HomeBlog#OddychajPolsko: wpływ zanieczyszczenia powietrza na zachorowania na COVID-19 w Polsce

#OddychajPolsko: wpływ zanieczyszczenia powietrza na zachorowania na COVID-19 w Polsce

  • Badania prowadzone na całym świecie potwierdzają związki pomiędzy zanieczyszczeniem powietrza (zarówno długoletnim jak i aktualnym) a liczbą i przebiegiem zachorowań na COVID-19
  • Przedstawiona w tym artykule analiza danych dla wszystkich powiatów w Polsce wykazała, że spośród przebadanych czynników, to smog ma największy wpływ na ilość zachorowań
  • Walka z zanieczyszczeniem powietrza i monitoring smogu mogą okazać się kluczowe dla pokonania pandemii koronawirusa

Autor: Marcin Szwagrzyk

Od połowy marca 2020 naszemu życiu towarzyszy pandemia COVID-19. Nie ustają dyskusje o strategiach obieranych przez państwa, obostrzeniach czy też czynnikach wpływających na ilość i przebieg zachorowań. Pandemii tej towarzyszy również niespotykany nigdy wcześniej w historii wysyp danych, wykresów, modeli i analiz. Jednocześnie, pomimo tego, brakuje wciąż wystarczającej wiedzy na temat tej epidemii i wiele pytań pozostaje bez odpowiedzi. Na przykład kluczowa kwestia tego jak długo trwa odporność po przejściu infekcji wirusem, wciąż nie została wystarczająco zbadana.

Jednym z czynników mających wpływ na to, jak ludzie przechodzą infekcję wirusem, jest niewątpliwie zanieczyszczenie powietrza. Oddychanie przez wiele lat powietrzem o złej jakości pogarsza bowiem stan dróg oddechowych, zwiększając ryzyko ciężkiego przebiegu choroby a nawet śmierci[1]. Już na wiosnę 2020 zwracano uwagę na to, że regiony szczególnie dotknięte przez COVID-19 (np. Lombardia we Włoszech), charakteryzowały się dużym zanieczyszczeniem powietrza.

Dysponując niespotykaną w skali świata (ze względu na swoją dokładność przestrzenną i długi czas trwania nieprzerwanych ciągów obserwacji) bazą danych dotyczącą jakości powietrza na terenie Polski, postanowiliśmy zbadać jaki jest wpływ lokalnego zanieczyszczenia powietrza na pandemię oraz jednocześnie porównać smog do innych, wymienianych w literaturze czynników, które również mogą mieć wpływ na liczbę oraz przebieg zachorowań. Założyliśmy, na podstawie dostępnej literatury o wpływie zanieczyszczenia powietrza na organizm człowieka, że jeśli zanieczyszczenie powietrza miałoby wpływ na przebieg epidemii, byłoby to widoczne przede wszystkim w liczbie zgonów i przypadków ciężkich, ale także w liczbie przypadków objawowych. Z punktu widzenia odpowiedniej ilości danych, istnieją braki w statystykach dotyczących śmierci na COVID-19 w powiatach i co więcej, klasyfikacja na zgony spowodowane przez COVID-19 i na zgony spowodowane przez COVID i choroby współistniejące zmieniała się w czasie. Z kolei jeśli chodzi o liczbę przypadków ciężkich, to nie jest prowadzona w tym zakresie ewidencja na zadowalającym poziomie dokładności, a ponadto istnieją różne definicje opisujące czy dany przypadek jest ciężki.

W związku z powyższym, przyjęliśmy do dalszych analiz liczbę potwierdzonych przypadków zarażeń koronawirusem Sars-CoV-2 w powiatach, odniesioną do 100 000 mieszkańców (stan na dzień 31.10). Wielkość ta mówi nam zarówno o rozprzestrzenianiu się epidemii, jak również można na jej podstawie wnioskować o przebiegu przypadków, ponieważ ostre zachorowania, w przeciwieństwie do zachorowań bezobjawowych, pociągały za sobą konieczność wykonywania większej ilości testów i tym samym skutkowały większą liczbą stwierdzonych przypadków. Przyjęliśmy więc założenie, że w przypadku strategii testowania na terenie Polski liczba wszystkich wyników pozytywnych jest mocno skorelowana z liczbą wyników pozytywnych z przebiegiem objawowym. Do przeprowadzonej analizy wykorzystano dane opracowane przez Michała Rogalskiego (bit.ly/covid19_powiaty).

Jako miarę zanieczyszczenia powietrza przyjęliśmy roczne, uśrednione wartości stężenia PM2.5 ze wszystkich stacji występujących na terenie danego powiatu. W przypadku, gdy na obszarze danego powiatu nie było naszego czujnika, dane o zanieczyszczeniu zostały uzupełnione na podstawie wartości z powiatów sąsiednich.

 

Do analizy, oprócz zanieczyszczenia powietrza, wzięliśmy pod uwagę również oddziaływanie innych czynników:

  • gęstość zaludnienia – warunkuje natężenie kontaktów międzyludzkich i prawdopodobieństwo zarażenia[2];
  • zagospodarowanie turystyczne – wskazuje na to, które powiaty w okresie wakacji były destynacją wyjazdów urlopowych, co sprzyjało rozprzestrzenianiu się wirusa;
  • % ludności poniżej 14 roku życia– wyrażony jako liczba dzieci w szkołach; uwzględniony ze względu na to, że szkoły przyczyniają się do rozprzestrzeniania epidemii[3] ;
  • % seniorów (ludności powyżej 65 roku życia) – (ludności powyżej 65 roku życia) – świadczy zarówno o łagodzącej dla przebiegu epidemii peryferyjności powiatów, jak i o udziale grupy narażonej na ostry przebieg choroby[4];
  • współczynnik feminizacji (liczba kobiet / liczba mężczyzn) wśród seniorów uwzględniony z powodu zróżnicowania przebiegu choroby ze względu na płeć pacjenta;
  • % ludności zatrudnionej w przemyśle – przyczynia się do powstawania ognisk zachorowań w zakładach przemysłowych i kopalniach[5]
  • odległość od lądowych przejść granicznych –  wskaźnik ‘umiędzynarodowienia’ danego powiatu – może wpłynąć na kontakt z zakażonymi ludźmi przybywającymi z zagranicy.

Zastosowany model statystyczny pozwolił na wyekstrahowanie pewnych zależności płynących z danych źródłowych, co umożliwiło na wyjaśnienie za pomocą analizowanych czynników ok. 30% zróżnicowania liczby zachorowań pomiędzy poszczególnymi powiatami. Pozostałe zróżnicowanie, którego nie udało się nam wyjaśnić przy użyciu modelu, może być związane z rolą innych czynników (jeszcze nie rozpoznanych) jak i z losowością występowania ognisk zachorowań w początkowym stadium epidemii.

Na poniższym wykresie przedstawiono wpływ analizowanych czynników na liczbę przypadków zachorowań na COVID-19. Wszystkie czynniki zostały przeskalowane, tak aby ich wartości zawierały się w przedziale od 0 do 1 – co pozwoliło na porównanie ze sobą oddziaływania różnych parametrów powiatów. Poniższy wykres pokazuje więc, jaki wzrost zachorowań (w przypadkach na 100 000 mieszkańców) będzie towarzyszył wzrostowi wartości danego czynnika z jego wartości minimalnej do maksymalnej.

 

Obliczenia modelowe wykazały, że zanieczyszczenie powietrza było najważniejszym czynnikiem spośród analizowanych, którego wzrost był w najwyższym stopniu skorelowany ze wzrostem zachorowań w powiatach. Wzrostowi zanieczyszczenia o 100% towarzyszył wzrost zachorowań aż o 160 przypadków (gdzie średnia ilość przypadków na terenie całej Polski w dzień wykonywania analizy to 900/ 100 tys. osób).

Na drugim miejscu znalazł się udział dzieci w stosunku do całej ludności w powiecie (którego wpływ na liczbę przypadków ograniczał się do 90). Następna w kolejności były gęstość zaludnienia (wzrost o 42 przypadki) oraz odległość od przejść granicznych (wzrost o 40 przypadków), kolejnymi czynnikami, które towarzyszyły wzrostowi zachorowań były: duży procent osób zatrudnionych w przemyśle oraz wysoki stopień zagospodarowania turystycznego powiatów.

Czynnikiem, który w wyraźnym stopniu był skorelowany ze spadkiem liczby zachorowań był współczynnik feminizacji wśród osób powyżej 65 roku życia.

Nasze analizy wykazały, że korelacja smogu i zachorowań na Covid była bardzo wyraźna i co więcej, była ona dużo wyższa niż korelacja dla jakiegokolwiek innego czynnika, który zgodnie z literaturą, może mieć dodatni wpływ na ilość zachorowań i dla którego byliśmy w stanie pozyskać dane.

Podobne analizy warto z pewnością przeprowadzić dla innych państw – zwłaszcza tych mocniej dotkniętych pandemią koronawirusa. Pozostaje również do przeanalizowania, w świetle danych z Polski, rola epizodów dużego zanieczyszczenia i ich wpływ na przebieg choroby w danym momencie, jak i rola smogu w transmisji wirusa – co powiązane może być z obserwowaną sezonowością zachorowań.

Dlatego walka o czyste powietrze, jak i monitorowanie zanieczyszczeń i udostępnianie informacji o nim opinii publicznej, mogą okazać się kluczowe dla ostatecznego pokonania pandemii COVID-19.

[1] Comunian, S., Dongo, D., Milani, C., & Palestini, P. (2020). Air pollution and covid-19: The role of particulate matter in the spread and increase of covid-19’s morbidity and mortality. International Journal of Environmental Research and Public Health, 17(12), 1–22. https://doi.org/10.3390/ijerph17124487

[2] Carozzi, F., Provenzano, S., & Roth, S. (2020). Urban density and COVID-19. IZA Institute of Labor Economics, 13440, 1–27. www.iza.org

[3]European Centre for Disease Prevention and Control. (2020). COVID-19 in children and the role of school settings in COVID-19 transmission. August, 31. https://www.ecdc.europa.eu/en/publications-data/children-and-school-settings-covid-19-transmission#no-link

[4] Walter, L. A., & McGregor, A. J. (2020). Sex- And gender-specific observations and implications for COVID-19. Western Journal of Emergency Medicine, 21(3), 507–509. https://doi.org/10.5811/westjem.2020.4.47536

[5]https://www.money.pl/gospodarka/kopalnie-wylegarnia-koronawirusa-ponad-66-tys-zakazonych-w-3-spolkach-6533789016266881a.html

 

Najnowsze artykuły

Z dumą informujemy, że na mapie MyAirly można znaleźć już dane o jakości powietrza z ponad 1400 stacji referencyjnych na terenie Chin. Mapę MyAirly można […]

Dane o jakości powietrza to dopiero początek. Prawdziwym wyzwaniem jest ich analiza i wyciągnięcie odpowiednich wniosków. W Airly tym zajmuje się nasz dział Data Science, […]

Analiza danych: Marcin Szwagrzyk Redakcja tekstu: Marcin Gnat Plaże województwa pomorskiego znalazły się w pierwszej “piątce” najczystszych regionów nadmorskich Europy Plaże Wysp Kanaryjskich, Malty i […]