The Black Death. The 1918 Flu Pandemic. COVID-19.
Juodoji mirtis. 1918 m. gripo pandemija. COVID-19.
We tend to think of these catastrophic, world-changing pandemics as very unlikely events.
Mes linkę manyti, kad šios nelaimingos ir pasaulį keičiančios pandemijomis yra labai mažai tikėtini įvykiai.
But between 1980 and 2020, at least three diseases emerged that caused global pandemics. COVID-19, yes, but also the 2009 swine flu and HIV/AIDS.
Tačiau nuo 1980 iki 2020 m. atsirado bent trys ligos, kurios sukėlė pasaulines pandemijas. Taip, COVID-19, bet taip pat ir 2009 m. kiaulių gripas ir ŽIV/AIDS.
Disease outbreaks are surprisingly common. Over the past four centuries, the longest stretch of time without a documented outbreak that killed at least 10,000 people was just four years.
Ligų protrūkiai yra stebėtinai dažnas reiškinys. Per praėjusius keturis amžius, ilgiausias laiko tarpas be užfiksuoto protrūkio, nuo kurio mirė bent 10 000 žmonių, buvo tik ketveri metai.
As bad as these smaller outbreaks are, they’re far less deadly than a COVID-19-level pandemic. In fact, many people born after the 1918 flu lived their entire lives without experiencing a similar world-changing pandemic. What’s the probability that you do, too?
Kad ir kokie blogi šie mažesni protrūkiai, jie yra mažesnio pavojaus lygio nei COVID-19 lygio pandemija. Iš tiesų, daugelis žmonių, gimusių po 1918 m. gripo, gyveno visą savo gyvenimą nesusidūria su panašią pasaulį pakeitusią pandemiją. Kokia tikimybė, kad ir jūs taip pat?
There are several ways to answer this question.
Yra keletas būdų atsakyti į šį klausimą.
You could look at history. A team of scientists and engineers who took this approach catalogued all documented epidemics and pandemics between 1600 and 1950. They used that data to do two things. First, to graph the likelihood that an outbreak of any size pops up somewhere in the world over a set period of time. And second, to estimate the likelihood that that outbreak would get large enough to kill a certain percentage of the world's population. This graph shows that while huge pandemics are unlikely, they're not that unlikely. The team used these two distributions to estimate that the risk of a COVID-19-level pandemic is about 0.5% per year, and could be as high as 1.4% if new diseases emerge more frequently in the future.
Galėtumėte pažvelgti į istoriją. Mokslininkų ir inžinierių komanda, kurie taikė šį metodą, suregistravo visas dokumentuose aprašytas 1600-1950 m. epidemijas ir pandemijas. Jie naudojo šiuos duomenis dviem dalykams. Pirma, nubraižyti tikimybės grafiką, kad bet kokio dydžio protrūkis kils kur nors pasaulyje per nustatytą laikotarpį. Antra, įvertinti tikimybę jog protrūkis bus pakankamai didelis, kad mirtų tam tikra procentinė dalis pasaulio gyventojų. Šis diagrama rodo, kad nors didžiulės pandemijos yra mažai tikėtinos, jos nėra tokios neįtikėtinos. Komanda naudojo šiuos du paskirstymus kad įvertintų, jog COVID-19 lygio pandemijos rizika yra apie 0,5 % per metus ir gali siekti iki 1,4 % jei atsiras naujų ligų ateityje.
And we’ll come back to those numbers, but first, let’s look at another way to estimate the likelihood of a future pandemic: modeling one from the ground up.
Prie šių rodiklių dar grįšime, bet pirmiausia pažvelkime į kitą būdą, kaip įvertinti būsimos pandemijos tikimybę: modeliavimas iš pagrindų.
For most pandemics to happen, a pathogen, which is a microbe that can cause disease, has to spill over from its normal host by making contact with and infecting a human. Then, the pathogen has to spread widely, crossing international boundaries and infecting lots of people. Many variables determine whether a given spillover event becomes a pandemic. For example, the type of pathogen, how often humans come into close contact with its animal reservoir, existing immunity, and so on.
Tam, kad kiltų dauguma pandemijų, reikia patogeno – mikrobo, sukeliančio ligą. Jis turi išplisti iš šeimininko, t.y. kontaktuoti su žmogumi ir jį užkrėsti. Tuomet patogenas turi plačiai plisti, peržengti tarptautines sienas ir užkrėsti daugybę žmonių. Daug kintamųjų lemia, ar tam tikras plitimo įvykis tampa pandemija. Pavyzdžiui, patogeno tipas, kaip dažnai žmonės turi artimą ryšį su gyvūnų rezervuaru, esančiu imunitetu ir panašiai.
Viruses are prime candidates to cause the next big pandemic. Scientists estimate that there are about 1.7 million as-yet-undiscovered viruses that currently infect mammals and birds, and that roughly 40% of these have the potential to spill over and infect humans.
Virusai yra pagrindiniai pretendentai sukelti kitą didelę pandemiją. Mokslininkai apskaičiavo, kad yra apie 1,7 mln. dar neatrastų virusų, kurie šiuo metu užkrečia žinduolius ir paukščius ir maždaug 40 % iš jų gali išplisti ir užkrėsti žmones.
A team of scientists built a model using this information, as well as data about the global population, air travel networks, how people move around in communities, country preparedness levels, and how people might respond to pandemics. The model generated hundreds of thousands of virtual pandemics. The scientists then used this catalog to estimate that the probability of another COVID-19-level pandemic is 2.5 to 3.3% per year.
Mokslininkų komanda sukūrė modelį naudodami šią informaciją, taip pat duomenis apie pasaulio gyventojus, oro susisiekimo tinklus, kaip žmonės juda bendruomenėse, šalių pasirengimo lygį, ir kaip žmonės galėtų reaguoti į pandemijas. Modelis sukūrė šimtus tūkstančių virtualių pandemijų. Tada mokslininkai panaudojo šį sąrašą, kad kita COVID-19 lygio pandemijos tikimybė yra 2,5-3,3 % per metus.
To get a sense of how these risks play out over a lifetime, let’s pick a value roughly in the middle of all these estimates: 2%. Now let’s build what’s called a probability tree diagram to model all possible scenarios. The first branch of the tree represents the first year: there’s a 2% probability of experiencing a COVID-19-level pandemic, which means there’s a 98% probability of not experiencing one. Second branch, same thing, Third branch, same. And so on, 72 more times. There is only one path that results in a fully pandemic-free lifetime: 98%, or 0.98, multiplied by itself 75 times, which comes out to roughly 22%. So the likelihood of living through at least one more COVID 19-level-pandemic in the next 75 years is 100 minus 22%, or 78%.
Norėdami suprasti, kaip ši rizika pasireiškia per visą gyvenimą, pasirinkime vertę maždaug per vidurį visų šių įverčių: 2 %. Dabar sukurkime tai, kas vadinama tikimybių medžio diagramą kad galėtume sumodeliuoti visus scenarijus. Pirmoji medžio šaka žymi pirmuosius metus: yra 2 % tikimybė, kad patirsite COVID-19 lygio pandemija, o tai reiškia, kad yra 98 % tikimybė, kad jos nepatirsite. Antroji šaka – tas pats, Trečioji šaka, tas pats. Ir taip toliau, dar 72 kartus. Yra tik vienas kelias, kuriuo einant visiškai galim išvengti pandemijos: 98 %, arba 0,98, padaugintas iš savęs 75 kartus o tai sudaro maždaug 22 %. Taigi tikimybė išgyventi dar bent vieną COVID 19 lygio pandemiją per ateinančius 75 metus yra 100 minus 22 %, t. y. 78 %.
78%!
78 %!
If we use the most optimistic yearly estimate— 0.5%— the lifetime probability drops to 31%. If we use the most pessimistic one, it jumps to 92%.
Jei naudosime optimistiškiausią 0,5 % metinį įvertį tikimybė per visą gyvenimą sumažėja iki 31 %. Jei naudosime pesimistiškiausią variantą, jis šokteli iki 92 %.
Even 31% is too high to ignore; even if we get lucky, future generations might not. Also, pandemics are usually random, independent events: so even if the yearly probability of a COVID-19-level pandemic is 1%, we could absolutely get another one in ten years.
Net 31 % yra per daug, kad į tai nekreiptumėte dėmesio, net jei mums pasiseks, ateities kartoms gali nepasisekti. Be to, pandemijos paprastai yra atsitiktiniai, nepriklausomi įvykiai, net jei metinė COVID-19 lygio pandemijos tikimybė yra 1 %, mes galime sulaukti kitos pandemijos po dešimties metų.
The good news is we now have tools that make pandemics less destructive. Scientists estimated that early warning systems, contact tracing, social distancing, and other public health measures saved over a million lives in just the first six months of the COVID-19 pandemic in the US, not to mention the millions of lives saved by vaccines.
Gera žinia ta, kad dabar turime įrankių kurios jas padaro mažiau destruktyvias. Mokslininkai apskaičiavo, kad įspėjimo sistemos, kontaktų sekimas, socialiniai apribojimai ir kitos saugumo priemonės išgelbėjo daugiau kaip milijoną JAV gyventojų per pirmuosius COVID-19 pandemijos šešis mėnesius, jau nekalbant apie milijonus gyvybių, kurias išgelbėjo vakcinos.
One day, another pandemic will sweep the globe. But we can work to make that day less likely to be tomorrow. We can reduce the risk of spillover events, and we can contain spillovers that do happen so they don’t become full-blown pandemics. Imagine how the future might look if we interacted with the animal world more carefully, and if we had well-funded, open-access global disease monitoring programs, AI-powered contact tracing and isolation measures, universal vaccines, next-generation antiviral drugs, and other tech we haven't even thought of.
Vieną dieną – dar viena pandemija apims visą pasaulį. Tačiau galime dirbti dėl to, kad būtų mažesnė tikimybė jog tai įvyks. Galime sumažinti šalutinių įvykių riziką ir galime apriboti šalutinius poveikius, kad jie netaptų pilnaverte pandemija. Įsivaizduokite, kaip atrodytu ateitis, jei atidžiau bendrautume su gyvūnų pasauliu ir turėtume gerai finansuojamas, atviras pasaulines ligų stebėsenos programas, Dirbtinio intelekto kontaktų sekimo ir izoliavimo priemones, universalias vakcinas, naujos kartos vaistus, technologijas Mūsų galioje ir galimybė pakeisti šias tikimybes.
It’s in our power to change these probabilities. So, we have a choice: we could do nothing and hope we get lucky. Or we could take the threat seriously enough that it becomes a self-defeating prophecy.
Taigi turime rinktis: arba nieko nedaryti ir viltis, kad pasiseks. Arba galime atsižvelgti į grėsmę rimtai kad tai taptų save paneigiančia pranašyste.
Which future would you rather live in?
Kokioje ateityje norėtumėte gyventi?