Istnieje potrzeba analizy przestrzennej szczepień p/COVID-19 w Polsce w celu przygotowania szczegółowych rozwiązań, umożliwiających podejmowanie działań minimalizujących zagrożenie dla zdrowia publicznego w czasie mało prawdopodobne ale wciąż możliwej już czwartej fali zachorowań mogących wystąpić na jesień 2021. Polskie władze mogłyby posiadając rzetelną analizę zróżnicowania szczepień zarządzać zasobami w sposób optymalny. Okazuje się, że prosty model z wykorzystaniem kilku zmiennych społeczno-epidemiologicznych wyjaśnia aż >75% zmienności zmienności w liczbie szczepień a dodatkowo poparcie polityczne (konkretnie wybór partii obecnie rządzącej) wyjaśnia aż 30% zmienności w liczbie szczepień między powiatami. W związku z tym, że regiony peryferyjne z wysokim poparciem dla partii rządzącej słabiej sobie radzą ze kampanią szczepień, należy więc wzmocnić wybrane gminy i powiaty personalnie, informacyjnie i medycznie.
Metodyka i dane
Po tym jak rząd udostępnił dane o szczepieniach w gminach (https://www.gov.pl/web/szczepienia-gmin) można poddać częściowej ewaluacji wykonanie NPS.
W tym celu uśredniliśmy dla powiatów wartości wyszczepialności (% populacji zaszczepiony pełnym schematem) na 15.06.2021.
Zmienne wyjaśniające zostały zaczerpnięte z modelu rozprzestrzeniania się COVID-19 https://www.medrxiv.org/content/10.1101/2020.10.14.20090985v1
Dodaliśmy jeszcze do modelu:
- zmienne określające presję wirusa w bezpośrednim otoczeniu zsumowane liczby zakażeń (do 15.06.2021) i zgonów covidowych (od 24.11.2020 do 15.06.2021);
- współczynnik ilości zgonów nadmiarowych liczony jako liczba zgonów w 2020 podzielona przez średnią zgonów w pięciolatce (2015-2019);
- liczbę porad udzielonych w POZ w 2020 (jako wskaźnik popytowej dostępności do podstawowej służby zdrowia). Testowany był wskaźnik za rok 2019 (żeby efekt pandemii wykluczyć), ale korelacja między tymi dwoma wskaźnikami jest praktycznie równa 1, więc nie zaobserwowano istotnych regionalnych zmian w dostępnie od porad lekarskich;
- liczbę pracujących w ochronie zdrowia lekarzy na 10000 mieszkańców (jako wskaźnik podażowej dostępności do służby zdrowia).
- wskaźnik uczęszczania na msze (określający poziom religijności) z tym, że dane dostępne są do poziomu województw.
Jakie jest to zróżnicowania i z czego wynika?
Ze względu na zróżnicowanie geograficzne uwarunkowanie demograficzne, społeczne i epidemiologiczne wobec akceptacji szczepień, czy zdolności organizacyjne w regionie, to kampanie letnie (przed możliwą falą jesienno-zimową 2021/2022) powinny zostać ponownie opracowane na poziomie regionalnym. Fundamentalne znaczenie dla sprawnego zarządzania w regionie na poziomie operacyjnym (powiat lub gmina) i taktycznym (punkt szczepień) to przede wszystkim możliwość optymalnego rozlokowania zasobów w czasie oraz przestrzeni i właśnie do tego przyczynkiem jest ta analiza.
Różne kraje i regiony odniosły większy sukces niż inne w szczepieniach przeciw COVID-19 Rozkład szczepień w Polsce jest bardzo zróżnicowany [Rys. 1].
W układzie hierarchicznym (dendrogramy) korelacji można zauważyć klaster silnie dodatnio skorelowanych zmiennych związanych z mobilnością, podeszłym wiekiem populacji, uprzemysłowieniem, dostępem popytowym do służby zdrowia, liczbą przypadków COVID-19, zgonami z powodu COVID-19 (lewy górny róg Rys. 2). Kolejnym klastrem są zmienne związane z dostępem podażowym do służby zdrowia, wielkością populacji, gęstością zaludnienia, dochodem i naszą najważniejszą zmienną czyli wyszczepialnością (środkowe pasma Rys. 2). Ostatni klaster (prawy dolny róg Rys. 2) odnosi się do zmiennych lekko negatywnie skorelowanych z pierwszymi dwoma klastrami i jest związanym z religijnością, zgonami nadmiarowymi w 2020, poparciem PiS czy zmiennymi środowiskowymi jak zalesienie czy zatrudnienie w rolnictwie.
Szokującą obserwacją jest silna korelacja między dostępem popytowym służby zdrowia a liczby przypadków COVID-19 (0.94) i zgonów z tego powodu (0.96) oraz jednocześnie negatywna korelacja tych zmiennych ze zgonami nadmiarowymi. Można to wytłumaczyć na kilka sposobów. Nasuwa się jednak spostrzeżenie, że właściwie nie wiemy nic o geograficznym rozproszeniu zakażeń SARS-CoV-2, bo liczbę zakażeń i zgonów z powodu COVID-19 możemy przewidzieć tylko patrząc na dostęp do służby zdrowia. Tym bardziej negatywna korelacja ze zgonami nadmiarowymi świadczyć może o cichej epidemii w obszarach o gorszym dostępie do służby zdrowia.
Analiza regresji liniowych modeli pełnych [Rys. 3] wskazuje na niewielką (na pograniczu istotności statystycznej) rolę presji wirusa w otoczeniu i religijności. Zgodny nadmiarowe i popytowy do służby zdrowia również nie mają większego znaczenia. Poparcie dla partii PiS jest szczególnie istotnym predyktorem dynamiki szczepień (33%), co wiąże się pośrednio ze strukturą społeczną elektoratu lub też potencjałem do zarządzania zasobami przez władze lokalne. Wielkość (14%) i gęstość populacji (9%) ma również bardzo duży wpływ na dystrybucję szczepień, gdyż najczęściej punkty szczepień znajdują się w gęsto zaludnionych obszarach (https://wieslawseweryn.github.io/punkty_szczepien_103.htm). Dochód (6%) ma również moc wyjaśniania zmienności jak również wielkość populacji w wieku poprodukcyjnym (2%). Podażowy dostęp do służby zdrowia (liczba lekarzy) ma również znaczenie (3%).
Tabela 1: Regresja liniowa wieloraka (selekcja wg. kryterium Akaikego) dla dwóch typów modeli. Zmienna zależna: %wyszczepienia w powiatach
Model bez interakcji | model z interakcjami | |||||
Predyktor | wspł. | CI | p | wspł. | CI | p |
(Intercept) | 22.0643 | 19.2966 – 24.8320 | <0.001 | -1.1243 | -10.7156 – 8.4669 | 0.818 |
population_size | 4.6227 | -0.1247 – 9.3702 | 0.056 | 3.4938 | -1.0001 – 7.9878 | 0.127 |
PIS_support | -0.1311 | -0.1547 – -0.1075 | <0.001 | 0.3378 | 0.1516 – 0.5239 | <0.001 |
income | 0.0636 | 0.0365 – 0.0907 | <0.001 | 0.3517 | 0.2369 – 0.4666 | <0.001 |
industry_revenue | -0.0001 | -0.0002 – 0.0000 | 0.109 | -0.0001 | -0.0002 – -0.0000 | 0.008 |
poulation_density | 0.0028 | 0.0023 – 0.0033 | <0.001 | 0.0026 | 0.0021 – 0.0031 | <0.001 |
size_COVID | 0.0001 | -0.0000 – 0.0001 | 0.100 | 0.0001 | 0.0000 – 0.0001 | 0.026 |
betweenness_mob | 0.0002 | -0.0000 – 0.0004 | 0.108 | |||
forest_density*postproduction_age | -1.7585 | -3.8080 – 0.2910 | 0.092 | |||
PIS_support * income | -0.0057 | -0.0079 – -0.0035 | <0.001 | |||
Observations | 380 | 380 | ||||
R2 | 0.669 | 0.689 |
Należy podkreślić, że nierówności w dostępie do szczepienia (np. uwidocznione przez wpływ dochodu na wyszczepialność, czy przez interakcję zalesienia i wielkości populacji senioralne co może świadczyć o osobach starszych mieszkających w trudno dostępnych miejscach [Tab. 1]) mogą być barierą. Na każdy punkt procentowy poparcia dla PiS przypada o 0.13% mniejsza wyszczepialność (po uwzględnianiu deflacji zależności o zmienne zakłócające jak wielkość populacji, czy dochód).
Dominanta wyszczepialności jest na poziomie 20%, a mediana 21,6%.
Czy zróżnicowanie powoduje podaż czy popyt szczepień?
Stąd, to systemowe bariery (czy zaradność władz w zarządzania zasobami – skądinąd ograniczonymu) wydają się być wiodącym czynnikiem decydującym o wyszczepialności, a nie sama akceptacja wobec szczepień mieszkańców, na którą skupia się szczególną uwagę. Warto podkreślić, że wyszczepialność nie koreluje ze stricte mierzalnym popytowym dostępem do służby zdrowia (ani nie wychodzi istotna w modelu [Rys. 3, Tab. 1]). Może to wynikać z aglomeracji danych do poziomu powiatu częściowo lub ze społeczno-ekonomicznym zapotrzebowaniem na usługu zdrowotne. Należy w przyszłości rozważyć inne metody przybliżania dostępności do służby zdrowia. Przykładowo, udział prywatnej służby zdrowia w akcjach szczepień może być duża (stąd brak relacji między dostępnością popytową na usługi NFZ a wyszczepialnością), ale z drugiej strony silna korelacja dostępności popytowej ze statystykami covidowymi może świadczyć o przejęciu przez publiczną służbę zdrowia większości skutków pandemii. Jednak po stronie podaży świadczeń medycznych (liczebność kadry) mamy do czynienia z silną korelacją (0,69) z wyszczepialnością i istotnym wyjaśnianiem zmienności (3%). Jest to kolejny argument za dominującą rolą organizacji akcji szczepień (podaż) w wyjaśnianiu zróżnicowania przestrzennego wyszczepialności niż chęci/akceptacji szczepień przez obywateli (popyt). Przypuszczać można, że to w rękach samorządowców i ograniczonej w zasoby służby zdrowia może tkwić główna przyczyna zróżnicowania wyszczepialności, a czynniki demograficzne, ekonomiczne i itp. są drugorzędne. Jednak alokacja zasobów jest czynnikiem modyfikowalnym, w znacznie większym stopniu niż skuteczne przekonywanie do szczepień ich przeciwników, więc warto wykorzystać możliwości w celu przeprowadzanie interwencji.
Rekomendacje
Powyższe opracowanie dotyczące regionalnego zróżnicowania liczby szczepień przeciw COVID-19 sugeruje, że przeprowadzenie letnich akcji promocyjno-dostępnościowych istotnie zwiększy wyszczepialność na obszarach opóźnionych w wyszczepialności.
Wydaje się więc, że główna odpowiedzialność za przygotowanie akcji spoczywać powinna na delegaturach regionalnych administracji rządowej, mediach regionalnych i samorządach lokalnych (10.31373/ejtcm/134674), które mają średnio znacznie większe zaufanie niż ich centralne odpowiedniki. Z drugiej strony, koniecznie jest wsparcie merytoryczne i finansowe ze strony administracji centralnej.
Tym samym znaczące środki i obowiązki powinny zostać skierowane do najsłabiej radzących sobie powiatów (lub gmin) na przygotowanie regionalnych programów zwiększenia dostępności szczepień i wypracowania strategii komunikacyjnych. W związku z powyższym proponujemy podział powiatów na:
- A powiaty radzące sobie bardzo dobrze, których doświadczenia należy wykorzystać;
- B powiaty radzące sobie przeciętnie, które nie wymagają inwestycji;
- C powiaty poniżej przeciętnej, które potrzebują wsparcia punktowego (np. w poszczególnych gminach);
- D powiaty zagrożone, które wymagają pomocy systematycznej.
Zaproponowaliśmy podział na grupy wykorzystując średnią z rzeczywistej %wyszczepialności oraz wielkości predykcyjnej [Rys. 4, Tab 1. lewy] z progami:
A wyszczepialność uśredniona>25%
B 20%<wyszczepialność uśredniona<25%;
C 18%<wyszczepialność uśredniona<20%;
D wyszczepialność uśredniona <18%.
Należy podkreślić, że powyższy podział jest opracowany ad hoc i inne propozycje mogą okazać się lepsze w identyfikacji problemów.
Do kategorii D należą przede wszystkim klastry wyznaczone metodą dbscan [Rys. 1], a w szczególności:
- południowe pogranicze województw małopolskiego i podkarpackiego, ze szczególnym uwzględnieniem Podhala, Beskidu Wschodniego;
- pogranicze województw świętokrzyskiego i podkarpackiego;
- pogranicze województw mazowieckiego i podlaskiego;
- pogranicze województw mazowieckiego i lubelskiego;
Klastry kategorii C możemy dodatkowo zaobserwować [Rys. 1]:
- na dużych obszarach poza aglomeracjami miejskimi szeroko pojętej ściany wschodniej;
- na pograniczu ziemi łódzkiej i wielkopolskiej,
- pogranicze województw świętokrzyskiego i mazowieckiego;
- południowa Wielkopolska;
- południowy-zachód województwa pomorskiego
Powiaty przynależne do grupy C:
[1] bytowski chelmski augustowski belchatowski bialobrzeski
[6] lezajski lipski lubartowski leczynski losicki
[11] elcki garwolinski gorlicki grodziski ilawski
[16] jarocinski jaroslawski kaliski kielecki kolski
[21] konecki koninski kozienicki krasnicki krosnienski
[26] krotoszynski leski bieszczadzki bilgorajski bochenski
[31] brzeski brzozowski stalowowolski starogardzki staszowski
[36] tomaszowski turecki wegrowski wschowski wysokomazowiecki
[41] radomski rawski sanocki siedlecki siemiatycki
[46] sieradzki sierpecki wyszkowski zambrowski zamojski
[51] zlotowski zwolenski zurominski tarnobrzeski tarnowski
[56] mielecki mlawski mogilenski moniecki mragowski
[61] myslenicki nowomiejski olecki opatowski opoczynski
[66] opolski ostrowski ostrzeszowski piotrkowski strzyzowski
[71] suwalski przasnyski przemyski przeworski przysuski
Powiaty przynależne do grupy D:
[1] dabrowski debicki limanowski lomzynski
[5] lukowski grajewski janowski jasielski
[9] kolbuszowski kolnenski radzynski ropczycko-sedziszowski
[13] tatrzanski nizanski nowosadecki nowotarski
[17] ostrolecki szydlowiecki
Dla regionów C i D należy dokonać inwestycji w wiejskich obszarach peryferyjnych (np. poprzez lepszą wycenę zespołów wyjazdowych i mobilnych, ale tylko w obszarach zagrożonych wykluczeniem).
Dla regionów D potrzebne są systematyczne działania łączące akcje komunikacyjne z wykorzystaniem różnego rodzaju agentów wpływu, np. miejscowych proboszczów. Należy wesprzeć G(M)OPSy, aby mogły pomagać rodzinom opiekującymi się osobami starszymi w procesie zaszczepienia, np. w przekazywaniu do sądów rejonowych wniosków o udzielenie zgody, jeżeli pacjent nie potrafi jej wyrazić. Można zaoferować szczepienia poprzez wykonanie telefonów do potencjalnych pacjentów. Wydaje, że korzystanie z tej formy interwencji poza obszarami D może być nawet przeciwskuteczne, gdyż ruchy antyszczepionkowe szczególnie aktywne w Poznaniu, Trójmieście i na Śląsku będą tego typu akcje torpedować prawnie. Ze względu na niedobory kadrowe szczególnie widoczne w powiatach D, długofalowe działania przeciwdziałaniu wykluczeniu zdrowotnemu powinny zostać priorytetyzowanie. Jednak część działań można już podjąć latem 2021. Należy wesprzeć dodatkowymi zachętami osoby posiadające uprawnienia do wykonywania i kwalifikacji do szczepień (bądź będącymi w trakcie szkolenia) nie będącymi lekarzami, które zobligują się podjąć pracę w regionach wiejskich D. Być może warto relokować niektórych pracowników doświadczonych w szczepieniach populacyjnych z regionów A do D.
Podsumowując, duża wyjaśnialność zmienności przez poparcie dla PiS może oznaczać, że wyszczepialność ma przede wszystkim związek z zarządzaniem ograniczonymi zasobami a dopiero w drugiej kolejności ze społeczno-gospodarczym uwarunkowaniem regionów. W związku z powyższym, redystrybucja zasobów oraz wsparcie regionów gorzej uprzywilejowanych może być kluczowym czynnikiem osiągnięcia (przynajmniej w teorii) odporności zbiorowej w obliczu kolejnych fal zachorowań.
Chcielibyśmy podziękować Kamilowi Rakoczemu i Rafałowi Halikowi za pomoc w ekstrakcji danych i interpretacji wyników.