BLOG

Uchodźcy a choroby zakaźne: Prognozowanie wpływy napływu uchodźców z Ukrainy na dynamikę epidemiologii gruźlicy we Wrocławiu (Polska)

  • Dynamika gruźlicy w mieście UE bez obozów dla uchodźców (~20% populacji migrantów) nie musi przyspieszać w populacji ogólnej
  • Możliwy kilkukrotny wzrost liczby przypadków gruźlicy wśród dzieci powinien nadać priorytet programom szczepień BCG

Prezentacja

Tło

W dniach 24.02-30.04.2022 r. około 5 mln uchodźców opuściło Ukrainę, a prawie 3 mln znalazło swoje bezpieczne schronienie w Polsce. Wrocław z już znaczną populacją ukraińską (90000) przyjął dodatkowo około 110000 osób (49% to nieletni, a wśród dorosłych 94% to kobiety). Gruźlica (Tuberculosis), zwłaszcza MDR (multi drug-resistant) pozostaje zagrożeniem dla zdrowia publicznego na Ukrainie ze względu na wysoką częstość występowania. Dlatego pomagamy w doraźnym prognozowaniu i ocenie przebiegu epidemiologii gruźlicy na przykładzie Wrocławia przy danej prognozie migracji na najbliższe trzy lata.
Metody
Wykorzystujemy estymator rocznej, efektywnej liczby reprodukcyjnej R(t) pochodzący z prostego modelu SIR homogenicznie mieszanej subpopulacji. Zastosowaliśmy:

  • specyficzne dla wieku wzorce kontaktu z badań Polymod;
  • korektę wielkości subpopulacji rodzimych/migrujących, zależnych od wieku, na podstawie poziomów szczepień
  • korektę ryzyka transmisji dla wieku i płci w oparciu o historyczne wskaźniki zachorowalności.
    Porównujemy scenariusz bazowy zakładający całkowity brak napływu uchodźców z sytuacją, w której wszyscy obecni uchodźcy pozostaną w mieście (no in/out-flux po 01.05.2022) przez kolejne trzy lata.
    Wyniki
    W scenariuszu podstawowym spodziewamy się, że rok 2022 będzie pierwszym rokiem zmiany trendu (R(t)>1) w dynamice gruźlicy (w czasie pandemii COVID-19 znaczna ilość pracowników z Ukrainy opuściła Wrocław), a niewielki wzrost zapadalności powinien utrzymać się do 2025 roku. W scenariuszu z uchodźcami widzimy, że od 2023 r. zapadalność w populacji ogólnej powinna się zmniejszyć (R(t)<1). Natomiast zachorowalność u dzieci może być nawet dwu- lub więcej krotnie wyższa niż w scenariuszu podstawowym.
    Wnioski
    W przypadku Wrocławia (brak obozów dla uchodźców i homogeniczne wymieszanie populacji o danej strukturze demograficznej w prostym modelu tylko sygnalizacyjnym) dynamika gruźlicy powinna być prawdopodobnie pod kontrolą. Należy jednak nadać priorytet programom szczepień uzupełniających BCG u dzieci, gdyż spodziewany jest wzrost liczby zachorowań na gruźlicę w populacji dziecięcej.

Postrzeganie chorób zakaźnych u zwierząt i ludzi w polskim Internecie

W opracowaniu dla International Society for Animal Hygiene przygotowaliśmy pobieżną analizę pokazującą różnice między zakaźnymi chorobami ludzi zoonozami i chorobami wyłącznie zwierząt

Perception of infectious diseases with animal and humans hosts on the Polish internet

Zainteresowanie chorobami zakaźnymi w Internecie

Reflection on contextual factors associated with burden of infectious diseases in multi-country modelling approach: an example of Eastern Europe

Understanding socio-epidemiological background of infection disease dynamics is an extremely difficult task and this problem was professionally approached in a paper published in several Lancetlatest papers [1–3]. However, some concerns in interpretation and limitation need additional discussion. As authors used fit-all-size methodology, they could lose precision due to heterogeneity of given regions. Thus, estimated variation in the COVID-19 outcomes in geography on global scale could be far from reality on local scale.

Many scientists attempt to reveal the “epidemiological mystery” of COVID-19: why the coronavirus hit some regions so much harder than others and how it corresponds with measurable epidemiological indexes. This and a few other modelling and epidemiological paradoxes (in which different regions are compared on populational level) such as effectiveness of pharmaceutical intervention (e.g. vaccination) or NPI (e.g. lockdowns) need to be carefully assessed if they are interpreted correctly according to epidemiological knowledge. Unfortunately, even with a correct statistical model (without understanding underlying socio-epidemiological variables), by comparing incidences in different regions one could easily underestimate effectiveness of NPI [4] or vaccination [5] (even unintentionally) or it could also lead to manipulation (for instance one could pick up only these indexes, which support a given thesis).

Let us look closer into post-communistic, Slavic majority Eastern Europe countries as an example, because their public health systems, political transformations, alternative social capitals and second demographic transitions have similar patterns [6]. The red light should turn on, if we compare reported case notifications [7] with infection standardised estimates (in brackets [1]) per 1000 inhabitants for the same time period for Slovakia 147 (166), Poland 76 (469) and Russia 50 (1165). Thus, cumulative cases till the end of the so-called European 3rd wave (so called “dark figure”) were estimated to be from 1.13 in Slovakia to 23.3 in Russia fold greater than the confirmed cases. Even reminding that Slovakia performed all country cross-sectional studies on COVID-19 prevalence and Russia has been known since the HIV epidemic [8] to manipulate infection registries, such a difference is rather impossible to be true. Moreover, death toll (if no vaccination is applied) based on crude death registry as well as exceed death estimation (in bracket) per 1000 inhabitants for the first year of vaccination roll out were calculated [3] for Poland 7.9 (9.0), Russia 5.2 (12.8), Czechia 9.9 (10.0). Thus, the corrected death tolls using exceed death were estimated from 1.01 in Czechia to 2.46 in Russia fold greater than the crude deaths. One more time, death registries in Russia are known to be flawed [9] and on the other hand the Czech mortality registry is working relatively well [10], but again such a variation is extremely unlikely. This could lead to the conclusion that even a well performing estimation method on a global scale may be really poor in some particular regions. I guess that possibly Healthcare Access (sensu lato with affective and behavioural components [11]), which was found not to be associated with epidemiological outcomes [1] should be revisited.

Therefore, published models have a great advantage of modelling from a global perspective, but on the other hand, due limitations raised here, together with those already indicated by authors [1–3], more emphasis should be given on regional research, especially on intra-country variability.

References

1.   Bollyky TJ, Hulland EN, Barber RM, Collins JK, Kiernan S, Moses M, et al. Pandemic preparedness and COVID-19: an exploratory analysis of infection and fatality rates, and contextual factors associated with preparedness in 177 countries, from Jan 1, 2020, to Sept 30, 2021. The Lancet. 2022 Feb;S0140673622001726.

2.   Barber RM, Sorensen RJD, Pigott DM, Bisignano C, Carter A, Amlag JO, et al. Estimating global, regional, and national daily and cumulative infections with SARS-CoV-2 through Nov 14, 2021: a statistical analysis. The Lancet. 2022 Jun;399(10344):2351–80.

3.   Watson OJ, Barnsley G, Toor J, Hogan AB, Winskill P, Ghani AC. Global impact of the first year of COVID-19 vaccination: a mathematical modelling study. Lancet Infect Dis. 2022 Jun;S1473309922003206.

4.   Herby J, Jonung L, Hanke SH. A Literature Review and Meta-Analysis of the Effects of Lockdowns on COVID-19 Mortality [Internet]. Available from: https://sites.krieger.jhu.edu/iae/files/2022/01/A-Literature-Review-and-Meta-Analysis-of-the-Effects-of-Lockdowns-on-COVID-19-Mortality.pdf

5.   Subramanian SV, Kumar A. Increases in COVID-19 are unrelated to levels of vaccination across 68 countries and 2947 counties in the United States. Eur J Epidemiol,2021 Dec;36(12):1237-40.   https://link.springer.com/10.1007/s10654-021-00808-7

6.   Jarynowski A. Phenomenon of participatory “guerilla” epidemiology in post-communist European countries. Balt Rim Econ. 2021;3:25–6. https://sites.utu.fi/bre/phenomenon-of-participatory-guerilla-epidemiology-in-post-communist-european-countries/

7.   Our World in data. Coronavirus (COVID-19) Cases [Internet]. 2022. Available from: https://ourworldindata.org/covid-cases

8.   Rechel B. HIV/AIDS in the Countries of the Former Soviet Union: Societal and Attitudinal Challenges. Cent Eur J Public Health. 2010 Jun 1;18(2):110–5.

9.   Danilova I, Shkolnikov VM, Jdanov DA, Meslé F, Vallin J. Identifying potential differences in cause-of-death coding practices across Russian regions. Popul Health Metr. 2016 Dec;14(1):8.

10. Kossarova L, Holland W, Mossialos E. ‘Avoidable’ mortality: a measure of health system performance in the Czech Republic and Slovakia between 1971 and 2008. Health Policy Plan. 2013 Aug 1;28(5):508–25.

11. Jarynowski A, Belik V. Access to healthcare as an important moderating variable for understanding geography of immunity levels for COVID-19 – preliminary insights from Poland [Internet]. Available from: http://medrxiv.org/lookup/doi/10.1101/2021.12.08.21267167 (accepted to EJTCM)

Pro-Kremlin German Twitter users overlap with anti-lockdown and anti-vaccine discourse

There is qualitative evidence of intersection between anti-vaccination, anti-lockdown and pro-Kremlin narrative in European Social Media, but no research quantifies the level of the overlap. Here I show that pro-Kremlin users are over 51 times more likely to be involved in both anti-lockdown and anti-vaccine clusters than anti-Kremlin users.

The aim of this blog is to evaluate the reaction of Social Media users in Germany and to correlate pro-Kremlin positions during the Russian invasion with antivaxx/supporting coronasceptic protest attitudes. Infodemiology is very useful in understanding social dynamics during epidemics acting a supplementary role to standard tools as surveys (Jarynowski, Wójta-Kempa, et al. 2020; Eysenbach 2020), infoveillance could be useful for public health decision makers (i.e. in early warning systems of prevalence estimation (Jarynowski et al. 2022) or burden of measures (Jarynowski et al. 2021)), but it should also be remembered that the COVID-19 pandemic is also a potential area of hybrid activities below the threshold of war. Thus, I deploy a social network approach to collected tweets related to three polarizing issues (in German language):

1) „Impfung” data set consisting of 1 160 941 vaccination related tweets with 171 542 unique selected users from the first half of 2021;

2) the biggest coronasceptic protest in Germany #B2908 with 389 217 tweets and 71 612 selected unique users taking place in Berlin in August 2020;

3) War related #IstandwithPutin 3 032 tweets with unique users 2 089 in first days of Russian invasion on Ukraine in February/March 2022.

Russia-sponsored traditional and social media have been marked by the European External Action Service (EU counter disinformation agency) as propagating dis-/mis-information during Covid-19 pandemic in Germany (EEAS 2021; EEAS 2020). According to surveys, the highest coronasceptic protest potential is mainly among far right i.e. AfD (59%) and to some extent far left i.e. die Linke (18%) part of the electorate (Lamberty et al. 2022) and similar mosaic can be found on Twitter (Jarynowski, Semenov, et al. 2020). Thus, both some fractions of the far right and far left side of the German political sphere did not support sanctions issued by the European Parliament on 01.03.2022 against Russia after invasions on Ukraine. Protesters (during the analyzed peak on 29.08.2020 on the streets of Berlin) were claiming (among others) that Germany was still an “occupied country” and demonstrators just wanted to “defend [their] freedom and [their] democracy” asking „Mr. Putin” for help (Loucaides 2021). Moreover, association between pro-Kremlin narration and vaccine diplomacy (Wiśniewska 2021) and hesitancy (Broniatowski et al. 2018) is not a new phenomenon. As COVID-19 vaccines uptake is promoted in state sponsored media inside Russia, anti-vaccination attitudes are fuelled to the international audience. AstraZeneca Covid-19 vaccine was potentially identified as the main target of the larger Kremlin campaign on Twitter aimed at discrediting the Western vaccines (Jemielniak & Krempovych 2021). Let’s note that German society reacted with the highest level of panic among European countries (i.e. comparing Google Trends search volumes of Thrombosis) rolling out the same vaccine to a more or less the same extent (Belik & Jarynowski 2021).

Pro-Russian/pro-Ukrainian propaganda with #IstandwithPutin in English was an inspiration for this analysis.

Classification of users to classes (pro/anti-Kremlin as well pro/anti-vaccination or pro/anti-protesters) is a difficult task (most social movements are accompanied by the opposition and phenomenon of hashtag hijacking can be observed) and various techniques for tweets/users identification were proposed (Helmus et al. 2018; Golovchenko 2020). Here, simple community detection algorithms (Jarynowski et al. 2019) were applied based on retweeting activity (Jarynowski & Płatek 2022). To assess overlapping sets, only accounts created before 2020.07.15 (with a history) have been selected to exclude obvious bots and trolls.

Thus 1890 accounts were classified as anti-Kremlin and 199 as pro-Kremlin, 42 314 users who were classified as protests supporters and 25 803 who were against protests, as well as 72 669 users who were classified as pro-vaccination and 26 792 anti-vaccination. Keywords frequencies analysis reveals that main discussion of Pro-Kremlin users are concentrating on Americans (i.e. building relativism stating that USA have been invading other countries) or energy (i.e. Germany needs Russian oil, gas and carbon). Sentiment of Pro-Kremlin is less positive than Anti-Kremlin, which suggests that Pro-Kremlin narration is less emotional and more calculated. I found that 66 (33%) of Pro-Kremlin users and only 18 (1%) of Anti-Kremlin users were involved in both anti-Vaccination AND pro-Protests discourse. Thus, 51-fold (p-Value<0.001) higher activity of Pro-Kremlin users in both anti-vaccination and anti-lockdown communities suggest strong cohesion and mobilisation of these accounts. 62% of pro-Kremlin users have been engaged in vaccines and 45% in coronasceptic protests (without distinguising sides). In a minority of Pro-Kremlin accounts, which have not been engaged in COVID-19 discourse at all, Middle-East and Serbs minorities or supporters were found.

Based on the analysis of protest material of the anti-lockdown Berlin demonstration in 2020 and COVID-19 vaccines, overlaps with accounts of pro-Kremlin attitudes (using a very specific hashtag #IstandwithPutin) can be identified, showing that they are significantly different from anti-Kremlin users. This is only signalling analysis while there is high uncertainty in user classification (as there is no perfect method) and further research is needed for method validation. Thus, pro-Kremlin agenda is different in each society, as in German speaking population fossils and liberty are the main frame of concern, in English speaking world anti-Western attitudes are highly present when in Polish Ukrainian genocide on Polish population during WWII is and anti-refugee attitude may be amplified. Here I wanted to discuss if parts of the liberal scripts activated during COVID-19 pandemic in European societies (i.e. the German speaking population) could be used and played by foreign intelligence. Especially, as this topic seems to be under-investigated in Western Europe in comparison to Eastern Europe or Anglo-American countries. However, Pro-Kremlin users’ motivation to engage in anti-vaccination/anti-lockdown communities may be either internal (to promote their own agenda) or external (to spread pro-Russian propaganda), but it is untraceable by my approach.

References

Belik, Vitaly & Jarynowski, Andrzej 2021 ‘Elucidating the interplay of COVID-19 epidemic and social dynamics via Internet media in Germany’ link

Broniatowski, David A et al. 2018 ‘Weaponized health communication: Twitter bots and Russian trolls amplify the vaccine debate’ American journal of public health 108/10:1378–1384

EEAS 2020 ‘Short assessments of narratives and disinformation around the Covid19 pandemic (UPDATE MAY-NOVEMBER 2020’ link

  2021 ‘Short assessments of narratives and disinformation around the Covid-19 pandemic (UPDATE DECEMBER 2020 – APRIL 2021)’ link

Eysenbach, Gunther 2020 ‘How to fight an infodemic: the four pillars of infodemic management’ Journal of medical Internet research 22/6:e21820

Golovchenko, Yevgeniy 2020 ‘Measuring the scope of pro-Kremlin disinformation on Twitter’ Humanities and Social Sciences Communications 7/1:1–11

Helmus, Todd C et al. 2018 Russian social media influence: Understanding Russian propaganda in Eastern Europe Rand Corporation

Jarynowski, Andrzej et al. 2021 ‘Mild Adverse Events of Sputnik V Vaccine in Russia: Social Media Content Analysis of Telegram via Deep Learning’ Journal of Medical Internet Research 23/11:e30529

  2022 ‘Analysis of perception of infectious diseases on the internet in Poland’ SVEPM link

Jarynowski, Andrzej; Paradowski, Michał B & Buda, Andrzej 2019 ‘Modelling communities and populations: an introduction to computational social science’ Methodological Studies 39:123–152

Jarynowski, Andrzej & Płatek, Daniel 2022 ‘Sentiment analysis, topic modelling and social network analysis.  COVID-19, protest movements and the Polish Tweetosphere’ in K Kopecka-Piech & B Łódzki, 2022 The Covid-19 Pandemic as a Challenge for Media and Communication Studies London: Routledge: 210–224

Jarynowski, Andrzej; Semenov, Alexander & Belik, Vitaly 2020 ‘Protest Perspective Against COVID-19 Risk Mitigation Strategies on the German Internet’ in S Chellappan, K-KR Choo, & N Phan eds. 2020 Computational Data and Social Networks Cham: Springer International Publishing: 524–535

Jarynowski, Andrzej; Wójta-Kempa, Monika & Belik, Vitaly 2020 ‘Trends in interest of COVID-19 on Polish Internet’ Epidemiol Rev 74/2:106–123

Jemielniak, Dariusz & Krempovych, Yaroslav 2021 ‘An analysis of AstraZeneca COVID-19 vaccine misinformation and fear mongering on Twitter’ Public Health 200:4–6

Lamberty, Pio; Holnburger, Josef & Tort, Maheba 2022 CeMAS-Studie: Das Protestpotential während der COVID-19-Pandemie link

Loucaides, Josef, Darren; Perrone, Alessio; Holnburger 2021 ‘How Germany became ground zero for the COVID infodemic’ link

Wiśniewska, Iwona 2021 ‘Sputnik over Europe’ OSW Commentary 387

Andrzej Jarynowski: computational epidemiologist with media coverage in Bloomberg and Washington Post among others. PhD candidate with accepted thesis on infectious disease modelling. An expert in infoveillance and infodemiology.

Internet w Medycynie

Konferencja e-methodology

Termin: 

Od 21.04.2022 do 22.04.2022

Miejsce: 

Centrum Naukowej Informacji Medycznej we Wrocławiu, MS TEAMS

Informacje: 

Międzynarodowi eksperci, niezwykle aktualne i intrygujące tematy poszczególnych sesji (telemedycyna, medyczna edukacja zdalna, infodemiologia) – tak w skrócie opisać można konferencję E-METHODOLOGY”, która odbędzie się w dniach 21-22.04.2022 na UMW.

Istnieje możliwość biernego, bezpłatnego uczestnictwa w spotkaniu. Wystarczy się zarejestrować poprzez link: https://forms.gle/DPjLrQNC5YdjReuN8. 

Konferencja została objęta Patronatem Honorowym JM Rektora prof. Piotra Ponikowskiego. 

Program:

http://e-methodology-conference.eu/2022/schedule/

Analizy ASF

Nasze prace o ASF (Afrykański pomór świń) zostały docenione przez agencje Bloomberg, Washington Post czy pigProgress.

Do tej pory zajmowaliśmy się różnymi aspektami

1) modelowaniem epizootycznym:

https://www.researchgate.net/publication/338436134_African_Swine_Fever_ASF_Virus_propagation_in_Poland_Spatio-temporal_analysis

https://www.academia.edu/43262326/Multilayer_network_approach_to_African_Swine_Fever_Spread_in_Poland

2) Analizą medialną ruchów ekologicznych oraz hodowców:

http://dx. doi.org/10.15503/emet2019.100.115

http://interdisciplinary-research.eu/wp-content/uploads/2022/04/animal_related_protests_in_twitter_preprint_pdf.pdf

3) Czy agroterroryzmem:

http://dx.doi.org/10.5604/01.3001.0015.6752

https://doi.org/10.12797/9788381383899.14

AOTMiT błędy w zaleceniach

W dokumencie AOTMiT „Zalecenia postępowania diagnostycznego w sytuacji zmniejszenia zagrożenia epidemicznego związanego z COVID-19 pkt. 21 jest błąd…

https://nfz.gov.pl/download/gfx/nfz/pl/defaultaktualnosci/370/8178/1/strategia_w_sytuacji_zmniejszenia_zagrozenia_epidemicznego_covid-19_2022.03.22

Odsetek wyników fałszywie dodatnich testów antygenowych wraz z prewalencją rośnie w Waszym dokumencie…

Wskazano 53-63% dla prewalencji 1%, a 87- 91% przy prewalencji 10% co jest niezgodne z epidemiologią, bo przy większym rozpowszechnieniu zakażeń, odsetek wyników fałszywie dodatnich powinien spadać.

Proszę zwrócić uwagę na to gdyż nie dość iż ta tabelka jest źle rozumiana przez społeczeństwo, które nie ma pojęcia o epidemiologii czy statystyce, ale do tego znajduje się tam błąd, co bardzo źle świadczy o zdolności polskiej medycyny do myślenia w kategoriach epidemiologicznych.

Zakładając, że czułość i swoistość testów nie zmienia się w zależności od prewalencji i zakładając (można wstawić dane z konkretnego testu, czy uśrednione):

sensitivityspecificity
antigen0.70.95
PCR0.990.98

Dostajemy

Zależność odsetka testów fałszywie dodatnich wśród wyników dodatnich od prewalencji zakażenia COVID-19 w obszarze stosowania testów przesiewowo, bez przesłanek epidemiologicznych czy klinicznych

Tak wiadomo od dawna, że większość wyników testów przesiewowych przy małym rozpowszechnieniu wirusa będzie fałszywie dodatnia. Nie zmienia to faktu, że i tak z epidemiologicznego punktu widzenia czasami warto wykonywać badania przesiewowe.

O wnioskowalności z testów przesiewowych dyskutowano już w pierwszej fali pandemii

Uchodźcy a Internet

Na Ukrainie ponad 70% rynku wyszukiwarek Internetowych ma Google a następny w kolejce Yandex kilkanaście procent.

Warto zadać sobie pytania na jakiej podstawie potencjalni uchodźcy wybierali kraj przez który opuszczą obszar wojny. Czy dominowała geografia odległość (logistyka) czy może czynniki społeczne?

Polska po Ukraińsku tygodniami
Polska po Rosyjsku tygodniami
Dynamika zainteresowaniami poszczególnymi krajami w Google

Tak w Yandeksie zainteresowanie taką Polską w czasie wojny wzrosło o 40% (a co do całego ruchu internetowego to nawet zmalało dla zapytań w języku ukraińskim), to w szczytowym momencie na początku marca w Googla liczba zapytań wzrosła 5-krotnie.

Warto podkreślić niewielki wzrost zainteresowania Węgrami i Słowacją (zwłaszcza w pierwszej fazie wojny), gdyż zainteresowanie Mołdawią (gdzie zainteresowanie wzrosło najbardziej bo nawet ponad 10-cio krotnie), Polską i Rumunią szybko wzrosło i długo utrzymywało się na wysokim poziomie.

Dominujące państwo w zapytaniach obwodami

Tu nasuwa się ciekawa obserwacja, że nawet w obwodzie Zakarpackim zapytania o Polskę przewyższały zapytania o Węgry, czy Słowację z którymi ten obwód graniczy.

Rozkład zainteresowanie w jednym z najbardziej zagrożonych działaniami wojennymi obwodzie Zaporoskim

Warto podkreślić, że sytuacja była dynamiczna i co do zasady uchodźcy przesuwali się z wschodu na zachód. Ale najpierw zainteresowanie wyjazdu w stronę granicy zaczęło się w przygranicznych obszarach a dopiero później jak brutalność wojny została zauważona, ludność z obszarów dotkniętych inwazją zainteresowała się wyjazdem.

Porównanie zainteresowania w obszarze przygranicznym i objętym działaniami wojennymi

W Top 15 zapytań o Polskę znajdują się frazy takie jak: статус беженца (status uchodźcy), кордон з польщею (granica z Polską), граница украина польша (granica polsko-ukraińska).