Memperkirakan penyebaran COVID-19 dengan melihat tren masa lalu dari penyakit mirip influenza – ScienceDaily

Memperkirakan penyebaran COVID-19 dengan melihat tren masa lalu dari penyakit mirip influenza – ScienceDaily


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

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

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

Bekerja sama dengan para peneliti di Pennsylvania State dan universitas 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 kunjungan ILI pada Maret 2020 yang paralel dengan peningkatan regional dalam kasus COVID-19.

Dengan memeriksa data ILI bersama dengan prevalensi regional COVID-19 yang diketahui, Washburne dan kolaboratornya menentukan bahwa mungkin ada banyak kasus penyakit virus korona yang awalnya tidak diidentifikasi seperti itu.

Washburne dan rekan-rekannya memperkirakan bahwa sebanyak 87% kasus virus korona tidak terdiagnosis selama awal Maret, yang berarti sekitar 8,7 juta orang berdasarkan kunjungan ILI bulan Maret yang berlebihan. Lonjakan ILI berkurang dengan cepat pada akhir Maret, membuat para peneliti menyimpulkan bahwa lebih banyak kasus COVID-19 yang diidentifikasi karena lebih sedikit laporan ILI yang dicatat di database.

“Awalnya tampaknya ada tingkat deteksi kasus yang rendah, tetapi seiring berjalannya waktu, hal itu berubah,” kata Washburne. “Pada minggu terakhir di bulan Maret, karena semakin banyak pengujian yang dilakukan, tingkat deteksi kasus meningkat secara signifikan.”

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

Dengan banyaknya penelitian tentang COVID-19 yang terjadi saat pandemi terungkap, Washburne mengatakan pengawasan sindromik 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 berusaha mengidentifikasi proporsi populasi dengan kekebalan terhadap suatu penyakit, jenis pengumpulan dan analisis data ini dapat menjelaskan sepotong teka-teki yang membantu menguraikan pemahaman kita tentang virus corona sebagai a utuh, katanya, sambil juga menawarkan wawasan untuk epidemi potensial di masa depan.

Washburne juga mengatakan bahwa surveilans sindromik menggunakan alat seperti ILINet dapat diterapkan di daerah di mana pengujian secara 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 dapat mengetahui kapan harus menerapkan tindakan seperti mengenakan topeng dan tindakan menjaga jarak.”

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

“Semua metode berbeda ini dapat digunakan untuk saling memvalidasi silang,” katanya. “Kami tahu jika metode kami yang lain tidak bekerja secara optimal, kami memiliki sumber daya tambahan. Hal-hal seperti ini benar-benar dapat membantu kami untuk lebih siap di masa depan.”

Sumber Cerita:

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

Untuk Informasi Lebih lanjut silahkan Kunjungi : Hongkong Prize

Posted in Flu
Author Image
adminProzen