{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3371102"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3371102","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μελέτη διασποράς μεταλλαγμένων στελεχών SARS-CoV-2","abstract":"Εισαγωγή: Τα τελευταία 3 χρόνια ολόκληρη η υφήλιος μαστίζεται από την πανδημία COVID-19 που προκαλείται από τον SARS-CoV-2, ένα νέο μέλους της οικογένειας των κορωνοϊών που πρωτοεμφανίστηκε τον Δεκέμβριο του 2019 στην Κίνα. Ο νέος ιός, χάρη και στην ευκολία των μετακινήσεων που έχει καταστήσει εφικτή η σύγχρονη τεχνολογία, εξαπλώθηκε ταχέως και έχει μέχρι τον Σεπτέμβριο του 2023 προκαλέσει 695.538.097 κρούσματα και 6.918.057 θανάτους σε 228 χώρες. Όπως σε κάθε επιδημία, και πολύ περισσότερο στην προκειμένη περίπτωση όπου αντιμετωπίζουμε ένα νέο ιό με ιδιαίτερα χαρακτηριστικά και σημαντικές επιπτώσεις στην δημόσια υγεία, χρειάζεται να αναλυθούν τα δυναμικά χαρακτηριστικά της επιδημίας προκειμένου να προβλεφθεί η εξέλιξή της, να ληφθούν κατάλληλα μέτρα περιορισμού της μετάδοσης και να αξιολογηθεί η αποτελεσματικότητά τους. Σκοπός: Στην παρούσα μελέτη ο στόχος ήταν να παρουσιάσουμε την εξέλιξη της πανδημίας μέσω των επιδημικών καμπυλών οι οποίες κατασκευάστηκαν ανά ήπειρο και να εκτιμήσουμε τον ενεργό αριθμό αναπαραγωγής με την μέθοδο των Cori και συν. ελέγχοντας κατά πόσον αυτός διαφέρει συναρτήσει της παραλλαγής ειδικού ενδιαφέροντος του ιού, του υποκείμενου πληθυσμού, των μέτρων περιορισμού που επιβάλλονται από τους δημόσιους φορείς και της εμβολιαστικής κάλυψης του πληθυσμού. Υλικό-Μέθοδος: Για την εκπόνηση της μελέτης χρησιμοποιήθηκαν δεδομένα που υπήρχαν διαθέσιμα στο διαδίκτυο, σχετικά με τις ημερήσιες καταγραφές των κρουσμάτων της νόσου Covid-19 σε διάφορες χώρες. Αρχικά, μεταφορτώθηκαν δεδομένα από την ιστοσελίδα του OWID τα οποία περιείχαν την ημερήσια καταγραφή των κρουσμάτων παγκοσμίως, ανά χώρα. Στη συνέχεια, ανατρέξαμε στην ιστοσελίδα GISAID όπου μπορεί κανείς να βρει στοιχεία για την κατανομή των παραλλαγών ειδικού ενδιαφέροντος του ιού και την χρονική αλληλουχία εμφάνισής τους. Με τα δεδομένα αυτά, τα οποία καλύπτουν το διάστημα από τον Αύγουστο του 2020 μέχρι τον Ιούνιο του 2022, κατασκευάστηκαν οι επιδημικές καμπύλες για τις παραλλαγές άλφα, βήτα, γάμμα, δέλτα και όμικρον ανά ήπειρο. Ακολούθως εκτιμήθηκε ο ενεργός αριθμός αναπαραγωγής με τρεις μεθόδους που αποδίδουν ημερήσιες τιμές διαχρονικά, και αφού έγινε σύγκριση με τη βοήθεια ενός μοντέλου γραμμικής παλινδρόμησης μεικτών επιδράσεων, τελικά επελέγη εκείνη των Cori και συν. καθώς έδινε, κατά μέσο όρο, αποτέλεσμα πιο κοντινό στα βιβλιογραφικά δεδομένα. Οι καμπύλες εκτίμησης του Rt στο σύνολο των κρουσμάτων της κάθε ηπείρου συγκρίθηκαν ανά δύο για να διαπιστωθεί ο βαθμός ομοιότητάς τους με εκτίμηση του συντελεστή συσχέτισης κατά Pearson και κατά Spearman, του μέσου απόλυτου ποσοστιαίου σφάλματος (mean absolute percentage error-MAPE) και με τη μέθοδο dynamic time warping (DTW). Παράλληλα καταγράφηκε ο βαθμός εντατικοποίησης των μέτρων περιορισμού της διασποράς του ιού που υιοθετούνται από τις κυβερνήσεις των διαφόρων κρατών, με τη μορφή του “δείκτη αυστηρότητας” (stringency index) στην πλέον πολυπληθή χώρα της κάθε ηπείρου, και ελήφθη η μέση τιμή αυτού για την περίοδο από την εμφάνιση της κάθε παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Επιπρόσθετα, συλλέξαμε δεδομένα σχετικά με το ποσοστό εμβολιασμένων και πλήρως εμβολιασμένων ατόμων σε ημερήσια βάση ανά ήπειρο και υπολογίσαμε και πάλι για κάθε παραλλαγή τη μέση τιμή του ποσοστού εμβολιασμού για την περίοδο από την εμφάνιση της παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Η τελική βάση δεδομένων περιείχε τον Rt, την παραλλαγή του ιού, την ήπειρο, την τιμή του δείκτη εντατικοποίησης, το ποσοστό εμβολιασμένων και το ποσοστό πλήρως εμβολιασμένων. Στη συνέχεια εφαρμόσθηκε γραμμική παλινδρόμηση με εξαρτημένη μεταβλητή την τιμή του Rt και ανεξάρτητες τις υπόλοιπες. Στην ανάλυση χρησιμοποιήθηκε το στατιστικό πρόγραμμα R/RStudio (έκδοση 4.2.1). Αποτελέσματα: Από την ανάλυση των διαθέσιμων δεδομένων φαίνεται ότι η διασπορά του ιού σε παγκόσμια κλίμακα έχει γίνει με παρόμοιο τρόπο και η διαχρονική εκτίμηση του αριθμού αναπαραγωγής ακολουθεί όμοια πορεία σε όλη την υφήλιο. Μετά τον έλεγχο των επιμέρους μοντέλων, από τις διαθέσιμες μεταβλητές μόνο η παραλλαγή του ιού εξηγούσε σχετικά επαρκώς τη μεταβλητότητα του Rt. Ο μέσος μέγιστος ενεργός αριθμός αναπαραγωγής για την παραλλαγή άλφα εκτιμήθηκε ίσος με 2,59. Για την βήτα 1,99, για την γάμμα 1,94, για την δέλτα 2,04 και για την όμικρον 3,68. Οι τιμές για τις βήτα, γάμμα και δέλτα δεν διαφέρουν σημαντικά μεταξύ τους, υπολείπονται όμως σε σύγκριση με τον αριθμό αναπαραγωγής της παραλλαγής άλφα. Η παραλλαγή όμικρον έχει στατιστικά σημαντικά υψηλότερο αριθμό αναπαραγωγής από τις υπόλοιπες. Συμπέρασμα: Η εξέλιξη της επιδημίας παρουσιάζει παγκοσμίως παρόμοιο πρότυπο, και ο μέγιστος ενεργός αριθμός αναπαραγωγής δεν διαφέρει μεταξύ των ηπείρων. Το επίπεδο αυστηρότητας των μέτρων περιορισμού, καθώς και το ποσοστό της εμβολιαστικής κάλυψης του πληυσμού δεν βρέθηκε να σχετίζεται με τον Rt. Η παραλλαγή όμικρον παρουσιάζει μακράν τον υψηλότερο αριθμό αναπαραγωγής από όλες τις προηγούμενες δείχνει να μην καλύπτεται επαρκώς από τις υπάρχουσες εμβολιαστικές επιλογές.","abstract_html":"Εισαγωγή: Τα τελευταία 3 χρόνια ολόκληρη η υφήλιος μαστίζεται από την πανδημία COVID-19 που προκαλείται από τον SARS-CoV-2, ένα νέο μέλους της οικογένειας των κορωνοϊών που πρωτοεμφανίστηκε τον Δεκέμβριο του 2019 στην Κίνα. Ο νέος ιός, χάρη και στην ευκολία των μετακινήσεων που έχει καταστήσει εφικτή η σύγχρονη τεχνολογία, εξαπλώθηκε ταχέως και έχει μέχρι τον Σεπτέμβριο του 2023 προκαλέσει 695.538.097 κρούσματα και 6.918.057 θανάτους σε 228 χώρες. Όπως σε κάθε επιδημία, και πολύ περισσότερο στην προκειμένη περίπτωση όπου αντιμετωπίζουμε ένα νέο ιό με ιδιαίτερα χαρακτηριστικά και σημαντικές επιπτώσεις στην δημόσια υγεία, χρειάζεται να αναλυθούν τα δυναμικά χαρακτηριστικά της επιδημίας προκειμένου να προβλεφθεί η εξέλιξή της, να ληφθούν κατάλληλα μέτρα περιορισμού της μετάδοσης και να αξιολογηθεί η αποτελεσματικότητά τους. Σκοπός: Στην παρούσα μελέτη ο στόχος ήταν να παρουσιάσουμε την εξέλιξη της πανδημίας μέσω των επιδημικών καμπυλών οι οποίες κατασκευάστηκαν ανά ήπειρο και να εκτιμήσουμε τον ενεργό αριθμό αναπαραγωγής με την μέθοδο των Cori και συν. ελέγχοντας κατά πόσον αυτός διαφέρει συναρτήσει της παραλλαγής ειδικού ενδιαφέροντος του ιού, του υποκείμενου πληθυσμού, των μέτρων περιορισμού που επιβάλλονται από τους δημόσιους φορείς και της εμβολιαστικής κάλυψης του πληθυσμού. Υλικό-Μέθοδος: Για την εκπόνηση της μελέτης χρησιμοποιήθηκαν δεδομένα που υπήρχαν διαθέσιμα στο διαδίκτυο, σχετικά με τις ημερήσιες καταγραφές των κρουσμάτων της νόσου Covid-19 σε διάφορες χώρες. Αρχικά, μεταφορτώθηκαν δεδομένα από την ιστοσελίδα του OWID τα οποία περιείχαν την ημερήσια καταγραφή των κρουσμάτων παγκοσμίως, ανά χώρα. Στη συνέχεια, ανατρέξαμε στην ιστοσελίδα GISAID όπου μπορεί κανείς να βρει στοιχεία για την κατανομή των παραλλαγών ειδικού ενδιαφέροντος του ιού και την χρονική αλληλουχία εμφάνισής τους. Με τα δεδομένα αυτά, τα οποία καλύπτουν το διάστημα από τον Αύγουστο του 2020 μέχρι τον Ιούνιο του 2022, κατασκευάστηκαν οι επιδημικές καμπύλες για τις παραλλαγές άλφα, βήτα, γάμμα, δέλτα και όμικρον ανά ήπειρο. Ακολούθως εκτιμήθηκε ο ενεργός αριθμός αναπαραγωγής με τρεις μεθόδους που αποδίδουν ημερήσιες τιμές διαχρονικά, και αφού έγινε σύγκριση με τη βοήθεια ενός μοντέλου γραμμικής παλινδρόμησης μεικτών επιδράσεων, τελικά επελέγη εκείνη των Cori και συν. καθώς έδινε, κατά μέσο όρο, αποτέλεσμα πιο κοντινό στα βιβλιογραφικά δεδομένα. Οι καμπύλες εκτίμησης του Rt στο σύνολο των κρουσμάτων της κάθε ηπείρου συγκρίθηκαν ανά δύο για να διαπιστωθεί ο βαθμός ομοιότητάς τους με εκτίμηση του συντελεστή συσχέτισης κατά Pearson και κατά Spearman, του μέσου απόλυτου ποσοστιαίου σφάλματος (mean absolute percentage error-MAPE) και με τη μέθοδο dynamic time warping (DTW). Παράλληλα καταγράφηκε ο βαθμός εντατικοποίησης των μέτρων περιορισμού της διασποράς του ιού που υιοθετούνται από τις κυβερνήσεις των διαφόρων κρατών, με τη μορφή του “δείκτη αυστηρότητας” (stringency index) στην πλέον πολυπληθή χώρα της κάθε ηπείρου, και ελήφθη η μέση τιμή αυτού για την περίοδο από την εμφάνιση της κάθε παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Επιπρόσθετα, συλλέξαμε δεδομένα σχετικά με το ποσοστό εμβολιασμένων και πλήρως εμβολιασμένων ατόμων σε ημερήσια βάση ανά ήπειρο και υπολογίσαμε και πάλι για κάθε παραλλαγή τη μέση τιμή του ποσοστού εμβολιασμού για την περίοδο από την εμφάνιση της παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Η τελική βάση δεδομένων περιείχε τον Rt, την παραλλαγή του ιού, την ήπειρο, την τιμή του δείκτη εντατικοποίησης, το ποσοστό εμβολιασμένων και το ποσοστό πλήρως εμβολιασμένων. Στη συνέχεια εφαρμόσθηκε γραμμική παλινδρόμηση με εξαρτημένη μεταβλητή την τιμή του Rt και ανεξάρτητες τις υπόλοιπες. Στην ανάλυση χρησιμοποιήθηκε το στατιστικό πρόγραμμα R/RStudio (έκδοση 4.2.1). Αποτελέσματα: Από την ανάλυση των διαθέσιμων δεδομένων φαίνεται ότι η διασπορά του ιού σε παγκόσμια κλίμακα έχει γίνει με παρόμοιο τρόπο και η διαχρονική εκτίμηση του αριθμού αναπαραγωγής ακολουθεί όμοια πορεία σε όλη την υφήλιο. Μετά τον έλεγχο των επιμέρους μοντέλων, από τις διαθέσιμες μεταβλητές μόνο η παραλλαγή του ιού εξηγούσε σχετικά επαρκώς τη μεταβλητότητα του Rt. Ο μέσος μέγιστος ενεργός αριθμός αναπαραγωγής για την παραλλαγή άλφα εκτιμήθηκε ίσος με 2,59. Για την βήτα 1,99, για την γάμμα 1,94, για την δέλτα 2,04 και για την όμικρον 3,68. Οι τιμές για τις βήτα, γάμμα και δέλτα δεν διαφέρουν σημαντικά μεταξύ τους, υπολείπονται όμως σε σύγκριση με τον αριθμό αναπαραγωγής της παραλλαγής άλφα. Η παραλλαγή όμικρον έχει στατιστικά σημαντικά υψηλότερο αριθμό αναπαραγωγής από τις υπόλοιπες. Συμπέρασμα: Η εξέλιξη της επιδημίας παρουσιάζει παγκοσμίως παρόμοιο πρότυπο, και ο μέγιστος ενεργός αριθμός αναπαραγωγής δεν διαφέρει μεταξύ των ηπείρων. Το επίπεδο αυστηρότητας των μέτρων περιορισμού, καθώς και το ποσοστό της εμβολιαστικής κάλυψης του πληυσμού δεν βρέθηκε να σχετίζεται με τον Rt. Η παραλλαγή όμικρον παρουσιάζει μακράν τον υψηλότερο αριθμό αναπαραγωγής από όλες τις προηγούμενες δείχνει να μην καλύπτεται επαρκώς από τις υπάρχουσες εμβολιαστικές επιλογές.","abstract_has_math":false,"creators":["Άννινος Έκτωρ","Anninos Ektor"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:27:09Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3371102"],"render_values":[{"text":"uoadl:3371102","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3371102","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3371102","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3371102","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Άννινος Έκτωρ","Anninos Ektor"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3371102","https://pergamos.lib.uoa.gr/uoa/dl/object/3371102"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Εισαγωγή: Τα τελευταία 3 χρόνια ολόκληρη η υφήλιος μαστίζεται από την πανδημία COVID-19 που προκαλείται από τον SARS-CoV-2, ένα νέο μέλους της οικογένειας των κορωνοϊών που πρωτοεμφανίστηκε τον Δεκέμβριο του 2019 στην Κίνα. Ο νέος ιός, χάρη και στην ευκολία των μετακινήσεων που έχει καταστήσει εφικτή η σύγχρονη τεχνολογία, εξαπλώθηκε ταχέως και έχει μέχρι τον Σεπτέμβριο του 2023 προκαλέσει 695.538.097 κρούσματα και 6.918.057 θανάτους σε 228 χώρες. Όπως σε κάθε επιδημία, και πολύ περισσότερο στην προκειμένη περίπτωση όπου αντιμετωπίζουμε ένα νέο ιό με ιδιαίτερα χαρακτηριστικά και σημαντικές επιπτώσεις στην δημόσια υγεία, χρειάζεται να αναλυθούν τα δυναμικά χαρακτηριστικά της επιδημίας προκειμένου να προβλεφθεί η εξέλιξή της, να ληφθούν κατάλληλα μέτρα περιορισμού της μετάδοσης και να αξιολογηθεί η αποτελεσματικότητά τους. Σκοπός: Στην παρούσα μελέτη ο στόχος ήταν να παρουσιάσουμε την εξέλιξη της πανδημίας μέσω των επιδημικών καμπυλών οι οποίες κατασκευάστηκαν ανά ήπειρο και να εκτιμήσουμε τον ενεργό αριθμό αναπαραγωγής με την μέθοδο των Cori και συν. ελέγχοντας κατά πόσον αυτός διαφέρει συναρτήσει της παραλλαγής ειδικού ενδιαφέροντος του ιού, του υποκείμενου πληθυσμού, των μέτρων περιορισμού που επιβάλλονται από τους δημόσιους φορείς και της εμβολιαστικής κάλυψης του πληθυσμού. Υλικό-Μέθοδος: Για την εκπόνηση της μελέτης χρησιμοποιήθηκαν δεδομένα που υπήρχαν διαθέσιμα στο διαδίκτυο, σχετικά με τις ημερήσιες καταγραφές των κρουσμάτων της νόσου Covid-19 σε διάφορες χώρες. Αρχικά, μεταφορτώθηκαν δεδομένα από την ιστοσελίδα του OWID τα οποία περιείχαν την ημερήσια καταγραφή των κρουσμάτων παγκοσμίως, ανά χώρα. Στη συνέχεια, ανατρέξαμε στην ιστοσελίδα GISAID όπου μπορεί κανείς να βρει στοιχεία για την κατανομή των παραλλαγών ειδικού ενδιαφέροντος του ιού και την χρονική αλληλουχία εμφάνισής τους. Με τα δεδομένα αυτά, τα οποία καλύπτουν το διάστημα από τον Αύγουστο του 2020 μέχρι τον Ιούνιο του 2022, κατασκευάστηκαν οι επιδημικές καμπύλες για τις παραλλαγές άλφα, βήτα, γάμμα, δέλτα και όμικρον ανά ήπειρο. Ακολούθως εκτιμήθηκε ο ενεργός αριθμός αναπαραγωγής με τρεις μεθόδους που αποδίδουν ημερήσιες τιμές διαχρονικά, και αφού έγινε σύγκριση με τη βοήθεια ενός μοντέλου γραμμικής παλινδρόμησης μεικτών επιδράσεων, τελικά επελέγη εκείνη των Cori και συν. καθώς έδινε, κατά μέσο όρο, αποτέλεσμα πιο κοντινό στα βιβλιογραφικά δεδομένα. Οι καμπύλες εκτίμησης του Rt στο σύνολο των κρουσμάτων της κάθε ηπείρου συγκρίθηκαν ανά δύο για να διαπιστωθεί ο βαθμός ομοιότητάς τους με εκτίμηση του συντελεστή συσχέτισης κατά Pearson και κατά Spearman, του μέσου απόλυτου ποσοστιαίου σφάλματος (mean absolute percentage error-MAPE) και με τη μέθοδο dynamic time warping (DTW). Παράλληλα καταγράφηκε ο βαθμός εντατικοποίησης των μέτρων περιορισμού της διασποράς του ιού που υιοθετούνται από τις κυβερνήσεις των διαφόρων κρατών, με τη μορφή του “δείκτη αυστηρότητας” (stringency index) στην πλέον πολυπληθή χώρα της κάθε ηπείρου, και ελήφθη η μέση τιμή αυτού για την περίοδο από την εμφάνιση της κάθε παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Επιπρόσθετα, συλλέξαμε δεδομένα σχετικά με το ποσοστό εμβολιασμένων και πλήρως εμβολιασμένων ατόμων σε ημερήσια βάση ανά ήπειρο και υπολογίσαμε και πάλι για κάθε παραλλαγή τη μέση τιμή του ποσοστού εμβολιασμού για την περίοδο από την εμφάνιση της παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Η τελική βάση δεδομένων περιείχε τον Rt, την παραλλαγή του ιού, την ήπειρο, την τιμή του δείκτη εντατικοποίησης, το ποσοστό εμβολιασμένων και το ποσοστό πλήρως εμβολιασμένων. Στη συνέχεια εφαρμόσθηκε γραμμική παλινδρόμηση με εξαρτημένη μεταβλητή την τιμή του Rt και ανεξάρτητες τις υπόλοιπες. Στην ανάλυση χρησιμοποιήθηκε το στατιστικό πρόγραμμα R/RStudio (έκδοση 4.2.1). Αποτελέσματα: Από την ανάλυση των διαθέσιμων δεδομένων φαίνεται ότι η διασπορά του ιού σε παγκόσμια κλίμακα έχει γίνει με παρόμοιο τρόπο και η διαχρονική εκτίμηση του αριθμού αναπαραγωγής ακολουθεί όμοια πορεία σε όλη την υφήλιο. Μετά τον έλεγχο των επιμέρους μοντέλων, από τις διαθέσιμες μεταβλητές μόνο η παραλλαγή του ιού εξηγούσε σχετικά επαρκώς τη μεταβλητότητα του Rt. Ο μέσος μέγιστος ενεργός αριθμός αναπαραγωγής για την παραλλαγή άλφα εκτιμήθηκε ίσος με 2,59. Για την βήτα 1,99, για την γάμμα 1,94, για την δέλτα 2,04 και για την όμικρον 3,68. Οι τιμές για τις βήτα, γάμμα και δέλτα δεν διαφέρουν σημαντικά μεταξύ τους, υπολείπονται όμως σε σύγκριση με τον αριθμό αναπαραγωγής της παραλλαγής άλφα. Η παραλλαγή όμικρον έχει στατιστικά σημαντικά υψηλότερο αριθμό αναπαραγωγής από τις υπόλοιπες. Συμπέρασμα: Η εξέλιξη της επιδημίας παρουσιάζει παγκοσμίως παρόμοιο πρότυπο, και ο μέγιστος ενεργός αριθμός αναπαραγωγής δεν διαφέρει μεταξύ των ηπείρων. Το επίπεδο αυστηρότητας των μέτρων περιορισμού, καθώς και το ποσοστό της εμβολιαστικής κάλυψης του πληυσμού δεν βρέθηκε να σχετίζεται με τον Rt. Η παραλλαγή όμικρον παρουσιάζει μακράν τον υψηλότερο αριθμό αναπαραγωγής από όλες τις προηγούμενες δείχνει να μην καλύπτεται επαρκώς από τις υπάρχουσες εμβολιαστικές επιλογές.","Introduction: In the last three years a new member of the corona-viridae, SARS-CoV-2, emerging from China in December 2019 has spread around the globe causing a pandemic which involves 228 countries and is responsible for more than 695,000,000 infections and 6.9 million deaths. As in every epidemic the dynamic characteristics of the virus transmission and behavior need to be analyzed in order to better predict the progression of the disease, to endorse restricting measures and therapeutic interventions, and to assess their efficacy. Aim: The aim of this study was to present the evolution of the pandemic through the construction of the epidemic curves by continent, to estimate the effective reproductive number (Rt) and to investigate its dependency on the virus variant of concern (VOC), the different continent, the restriction measures and the vaccination coverage. Materials and Method: All data used were available on the internet. OWID webpage provided the daily counts of new cases in every country. From the GISAID database we extracted information regarding the percentage and distribution of the virus variants, continent-wise. We then constructed the epidemic curves for variants alpha, beta, gamma, delta and omicron for every continent, for the period from August 2020 until June 2022. The effective reproductive number was estimated using three time-dependent methods which were compared using a mixed effects model. The method of Cori et al. was chosen for the remaining analysis because its results were closer to the literature. Continent-wise Rt estimation time series based on the total cases (all variants) were compared one vs one by calculation the Pearson and Spearman correlation coefficient, mean absolute percentage error-MAPE and normalized distance obtained by the dynamic time warping (DTW) method. Furthermore, the stringency index of the largest country of every continent was recorded, and its average value for the time window from the first appearance of each variant up to the date of the largest estimated Rt was calculated. Vaccination percentage per continent was also obtained and the same as before average value was used. The final database contained the variables Rt, VOC, continent, stringency index, percentage of vaccinated people and percentage of fully vaccinated people. A linear regression was employed to detect the effect the five last variables could have on Rt. The analysis was performed on R/RStudio (ed. 4.2.1) statistical tool. Results: SARS-CoV-2 is spread in a similar manner globally and the estimation of time-dependent reproduction number does not differ significantly between continents.The only variable that explained partially the variability of Rtwas the VOC. The mean maximum Rt for variant alpha was estimated at 2,59, for beta at 1,99, for gamma at 1,94, for delta at 2,04 and for omicron at 3,68. Variants beta, gamma and delta had similar Rts, significantly lower than alpha. Omicron variant showed Rt values much higher than all previous variants. Conclusion: The progression of the pandemic showed a similar pattern worldwide, without any notable difference with regard to the geographical location. Maximum Rt did not differ among the continents. Stringency index and vaccination coverage were not found to be correlated with Rt. Omicron variant has by far the largest Rt and evidence suggest that it evades the current vaccination capabilities."]},{"key":"dc:title","label":"Title","values":["Μελέτη διασποράς μεταλλαγμένων στελεχών SARS-CoV-2"]}]}],"canonical_facts":{"dc:creator":["Άννινος Έκτωρ","Anninos Ektor"],"dc:date":["2023"],"dc:description":["Εισαγωγή: Τα τελευταία 3 χρόνια ολόκληρη η υφήλιος μαστίζεται από την πανδημία COVID-19 που προκαλείται από τον SARS-CoV-2, ένα νέο μέλους της οικογένειας των κορωνοϊών που πρωτοεμφανίστηκε τον Δεκέμβριο του 2019 στην Κίνα. Ο νέος ιός, χάρη και στην ευκολία των μετακινήσεων που έχει καταστήσει εφικτή η σύγχρονη τεχνολογία, εξαπλώθηκε ταχέως και έχει μέχρι τον Σεπτέμβριο του 2023 προκαλέσει 695.538.097 κρούσματα και 6.918.057 θανάτους σε 228 χώρες. Όπως σε κάθε επιδημία, και πολύ περισσότερο στην προκειμένη περίπτωση όπου αντιμετωπίζουμε ένα νέο ιό με ιδιαίτερα χαρακτηριστικά και σημαντικές επιπτώσεις στην δημόσια υγεία, χρειάζεται να αναλυθούν τα δυναμικά χαρακτηριστικά της επιδημίας προκειμένου να προβλεφθεί η εξέλιξή της, να ληφθούν κατάλληλα μέτρα περιορισμού της μετάδοσης και να αξιολογηθεί η αποτελεσματικότητά τους. Σκοπός: Στην παρούσα μελέτη ο στόχος ήταν να παρουσιάσουμε την εξέλιξη της πανδημίας μέσω των επιδημικών καμπυλών οι οποίες κατασκευάστηκαν ανά ήπειρο και να εκτιμήσουμε τον ενεργό αριθμό αναπαραγωγής με την μέθοδο των Cori και συν. ελέγχοντας κατά πόσον αυτός διαφέρει συναρτήσει της παραλλαγής ειδικού ενδιαφέροντος του ιού, του υποκείμενου πληθυσμού, των μέτρων περιορισμού που επιβάλλονται από τους δημόσιους φορείς και της εμβολιαστικής κάλυψης του πληθυσμού. Υλικό-Μέθοδος: Για την εκπόνηση της μελέτης χρησιμοποιήθηκαν δεδομένα που υπήρχαν διαθέσιμα στο διαδίκτυο, σχετικά με τις ημερήσιες καταγραφές των κρουσμάτων της νόσου Covid-19 σε διάφορες χώρες. Αρχικά, μεταφορτώθηκαν δεδομένα από την ιστοσελίδα του OWID τα οποία περιείχαν την ημερήσια καταγραφή των κρουσμάτων παγκοσμίως, ανά χώρα. Στη συνέχεια, ανατρέξαμε στην ιστοσελίδα GISAID όπου μπορεί κανείς να βρει στοιχεία για την κατανομή των παραλλαγών ειδικού ενδιαφέροντος του ιού και την χρονική αλληλουχία εμφάνισής τους. Με τα δεδομένα αυτά, τα οποία καλύπτουν το διάστημα από τον Αύγουστο του 2020 μέχρι τον Ιούνιο του 2022, κατασκευάστηκαν οι επιδημικές καμπύλες για τις παραλλαγές άλφα, βήτα, γάμμα, δέλτα και όμικρον ανά ήπειρο. Ακολούθως εκτιμήθηκε ο ενεργός αριθμός αναπαραγωγής με τρεις μεθόδους που αποδίδουν ημερήσιες τιμές διαχρονικά, και αφού έγινε σύγκριση με τη βοήθεια ενός μοντέλου γραμμικής παλινδρόμησης μεικτών επιδράσεων, τελικά επελέγη εκείνη των Cori και συν. καθώς έδινε, κατά μέσο όρο, αποτέλεσμα πιο κοντινό στα βιβλιογραφικά δεδομένα. Οι καμπύλες εκτίμησης του Rt στο σύνολο των κρουσμάτων της κάθε ηπείρου συγκρίθηκαν ανά δύο για να διαπιστωθεί ο βαθμός ομοιότητάς τους με εκτίμηση του συντελεστή συσχέτισης κατά Pearson και κατά Spearman, του μέσου απόλυτου ποσοστιαίου σφάλματος (mean absolute percentage error-MAPE) και με τη μέθοδο dynamic time warping (DTW). Παράλληλα καταγράφηκε ο βαθμός εντατικοποίησης των μέτρων περιορισμού της διασποράς του ιού που υιοθετούνται από τις κυβερνήσεις των διαφόρων κρατών, με τη μορφή του “δείκτη αυστηρότητας” (stringency index) στην πλέον πολυπληθή χώρα της κάθε ηπείρου, και ελήφθη η μέση τιμή αυτού για την περίοδο από την εμφάνιση της κάθε παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Επιπρόσθετα, συλλέξαμε δεδομένα σχετικά με το ποσοστό εμβολιασμένων και πλήρως εμβολιασμένων ατόμων σε ημερήσια βάση ανά ήπειρο και υπολογίσαμε και πάλι για κάθε παραλλαγή τη μέση τιμή του ποσοστού εμβολιασμού για την περίοδο από την εμφάνιση της παραλλαγής μέχρι τη χρονική στιγμή του μέγιστου αριθμού αναπαραγωγής της. Η τελική βάση δεδομένων περιείχε τον Rt, την παραλλαγή του ιού, την ήπειρο, την τιμή του δείκτη εντατικοποίησης, το ποσοστό εμβολιασμένων και το ποσοστό πλήρως εμβολιασμένων. Στη συνέχεια εφαρμόσθηκε γραμμική παλινδρόμηση με εξαρτημένη μεταβλητή την τιμή του Rt και ανεξάρτητες τις υπόλοιπες. Στην ανάλυση χρησιμοποιήθηκε το στατιστικό πρόγραμμα R/RStudio (έκδοση 4.2.1). Αποτελέσματα: Από την ανάλυση των διαθέσιμων δεδομένων φαίνεται ότι η διασπορά του ιού σε παγκόσμια κλίμακα έχει γίνει με παρόμοιο τρόπο και η διαχρονική εκτίμηση του αριθμού αναπαραγωγής ακολουθεί όμοια πορεία σε όλη την υφήλιο. Μετά τον έλεγχο των επιμέρους μοντέλων, από τις διαθέσιμες μεταβλητές μόνο η παραλλαγή του ιού εξηγούσε σχετικά επαρκώς τη μεταβλητότητα του Rt. Ο μέσος μέγιστος ενεργός αριθμός αναπαραγωγής για την παραλλαγή άλφα εκτιμήθηκε ίσος με 2,59. Για την βήτα 1,99, για την γάμμα 1,94, για την δέλτα 2,04 και για την όμικρον 3,68. Οι τιμές για τις βήτα, γάμμα και δέλτα δεν διαφέρουν σημαντικά μεταξύ τους, υπολείπονται όμως σε σύγκριση με τον αριθμό αναπαραγωγής της παραλλαγής άλφα. Η παραλλαγή όμικρον έχει στατιστικά σημαντικά υψηλότερο αριθμό αναπαραγωγής από τις υπόλοιπες. Συμπέρασμα: Η εξέλιξη της επιδημίας παρουσιάζει παγκοσμίως παρόμοιο πρότυπο, και ο μέγιστος ενεργός αριθμός αναπαραγωγής δεν διαφέρει μεταξύ των ηπείρων. Το επίπεδο αυστηρότητας των μέτρων περιορισμού, καθώς και το ποσοστό της εμβολιαστικής κάλυψης του πληυσμού δεν βρέθηκε να σχετίζεται με τον Rt. Η παραλλαγή όμικρον παρουσιάζει μακράν τον υψηλότερο αριθμό αναπαραγωγής από όλες τις προηγούμενες δείχνει να μην καλύπτεται επαρκώς από τις υπάρχουσες εμβολιαστικές επιλογές.","Introduction: In the last three years a new member of the corona-viridae, SARS-CoV-2, emerging from China in December 2019 has spread around the globe causing a pandemic which involves 228 countries and is responsible for more than 695,000,000 infections and 6.9 million deaths. As in every epidemic the dynamic characteristics of the virus transmission and behavior need to be analyzed in order to better predict the progression of the disease, to endorse restricting measures and therapeutic interventions, and to assess their efficacy. Aim: The aim of this study was to present the evolution of the pandemic through the construction of the epidemic curves by continent, to estimate the effective reproductive number (Rt) and to investigate its dependency on the virus variant of concern (VOC), the different continent, the restriction measures and the vaccination coverage. Materials and Method: All data used were available on the internet. OWID webpage provided the daily counts of new cases in every country. From the GISAID database we extracted information regarding the percentage and distribution of the virus variants, continent-wise. We then constructed the epidemic curves for variants alpha, beta, gamma, delta and omicron for every continent, for the period from August 2020 until June 2022. The effective reproductive number was estimated using three time-dependent methods which were compared using a mixed effects model. The method of Cori et al. was chosen for the remaining analysis because its results were closer to the literature. Continent-wise Rt estimation time series based on the total cases (all variants) were compared one vs one by calculation the Pearson and Spearman correlation coefficient, mean absolute percentage error-MAPE and normalized distance obtained by the dynamic time warping (DTW) method. Furthermore, the stringency index of the largest country of every continent was recorded, and its average value for the time window from the first appearance of each variant up to the date of the largest estimated Rt was calculated. Vaccination percentage per continent was also obtained and the same as before average value was used. The final database contained the variables Rt, VOC, continent, stringency index, percentage of vaccinated people and percentage of fully vaccinated people. A linear regression was employed to detect the effect the five last variables could have on Rt. The analysis was performed on R/RStudio (ed. 4.2.1) statistical tool. Results: SARS-CoV-2 is spread in a similar manner globally and the estimation of time-dependent reproduction number does not differ significantly between continents.The only variable that explained partially the variability of Rtwas the VOC. The mean maximum Rt for variant alpha was estimated at 2,59, for beta at 1,99, for gamma at 1,94, for delta at 2,04 and for omicron at 3,68. Variants beta, gamma and delta had similar Rts, significantly lower than alpha. Omicron variant showed Rt values much higher than all previous variants. Conclusion: The progression of the pandemic showed a similar pattern worldwide, without any notable difference with regard to the geographical location. Maximum Rt did not differ among the continents. Stringency index and vaccination coverage were not found to be correlated with Rt. Omicron variant has by far the largest Rt and evidence suggest that it evades the current vaccination capabilities."],"dc:identifier":["uoadl:3371102","https://pergamos.lib.uoa.gr/uoa/dl/object/3371102"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Μελέτη διασποράς μεταλλαγμένων στελεχών SARS-CoV-2"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:27:09Z"}