diff --git a/words/words.md b/words/words.md index 8d0f405..a53c39d 100644 --- a/words/words.md +++ b/words/words.md @@ -147,100 +147,103 @@ Для COVID-19 оценивается, что человек остаётся заражённым-но-пока-не-заразным 3 дня *в среднем*. [^latent] Что случится, если мы добавим это в симуляцию? -[^latent]: “Assuming an incubation period distribution of mean 5.2 days from a separate study of early COVID-19 cases, we inferred that infectiousness started from 2.3 days (95% CI, 0.8–3.0 days) before symptom onset” (translation: Assuming symptoms start at 5 days, infectiousness starts 2 days before = Infectiousness starts at 3 days) [He, X., Lau, E.H.Y., Wu, P. et al.](https://www.nature.com/articles/s41591-020-0869-5) +[^latent]: “Assuming an incubation period distribution of mean 5.2 days from a separate study of early COVID-19 cases, we inferred that infectiousness started from 2.3 days (95% CI, 0.8–3.0 days) before symptom onset” (перевод: Симптомы начинаются на пятый день, а заразным человек становится за 2 дня до этого = заразным человек становится на третий день) [He, X., Lau, E.H.Y., Wu, P. et al.](https://www.nature.com/articles/s41591-020-0869-5) -Red + Pink curve is *current* cases (infectious + exposed ), -Gray curve is *total* cases (current + recovered ): +Красная + Розовая кривая -- это *носители* (Заразные + Латентно инфицированные ), +Серая кривая -- это *общее* количество (носители + Выздоровевшие ):
-Not much changes! How long you stay Exposed changes the ratio of -to-, and *when* current cases peak... but the *height* of that peak, and total cases in the end, stays the same. +Не сильно-то и поменялось! То как долго человек инфицирован латентно меняет отношение к , и *время* пика больных, но *высота* этого пика и общее количество заболевших в конце концов оказываются такими же как и раньше. -Why's that? Because of the *first*-most important idea in Epidemiology 101: +Почему так? Из-за *главной* идеи Эпидемиологического ликбеза: ![](pics/r.png) -Short for "Reproduction number". It's the *average* number of people an infects *before* they recover (or die). +Сокращение от "Reproduction number" ("Индекс репродукции"). Это *среднее* число людей, которых заражает перед тем как выздоровеет (или умрёт). ![](pics/r2.png) -**R** changes over the course of an outbreak, as we get more immunity & interventions. +**R** меняется по ходу вспышки из-за приобретаемого иммунитета и вводимых ограничений. -**R0** (pronounced R-nought) is what R is *at the start of an outbreak, before immunity or interventions*. R0 more closely reflects the power of the virus itself, but it still changes from place to place. For example, R0 is higher in dense cities than sparse rural areas. +**R0** -- это значение R *в начале вспышки, до иммунитета или ограничений*. R0 лучше показывает силу вируса, но по-прежнему меняется от места к месту. К примеру R0 куда выше в густонаселённых городах по сравнению с сельской местностью. -(Most news articles – and even some research papers! – confuse R and R0. Again, science terminology is bad) +(Многие новостные статьи -- и даже научные работы! -- путают между собой R и R0. Научная терминология не всегда удачна.) -The R0 for "the" seasonal flu is around 1.28[^r0_flu]. This means, at the *start* of a flu outbreak, each infects 1.28 others *on average.* (If it sounds weird that this isn't a whole number, remember that the "average" mom has 2.4 children. This doesn't mean there's half-children running about.) +R0 для сезонных гриппов обычно колеблется в районе 1.28[^r0_flu]. Это значит, что в *начале* вспышки гриппа каждый заражает *в среднем* 1.28 человека. (Если вам представляется странным, что это число не целое, вспомните, что у "средней" матери 2.4 ребёнка. Это не значит, что где-то вокруг неё бегают половинки детей.) [^r0_flu]: “The median R value for seasonal influenza was 1.28 (IQR: 1.19–1.37)” [Biggerstaff, M., Cauchemez, S., Reed, C. et al.](https://bmcinfectdis.biomedcentral.com/articles/10.1186/1471-2334-14-480) -The R0 for COVID-19 is estimated to be around 2.2,[^r0_covid] though one *not-yet-finalized* study estimates it was 5.7(!) in Wuhan.[^r0_wuhan] +По оценкам, R0 для COVID-19 составляет около 2.2,[^r0_covid] хотя одно из *незавершённых* исследований даёт оценку в 5.7(!) для Ухани.[^r0_wuhan] [^r0_covid]: “We estimated the basic reproduction number R0 of 2019-nCoV to be around 2.2 (90% high density interval: 1.4–3.8)” [Riou J, Althaus CL.](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7001239/) [^r0_wuhan]: “we calculated a median R0 value of 5.7 (95% CI 3.8–8.9)” [Sanche S, Lin YT, Xu C, Romero-Severson E, Hengartner N, Ke R.](https://wwwnc.cdc.gov/eid/article/26/7/20-0282_article) -In our simulations – *at the start & on average* – an infects someone every 4 days, over 10 days. "4 days" goes into "10 days" two-and-a-half times. This means – *at the start & on average* – each infects 2.5 others. Therefore, R0 = 2.5. (caveats:[^r0_caveats_sim]) +В наших симуляциях -- *в начале и в среднем* -- заражает другого раз в 4 дня в течение 10 дней. "4 дня" укладываются в "10 дней" два с половиной раза. Это означает -- *в начале и в среднем* -- что каждый заразил 2.5 других. Следовательно, R0 = 2.5. (оговорки:[^r0_caveats_sim]) -[^r0_caveats_sim]: This is pretending that you're equally infectious all throughout your "infectious period". Again, simplifications for educational purposes. +[^r0_caveats_sim]: В предположении что человек одинаково заразен на протяжении всей болезни. Опять же, мы упрощаем для наглядности. -**Play with this R0 calculator, to see how R0 depends on recovery time & new-infection time:** +**Поиграйте с калькулятором R0, чтобы увидеть, как R0 зависит от времени выздоровления и интервала между заражениями:**
-But remember, the fewer s there are, the *slower* s become s. The *current* reproduction number (R) depends not just on the *basic* reproduction number (R0), but *also* on how many people are no longer Susceptible. (For example, by recovering & getting natural immunity.) +Но учтите, что чем меньше у нас , тем *медленнее* становятся . *Текущий* индекс репродукции (R) зависит не только от *базового* (R0), но *ещё* и от того, сколько людей больше не Уязвимы (скажем, потому что они выздоровели и приобрели иммунитет.)
-When enough people have immunity, R < 1, and the virus is contained! This is called **herd immunity**. For flus, herd immunity is achieved *with a vaccine*. Trying to achieve "natural herd immunity" by letting folks get infected is a *terrible* idea. (But not for the reason you may think! We'll explain later.) +Как только иммунитет приобретают достаточно много людей, R < 1, то есть распространение удалось остановить. Это называется **стадный иммунитет**. Для гриппов стадного иммунитета добиваются при помощи *вакцинации*. Ни в коем случае не стоит пытаться достичь "естественного стадного иммунитета", просто позволяя людям заражаться (Не потому, о чём вы подумали! Мы объясним это позднее). -Now, let's play the SEIR Model again, but showing R0, R over time, and the herd immunity threshold: +Теперь давайте поиграем с моделью SEOR снова, следя за R0 и R со временем, и посмотрим на порог стадного иммунитета:
-**NOTE: Total cases *does not stop* at herd immunity, but overshoots it!** And it crosses the threshold *exactly* when current cases peak. (This happens no matter how you change the settings – try it for yourself!) +**Обратите внимание: болезнь не прекратила распространяться после достижения стадного иммунитета, а намного переплюнула эту точку!** И она пересекает порог *ровно* в момент, когда число больных достигает пика. (Это происходит при любых настройках -- можете сами попробовать!) -This is because when there are more non-s than the herd immunity threshold, you get R < 1. And when R < 1, new cases stop growing: a peak. - -**If there's only one lesson you take away from this guide, here it is** – it's an extremely complex diagram so please take time to fully absorb it: +Это случается из-за того, что как только не- становится больше порога стадного иммунитета, мы приходим в R < 1. А когда R < 1, число больных перестаёт расти: случается пик. +**Важнейший момент, который стоит вынести из этой статьи, представлен на диаграмме ниже** -- она весьма запутана, так что уделите достаточно внимания, чтобы полностью осознать её смысл: + ![](pics/r3.png) -**This means: we do NOT need to catch all transmissions, or even nearly all transmissions, to stop COVID-19!** +**Это значит, что нам НЕ обязательно отлавливать всех или почти всех больных, чтобы остановить COVID-19!** -It's a paradox. COVID-19 is extremely contagious, yet to contain it, we "only" need to stop more than 60% of infections. 60%?! If that was a school grade, that's a D-. But if R0 = 2.5, cutting that by 61% gives us R = 0.975, which is R < 1, virus is contained! (exact formula:[^exact_formula]) +Это парадоксально. COVID-19 очень заразный, но чтобы его остановить, нам достаточно "только" предотвратить принятыми мерами 60% заражений. 60%?! If that was a school grade, that's a D-. Но если R0 = 2.5, то 61% даст нам R = 0.975, то есть R < 1 и распространение остановлено! (Точная формула:[^exact_formula]) + +[^exact_formula]: Вспомним, что R = R0 * (долю до сих пор возможных при всех принятых мерах и иммунитете заражений). А доля возможных заражений -- это 1 - доля *предотвращённых* заражений. -[^exact_formula]: Remember R = R0 * the ratio of transmissions still allowed. Remember also that ratio of transmissions allowed = 1 - ratio of transmissions *stopped*. - Therefore, to get R < 1, you need to get R0 * TransmissionsAllowed < 1. + Поэтому чтобы добиться R < 1, надо добиться R0 * ВозможныеЗаражения < 1. - Therefore, TransmissionsAllowed < 1/R0 + Следовательно, ВозможныеЗаражения < 1/R_0 - Therefore, 1 - TransmissionsStopped < 1/R0 + Следовательно, 1 - ПредотвращённыеЗаражения < 1/R0 - Therefore, TransmissionsStopped > 1 - 1/R0 + + Следовательно, ПредотвращённыеЗаражения > 1 - 1/R0 + - Therefore, you need to stop more than **1 - 1/R0** of transmissions to get R < 1 and contain the virus! + Следовательно, достаточно остановить больше, чем **1 - 1/R0** всех заражений, чтобы получить R < 1 и сдержать распространение! ![](pics/r4.png) -(If you think R0 or the other numbers in our simulations are too low/high, that's good you're challenging our assumptions! There'll be a "Sandbox Mode" at the end of this guide, where you can plug in your *own* numbers, and simulate what happens.) +(Если вы думаете, что R_0 или другие числа в нашей симуляции слишком низкие или высокие, то здорово, что вы подвергаете сомнению наши предположения! В конце этой статьи будет "режим песочницы, в котором вы сможете подставить *свои* числа и просимулировать, что случится.) -*Every* COVID-19 intervention you've heard of – handwashing, social/physical distancing, lockdowns, self-isolation, contact tracing & quarantining, face masks, even "herd immunity" – they're *all* doing the same thing: +*Каждая* принятая мера, про которую вы слышали: мытьё рук, самоизоляция, соблюдение физической дистанции, карантин, отслеживание контактов, закрытие границ, ограничение передвижения, маски и даже "стадный иммунитет" -- они *все* добиваются одного и того же: -Getting R < 1. +R < 1. -So now, let's use our "epidemic flight simulator" to figure this out: How can we get R < 1 in a way **that also protects our mental health *and* financial health?** +Теперь давайте используем наш "эпидемический симулятор полёта", чтобы выяснить: как мы можем достичь R < 1 **сохранив наше психическое здоровье *и* финансовое состояние?** -Brace yourselves for an emergency landing... +Приготовьтесь к аварийной посадке...