю и профилактике заболеваний США объявили о расширении мониторинга сточных вод: система отслеживает респираторно-синцитиальный вирус, грипп A, птичий грипп A (H5) и SARS-CoV-2.
Факторы, влияющие на распространение
Хотя мобильность, в особенности авиасообщение, является ключевым драйвером пандемического распространения, исследователи предостерегают, что другие факторы также играют существенную роль. Демографические характеристики сообществ, школьные расписания, зимние каникулы и погодные условия способны ускорять или замедлять вспышки способами, которые трудно предсказать. Эта сложность объясняет, почему пандемии никогда не следуют простому сценарию. Грипп H1N1 2009 года начался в марте — в нетипичное для респираторных инфекций время года. Начальные случаи весной так и не достигли взрывного распространения, подобного COVID-19. Однако когда школы вновь открылись в конце августа — начале сентября, произошёл резкий всплеск новых инфекций, и вторая волна достигла уровня, значительно превышающего первоначальный весенний пик.
Для осенней волны H1N1 трудно различить, были ли локальные вспышки обусловлены заносами из других локаций через мобильность или резидентными инфекциями, которые уже циркулировали в местных сообществах и могли стать более трансмиссивными вследствие изменений погоды или поведения. Дополнительную сложность создаёт предшествующий иммунитет: некоторые локации испытали относительно крупную весеннюю волну, что создало гетерогенный ландшафт популяционного иммунитета к осени.
Размышления
Помимо реконструкции исторического распространения двух последних пандемий, исследование предоставляет обобщаемую методологическую рамку для вывода ранней эпидемической динамики, которая может применяться к другим патогенам. Комбинируя механистическое моделирование, интеграцию данных о мобильности и ансамблевый вывод, этот подход обеспечивает робастный и эффективный в отношении данных метод для разрешения паттернов пространственной передачи в критическое раннее временное окно.
Более раннее исследование 2021 года показало, что округа вблизи международных аэропортов служили начальными очагами передачи COVID-19. При этом плотность населения не являлась статистически значимым фактором на ранней стадии пандемии. Однако после установления общинной передачи другие факторы — плотность населения, карантинные меры, использование масок — становились более значимыми предикторами динамики заболеваемости.
Учёные на протяжении более чем десятилетия разрабатывает и совершенствует методы для понимания и моделирования распространения инфекционных заболеваний, включая грипп, COVID-19 и другие патогены. Их прогнозы в реальном времени оценивают скорость и географическое распространение вспышек, а также время достижения пика — информацию, необходимую для принятия решений в области общественного здравоохранения. Новое исследование добавляет к этому арсеналу способность ретроспективно реконструировать сети передачи и количественно оценивать неопределённость, присущую раннему распространению пандемий.
Автор статьи: журналист, специалист здравоохранения, Аркадий Штык.
