Neenakosti v zdravju v Sloveniji zaradi covida-19

Avtorja: Andrej Srakar, Miha Dominko (oba IER)

4.3.1 Uvod

Ko se je pandemija covida-19 v začetku leta 2020 razširila po vsem svetu, se je razširilo zanimanje za njeno statistično modeliranje. Glavni poudarek našega prispevka je analiza širjenja te bolezni in njenih glavnih značilnosti v Sloveniji z uporabo javno dostopnih podatkov o covidu-19 ter ocena njihovega vpliva na neenakosti v zdravstvenih kazalnikih.

Novi koronavirus SARS-CoV-2 se je hitro razširil po vsem svetu in močno vplival na vse vidike našega življenja. Eden ključnih razlogov za njegovo hitro širjenje je visoko 'efektivno' reprodukcijsko število okužbe R_t. Vrednost R_t predstavlja povprečno število ljudi, ki jih posameznik okuži v obdobju okužbe, pri čemer t predstavlja čas. R_t se lahko na primer spremeni zaradi vladnih posegov (npr. zaprtje šole ali popolna zapora).

Ko je R_t<1, se pojavnost novih primerov zmanjša, ko pa je R_t>1, to narašča, dokler epidemija ne doseže vrhunca; po tem se pojavnost novih primerov začne zmanjševati zaradi (vsaj začasne) t. i. čredne imunosti.

Ocene osnovnega (tj. začetnega in ne časovno pogojenega, efektivnega) reprodukcijskega števila R₀ za SARS-CoV-2 se glede na način ocenjevanja zelo razlikujejo in znašajo približno 3. Tako visoko osnovno reprodukcijsko število vodi do strmega eksponentnega povečanja števila primerov, kar posledično povzroči hitro povečanje števila ljudi, ki potrebujejo zdravljenje ter skrb na oddelku za intenzivno oskrbo (ICU). Zaradi omejenih zmogljivosti zdravstvenega sistema to lahko privede do stanja, ko je nemogoče zagotoviti ustrezno oskrbo vsem bolnikom v stiski. Zato je za oblikovalce politik ključnega pomena, da ocenijo R_t, s pomočjo katerega lahko spremljajo širjenje epidemije. Toda za boljše razumevanje epidemioloških značilnosti nas zanimajo tudi ocene drugih kazalnikov, denimo stopnje smrtnosti zaradi okužb (tj. deleža smrtnih primerov med okuženimi posamezniki), deleža asimptomatskih primerov in napovedovanje števila hospitaliziranih bolnikov in bolnikov v ICU.

0 20 40 60 80 100 120 140

11.03.2020 18.03.2020 25.03.2020 1.04.2020 8.04.2020 15.04.2020 22.04.2020 29.04.2020 6.05.2020 13.05.2020 20.05.2020 27.05.2020 3.06.2020 10.06.2020

Število oseb

Število pacientov v bolnišnicah Število pacientov na intenzivni negi Skupno število umrlih v bolnišnici Skupno število umrlih

Slika 4.4: Število oskrbovancev v bolnišnicah in ICU v določenem dnevu, skupno število umrlih in število umrlih v slovenskih bolnišnicah, 4. marec–3. junij 2020

Vir: Manevski et al 2020 (264), ponoven izris na podlagi podatkov Covid-19 sledilnika.

V trenutni epidemiji covida-19 so številne vlade sprejele t. i. nefarmacevtske posege (angl. non-pharmaceutical interventions, NPI) za nadzor širjenja epidemije v svojih državah. Na voljo je veliko modelov za napovedovanje

Skupno število umrlih

Skupno število umrlih v bolnišnici Število pacientov v bolnišnicah Število pacientov na intenzivni negi

4.3.2 Način raziskovanja in podatki

Vzročne učinke prvega zaprtja (angl. lockdown) v Sloveniji, ki se je zgodil 20. marca, smo ocenili z uporabo vzročnega modela, ki kombinira pristope potencialnih izidov in strukturnih enačb. Pri tem smo uporabili analizo posredovanosti (angl. mediation analysis), kjer skozi regresijsko analizo preučujemo, kako neka spremenljivka vpliva na drugo neposredno, pa tudi posredno preko učinka druge spremenljivke (mediatorja).

Skupni učinek je vsota neposrednega in posrednega učinka.

V naši kratki analizi smo se naslonili na morda najbolj znani vzročni model epidemije v mednarodnem merilu avtorjev Victorja Chernozhukova, Hiroyukija Kasahare in Paula Schrimpfa (265). V tem modelu ocenjujemo neposredne in posredne učinke nekega ukrepa na končni kazalnik epidemije, v model pa vključimo tudi spremenjeno obnašanje ljudi kot posledico ukrepov.

I_it P_it

Y_{i, t + l}

B_it W_it

Slika 4.5: Osnovni diagram pristopa, kjer osrednje spremenljivke označujejo ukrepe politik (P), spremenjeno vedenje ljudi (B) in število pozitivnih primerov za SARS-CoV-2

Vir: Chernozhukov at el 2020 (265).

4.3.3 Rezultati

Rezultate prikazujemo spodaj. Uporabili smo model analize posredovanosti, ki smo ga ocenili po vseh slovenskih občinah v obdobju med 4. 3. in 1. 7. 2020 (uporabili smo t. i. večnivojske oz. multilevel/linearne mešane modele). Rezultati pokažejo, da je prisoten statistično viden učinek zaprtja države v velikosti približno 0.04 manjšega števila pozitivnih na virus SARS-CoV-2 v vsaki vključeni slovenski občini v vsakem dnevu po pričetku zaprtja države.

Sledeč modelu Chernozhukova in sodelavcev smo ocenili tudi vzročni učinek zaprtja države na število pozitivnih primerov brez upoštevanja regionalnih oziroma občinskih razlik in prišli do podobnih ocen: na ravni države smo našli neposredni učinek v višini 0,18 primera manj ter skupni (posredni in neposredni učinek) v višini 0,04 primera manj. Učinki v analizi posredovanosti ter večnivojski analizi zgoraj so prikazani na sliki 4.6.

-0,2500 -0,2000 -0,1500 -0,1000 -0,0500 0,0000 0,0500 0,1000 0,1500 0,2000

Posredni_ucinek Neposredni_ucinek Skupni_ucinek Ucinek_vecniv

Slika 4.6: Neposredni, posredni in skupni vzročni učinki zaprtja države na število pozitivnih primerov ter ocena učinka iz večnivojskega modela

Opomba in legenda: Pri vsaki oceni so na sliki tudi 95-odstotni intervali zaupanja. Posredni_ucinek označuje oceno posrednega učinka zaprtja države na število pozitivnih primerov; Neposredni_ucinek označuje oceno neposrednega učinka zaprtja države na število pozitivnih primerov; Skupni_

ucinek označuje seštevek posrednega in neposrednega učinka; Ucinek_vecniv označuje skupni učinek zaprtja države na število pozitivnih primerov, ocenjen v večnivojskem modelu.

Ob koncu smo izvedli še dekompozicijo učinka z uporabo metodologije Oaxaca-Blinder, ki je pokazala, da k opaženemu skupnemu učinku spremenljivka starosti prispeva okrog 40 %, dohodka okrog 37 %, ter izobrazbe okrog 23 %. To potrdi, da so bile zdravstvene neenakosti pri učinkih ukrepov (gre za neenakosti, vidne v vseh občinah) vidne, povezane pa so bile z osnovnimi socialno-ekonomskimi dejavniki.

4.3.4 Zaključki

Naša analiza je po naši vednosti prva objavljena na slovenski ravni, ki ocenjuje vzročne učinke epidemije na zdravstvene kazalnike z uporabo standardnih pristopov analize vzročnosti (pristopi potencialnih izidov in pristopi strukturnih enačb oz. usmerjenih acikličnih grafov). Uspelo nam je potrditi negativne vzročne učinke zaprtja države na število pozitivnih primerov ter oceniti točno vrednost zmanjšanja primerov kot posledico zaprtja. Ocenili pa smo tudi neenakosti oziroma razlike, ki so posledica različnih vključenih spremenljivk:

starosti, dohodka in izobrazbe. Odgovornost političnih odločevalcev za ukrepanje v primerih, kot je epidemija SARS-CoV-2, je izjemno velika, saj zaustavitve javnega življenja prinesejo za seboj ekonomske, socialne, kulturne in druge posledice. Argumentacija učinka, še posebno glede na kazalnike neenakosti, je za take izjemne družbene pojave ključna, saj daje podlago za ocenjevanje političnih ukrepov z različnih vidikov in predvsem omogoča na dokazih podprto politično odločanje v prihodnje.

Model je dokaj zvesto sledil morda najbolj znani vzročni študiji epidemije in je s tega vidika pomemben tudi metodološko: gre za prispevek, objavljen v osrednji ekonometrični reviji, ki zaradi narave problema v bolj standardne ekonometrične pristope vključuje tudi modeliranje strukturnih enačb. Epidemija covida-19 je prinesla močan vzpon zanimanja za podatke ter matematična in statistična modeliranja. Pojmi, kot so reprodukcijsko število R, eksponentna krivulja, oddelčni epidemiološki modeli (zlasti tipa SIR in SEIR), statistični podatki in matematične napovedi, so postali del našega vsakdana. Prav tako je epidemija vzbudila še večje zanimanje za zanimive vzročne analize, ki so bile sicer v precejšnjem razmahu že vsaj zadnji dve desetletji, povezani z vzponom metod strojnega učenja in umetne inteligence. Naša analiza sicer uporablja preproste vzročne modele, poraja pa vprašanje, kako na tovrstna vprašanja odgovarjati tudi v bodoče. Dobro bi bilo, da bi vprašanje modelskih analiz politik in učinkov ukrepov postalo stalnica na ravni države.

4.4 Bo pandemija COVID-19 poglobila neenakosti v zdravju