Экономическое бремя новой коронавирусной инфекции: систематический обзор

ВВЕДЕНИЕ / INTRODUCTION

Одним из наиболее сильных потрясений XXI в. является объявленная 11 марта 2020 г. Всемирной организацией здравоохранения (ВОЗ) пандемия COVID-19. Согласно исследованиям ВОЗ по состоянию на 22 мая 2022 г. во всем мире было зарегистрировано более 522 млн подтвержденных случаев заболевания и более 6 млн случаев смерти [1]. Широкое распространение инфекции потребовало колоссальных преобразований в системах здравоохранения всех стран мира. Одновременно оно отразилось как на обыденной жизни людей, так и на показателях социально-экономического развития. В связи с этим исследование экономического бремени новой коронавирусной инфекции (НКИ) имеет особую актуальность.

Сохранение значимости такого исследования даже в условиях некоторого снижения заболеваемости определяется множеством факторов, среди которых следует выделить два. Во-первых, само возникновение эпидемии и ее хронология характеризовались очень высокой изменчивостью и неопределенностью, что требовало составления в короткие сроки наиболее вероятных прогнозов распространения инфицирования в целях формирования управленческих решений [2]. Учитывая скорость, с которой вирус видоизменялся (мутировал), остается высокая неопределенность относительно перспектив развития НКИ и в будущем. Кроме того, существуют риски появления и других вирусных инфекций со схожей вирулентностью. Поэтому накопленные на текущий момент материалы требуют систематизации и критического переосмысления произошедшего. Во-вторых, продолжается разработка новых вакцин, средств и подходов к лечению, в т.ч. связанных с проявлениями осложнений после перенесенной инфекции, поэтому возникает необходимость в обосновании внедрения новых методов лечения.

Неопределенность в отношении выбора тактики лечения, методов защиты от инфекции в условиях ограниченных ресурсов подчеркивает важность формальных оценок их потенциальной ценности. Одним из подходов, который активно применяется в мире для снятия возникающих вопросов, является оценка бремени болезни, выражаемая, в частности, в количестве потерянных лет, скорректированных на их качество (англ. quality-adjusted life years, QALY), а также в учете ухудшения состояния здоровья, инвалидности или ранней смерти (англ. disability-adjusted life years, DALY) [3][4].

Данный подход, несмотря на сомнения в его этичности [5], позволяет перевести рассуждения в плоскость максимального спасения числа лет жизни и, более того, поднимает проблему важности сохранения качества лет жизни. В его рамках могут рассматриваться не отдельные методы и средства лечения, а их сочетания, что дает возможность сформировать различные стратегии, включающие одновременно как медицинские, так и немедицинские методы вмешательства. Кроме того, снимается неопределенность в отношении групп населения, которым должно быть предоставлено первоочередное лечение в целях достижения максимального эффекта для жизни и здоровья всего населения (например, приоритетность медицинского персонала [6]) или для которых может быть применено другое сочетание методов предотвращения инфицирования (например, относительно закрытые общности в домах престарелых [7] и кампусах образовательных организаций [8][9]).

Таким образом, в условиях ограниченных ресурсов и времени рассматриваемый подход позволяет сформировать управленческие решения в отношении НКИ, что актуализирует его изучение.

Цель – систематизация опубликованных исследований, посвященных оценке глобального экономического бремени новой коронавирусной инфекции, и выявление направлений их развития.

МАТЕРИАЛ И МЕТОДЫ / MATERIAL AND METHODS

Отбор публикаций / Selection of publications

Мы провели систематический обзор статей, содержащихся в международных базах научной литературы PubMed/MEDLINE, Scopus и Web of Science, а также российской базе eLibrary. Синтаксис поиска был построен так, чтобы выделить статьи, содержащие оценку глобального экономического бремени НКИ. Фактически, при отборе было задано условие: обязательное присутствие в названии статьи и/или аннотации и/или ключевых словах терминов «коронавирус» ("coronavirus") и/или «ковид» ("covid"), а также "QALY (quality-adjusted life year)" и/или "DALY (disability-adjusted life year)". Другим ограничением отбора была дата публикации статьи: с января 2020 г. по май 2022 г. включительно.

Полный текст статьи искали по ссылке, размещенной в базе данных, или по цифровому идентификатору DOI. В связи с решением о максимальной открытости данных о COVID-19, принятым большинством издательств, все публикации находились в свободном доступе. Поиск не ограничивался определенными странами или видами вмешательства. На первом этапе исключались только дублирования. Неопубликованные, но предварительно размещенные принятые к печати статьи не исключались из выборки, поскольку была поставлена цель максимального охвата складывающихся исследовательских тенденций. Данный вариант отбора, несмотря на то что 1 статья не имела аннотации, а 26 – ключевых слов, позволил сформировать выборку из 136 публикаций (рис. 1). Следует отметить, что запросы оформлялись только на русском и английском языках, что допускает существование неучтенных работ, изданных на других языках (например, японском, китайском и т.д.).

Последующий анализ предполагал независимую друг от друга работу двух соисследователей с привлечением третьего в случае отсутствия согласованности результатов. Отбор осуществляли исходя из соответствия содержания статьи поставленной в рамках поискового запроса задаче, а именно вывлению статей, в которых проведена количественная оценка QALY и/или DALY непосредственно COVID-19. В частности, к первой группе работ, исключенных на данном этапе, относятся статьи, в которых не проводилась количественная оценка бремени болезни. Это 2 публикации с систематическим обзором, 5 – с обсуждением этичности применения подхода, 8 – с описанием методических вопросов, в т.ч. протоколов возможных исследований. Во второй группе отклоненных публикаций предусмотрена оценка QALY и/или DALY, но не НКИ (всего 37 статей). Как правило, в таких работах текущая эпидемия рассматривается как период, в который проявилось изменение экономического бремени по другим болезням, в т.ч. на фоне более высокого потребления алкогольной и опиоидной продукции (2), снижения загрязнения воздуха в условиях локдауна (4), вынужденного откладывания операции/вакцинации (11), внедрения новых технологий дистанционного взаимодействия с пациентами (3) и т.д.

Ключевым фактором при рассмотрении исследований, учитывающих наряду с COVID-19 и другие заболевания, являлось понимание того, для какой болезни бремя оценивалось в первую очередь. Исключали работы, оценивающие бремя другого заболевания, отягощенного COVID-19, т.к. фактически рассчитывался QALY и/или DALY другой болезни. Для дальнейшего обзора оставляли статьи, в которых сравнивалось бремя другого заболевания с оцениваемым бременем болезни по НКИ [10][11] или бремя болезни по COVID-19, отягощенному другим заболеванием [12].

Далее в ходе более глубокого анализа работ были исключены еще 4 публикации, использующие значение QALY и/или DALY, взятое из другого источника (т.е. авторами оно не рассчитывалось и, соответственно, в таких статьях не содержится информации о параметрах, недостатках и сложностях, возникших при его расчете).

Анализ публикаций / Analysis of publications

Дальнейшее извлечение данных было разделено между двумя соавторами, при этом 10% извлечений были продублированы для проверки их согласованности. При необходимости статьи анализировали повторно. Любые несоответствия решались через консенсусные обсуждения. Извлечение данных осуществляли по заданной форме с выделением следующих элементов из каждой статьи:

• дата публикации, дата подачи статьи на рассмотрение или ее принятия;
• ключевые слова (при наличии);
• объект и предмет анализа, с выделением ключевой особенности (вид вмешательства, группа населения, период и пр.) данного исследования;
• география исследования (страна/район, для которых проводились оценки);
• используемые данные (метаанализ, базы данных или специально отобранные данные; отдельно отмечалось использование данных ВОЗ, других международных или национальных баз);
• использование результатов опросов, в т.ч. с выделением статей, в которых применялись собственные опросы, а также опросы, основанные на типовых анкетах, широко используемых во всем мире в клинических испытаниях;
• используемый метод оценки (QALY и/или DALY);
• наличие оценок инкрементального коэффициента эффективности затрат (англ. incremental cost-effectiveness ratio, ICER);
• дополнительно применяемый математический инструмент (дерево решений, модели Маркова, алгоритмы эпидимиологических моделей семейства SIR (англ. susceptible, infected, or recovered и др.);
• включение анализа затрат, в т.ч. выделение типа анализа (оценка эффективности затрат, анализ содержания и структуры затрат, минимизация/оптимизация затрат) и вида учитываемых затрат (прямые, косвенные);
• включение оценок потерь производительности в рамках концепции развития человеческого капитала;
• включение расчета потери лет жизни в результате постковидных осложнений или расходов на программы реабилитации после перенесенной инфекции;
• включение поправки на сопутствующие заболевания (коморбидность);
• учет в оценках вакцинации населения;
• наличие анализа чувствительности оценок;
• присутствие оценок влияния потерь на развитие территории, в т.ч. снижение валового внутреннего продукта;
• раскрытие ограничений и недостатков построенных моделей и проведенных расчетов;
• наличие финансирования исследования, в т.ч. по видам (государственные и межгосударственные организации, университеты и академические организации, профессиональные членские организации, фармацевтические и медицинские компании, организации здравоохранения, другие фонды).

С целью выделения тенденций в развитии подходов к анализу экономического бремени НКИ особое внимание обращали на выделяемые авторами недостатки исследований и периодизацию публикаций.

Первое направление опиралось на существующую практику указания недостатков проведенных авторами исследований, которые в перспективе они хотели бы изменить в целях развития научного подхода. Из отобранных 80 публикаций недостатки не отмечены только в 7 работах. В рамках текущего исследования данные ограничения были структурированы в разрезе отдельных методологических вопросов, что позволило выделить дальнейшие направления их совершенствования.

Важность периодизации исследований определяется необходимостью определения трендов, а также отсечения неактуальных направлений анализа. Принимая во внимание различное время рассмотрения статей в разных журналах, учитывали дату подачи статьи на рассмотрение. Только в 60 работах была указана дата подачи материала. Самый короткий срок между подачей и публикацией статьи составил 17 дней [13], самый длинный – 343 дня [14][15]. Средний срок рассмотрения составил 116 дней. На основе этого показателя была дорассчитана дата подачи для остальных 20 работ.

РЕЗУЛЬТАТЫ / RESULTS

Среди 80 статей, включенных в итоговую выборку, 70 содержатся в базе PubMed/MEDLINE, 50 – в Web of Science, 55 – в Scopus, 13 – в eLibrary (11 работ фактически присутствуют во всех четырех базах). Среди них только 1 публикация на русском языке [16]. Несмотря на то что в анализ вошли только статьи, опубликованные на английском и русском языках, исследования охватывают довольное большое число стран (табл. 1).

Самый большой географический охват предусматривает оценку количества лет, прожитых с инвалидностью, для 45 стран европейского континента, включая Россию [17]. В данной работе приводятся оценки, опирающиеся на первые свидетельства о том, что пожилые люди и лица с хроническими заболеваниями могут подвергаться более высокому риску развития серьезных последствий для здоровья от COVID-19. Страна, для которой чаще всего проводилась оценка экономического бремени, – США. Для России оценка фактически осуществлялась дважды: в рамках анализа 45 стран [17] и один раз отдельно [16].

Треть рассмотренных исследований выполнены без специально выделенного финансирования (см. табл. 1). Многие работы финансировались двумя и более источниками. Максимальное количество отмеченных в одной публикации грантов и других источников финансирования составило 11 [18].

Исходные данные / Initial data

В рассматриваемых работах активно использовались данные национальных баз (как государственных, так и негосударственных), учитывающих специфику этих стран, в т.ч. в части финансовых затрат на лечение. Непосредственно для расчета показателей данные международных баз применялись в 35 работах. Однако необходимо дать некоторые пояснения по типам баз и характеру их использования.

Наиболее часто упоминаемым источником данных в статьях выступала ВОЗ. Она упоминается в 46 работах. В 26 случаях ссылки на ВОЗ предоставляются с целью актуализации информации о степени распространения вируса во всем мире и преимущественно во вводной части статьи, в 13 случаях из отчетов ВОЗ вычленяется только какой-либо параметр для целей моделирования. Помимо данных ВОЗ в исследованиях активно применяются данные Всемирного банка, Организации экономического сотрудничества и развития, Организации Объединенных Наций, в т.ч. Международного института вакцин, и др. Отдельно следует акцентировать внимание на использовании баз, организованных университетами или некоммерческими сообществами. В частности, в 17 статьях упоминается независимый глобальный центр медицинских исследований при Вашингтонском университете — Институт измерения показателей и оценки состояния здоровья (англ. Institute for Health Metrics and Evaluation), в 5 публикациях – Университет Джонса Хопкинса (англ. Johns Hopkins University). Шесть работ опираются на данные веб-сайта Worldometer¹, 5 статей – на Our World in Data².

Обращая внимание на периоды использования, следует отметить, что первый источник не упоминается в работах, поданных начиная с марта 2021 г.

Для расчетов показателей QALY/DALY в 36 работах использованы одновременно данные как международных, так и национальных баз. Из них 2 одновременно рассматривали еще и специально собранные данные, а именно Стамбульского университета Джеррахпаша (тур. Istanbul Universitesi – Cerrahpasa) [19], Колумбийского университета (англ. Columbia University) [8]. В целом выделено 13 работ, использующих специальную выборку, построенных на собственных данных, информации определенных организаций или специально проведенных опросов. Использование таких данных позволило авторам глубже понять механизмы передачи инфекции в привязке к объекту исследования. В частности, информация, полученная Медсестринской обсерваторией (англ. Nursing Observatory) [6], позволила расширить представление о распространении вируса среди медицинского персонала, данные Университетских больниц Кливлендского медицинского центра (англ. University Hospitals Cleveland Medical Centre) [20] показали преимущество дистанционных средств мониторинга в условиях пандемии, а сведения из канадских центров диализа и трансплантации – преимущество стратегии проведения двухдозовой вакцинации против SARS-CoV-2 перед трансплантацией почек. Такой подход, предусматривающий более глубокий анализ на индивидуальном уровне, расширяет возможности исследования за счет доступа к медицинским картам стационарных больных и результатам анкетирования [21]. В свою очередь, университетские данные дали возможность учесть специфику закрытых общностей [8][9].

Отдельное внимание привлекают исследования, построенные на опросах [15][20][22–24]. Применение опросов связано с желанием ученых лучше понимать зависимости. Например, отмечается ограниченная информация о влиянии и распространенности симптомов пост-COVID-19 после выписки из стационара, изучить которую помогают проводимые через несколько недель телефонные опросы [25]. Среди различных видов опросников наиболее широкое использование получил EQ-5D, что связано с его простотой и универсальностью. Существуют его различные вариации (EQ-5D-3L, EQ-5D-5L), но в основе лежат пять параметров (подвижность, уход за собой, обычная деятельность, тревога/депрессия и боль/дискомфорт) и несколько уровней: без проблем (уровень 1), незначительные проблемы (уровень 2), умеренные проблемы (уровень 3), серьезные проблемы (уровень 4) и экстремальные проблемы (уровень 5). При этом в работах могут использоваться опросы, проведенные до пандемии. Так, A. Gandjour посчитал возможным учесть данные опросов, раскрывающих особенности синдрома хронической усталости, протекание которого, по его мнению, имеет много совпадений с длительным COVID-19 [26].

Практически все исследователи при оценке экономического бремени или определении отдельных параметров выстраиваемых моделей опирались на опубликованные ранее исследования. Поэтому выделение работ, в которых авторами подчеркивался факт проведенного метаанализа, можно считать весьма условным. Только в тексте 20 статей есть четкое указание на выполненный метаанализ. Во многих других публикациях, несмотря на то что это не конкретизируется, определение параметров моделей основано на проведенных ранее другими учеными исследованиях. В частности, на базе метаанализа, упоминаемого в списке литературы, принималось решение о периоде сглаживания в работе A. Cartocci et al. [27] и о различных параметрах смертности в статьях C.H. Packer et al. [28], I.J. Rao и M.L. Brandeau [29], B. Wouterse et al. [7] и др. А в исследовании A. Carta и C. Conversano [30] один из сценариев отрабатывался на данных метаанализа, представленного ВОЗ.

Рассматриваемая выборка, включающая 80 статей, характеризуется высоким разнообразием объектов наблюдения, которые сложно каким-либо образом сгруппировать. В частности, можно отметить публикации, выделяющие конкретную группу населения, концентрируя внимание на возрасте [31–33], сфере деятельности [6][7][8], географии [22][34–42], виде сопутствующего заболевания [11][12][43][44], а также несколько групп одновременно. Например, в одной из работ проводится исследование бремени в разрезе групп медицинских работников, жителей домов престарелых, заключенных, работников сферы образования, служб жизнеобеспечения, бездомных лиц с выделением их возрастной, половой, расовой принадлежности и т.д. [45]. Ряд авторов делают акцент на виде вмешательства [22][40][46][47], методе лечения и препарате [14][21][30][48–50], средстве защиты [47][51], фазе пандемии [27][52] и других факторах. В целом перечисленные объекты исследования не охватывают всего их многообразия, которое включает анализ бремени от COVID-19 для преждевременно родящих [53], вакцинированных перед трансплантацией почки [54], в богатых и бедных странах [42], городских и сельских районах [55], с выделением изменений потерь в результате внедрения телемониторинга [20] и т.д.

К наиболее часто встречаемым недостаткам работ, которые отмечаются авторами, относится проблема детализации или полное отсутствие данных. Например, в самых первых исследованиях указано, что некоторые фиксированные параметры моделей были основаны на предварительных оценках [56]. Отсутствие данных определяло использование в расчетах коэффициентов распространения аналогичных заболеваний, например респираторных инфекций [6][28][52], проведение обобщенных оценок для мужчин и женщин [34], осуществление дорасчета показателей [41]. Ученые называют многочисленные неучтенные факторы, определяющие ограничение исследований, в т.ч. возраст, пол, род занятий, история перемещений людей [57], доля бессимптомных пациентов [28], размеры прямых расходов на здравоохранение [58], сопутствующие заболевания, снижение качества жизни, вызванное длительным социальным дистанцированием или образовательной регрессией [59], частота повторного заражения [15] и др. В 2022 г. часть этих проблем по-прежнему отмечается – например, проблемы возможного занижения или завышения показателей смертности [43] и доступности отдельных когортных данных [60].

В то же время нельзя не заметить различие в акцентах. Так, в статьях, опубликованных в 2022 г., указано на отсутствие данных по некоторым вакцинам [61], сочетаниям вакцинных и невакцинных вмешательств [62], эффектам лечения, специфичным для сопутствующих заболеваний, расходам в течение всей жизни для прошедших интенсивную терапию [60], последствиям [63], в т.ч. для психического здоровья [64]. Множественность источников также в ряде случаев рассматривается как недостаток [9], в т.ч. в силу того, что они отражают разные моменты времени в период пандемии [65].

Методы и модели / Methods and models

Представленная в таблице 2 информация свидетельствует о том, что в структуре работ преобладают исследования, предусматривающие оценку QALY. Анализ появления различных методических инструментов в динамике в целом не показывает определенных различий. Первые статьи, поданные в апреле 2020 г., содержат расчеты как QALY, так и DALY, 19 статей ограничились классическим расчетом QALY/DALY. При этом можно отметить, что в 2020 г. доля публикаций, в которых приводятся классические варианты расчета QALY/DALY, выше, чем в последующие годы. В 2022 г. все работы содержали более сложные алгоритмы, включающие предварительное построение дерева решений, моделей Маркова и т.д. Модели Маркова в целом начали применяться позже (дата подачи на рассмотрение – сентябрь 2020 г. [66]), чем модели, предусматривающие построение дерева решений (апрель 2020 г. [53]).

Усложнение происходило за счет не только применяемого аппарата моделирования, но количества моделей. Например, к середине 2021 г. исследование могло включать построение сразу трех субмоделей [50]. В середине 2020 г. были поданы на рассмотрение 2 статьи с использованием модели клинико-экономического анализа вмешательств в связи с COVID-19 (англ. clinical and economic analysis of COVID-19 interventions, CEACOV), состоящей из нескольких модулей, которые определяли индивидуальные траектории здоровья/заболевания и рост эпидемии. В последующем данная модель в работах не упоминается. В отличие от нее сохраняют актуальность эпидемиологические модели семейства SIR. Самая первая (по сроку подачи материалов) публикация из всех, что присутствуют в нашей выборке, уже содержала такую модель. В ней Y. Jiang et al. предложили расширенную модель, состоящую из шести уровней: восприимчивый (S), бессимптомный (A), предсимптомный (L), c симптомами (I), переболевший (R) и умерший (D) [56]. Таким образом, еще в апреле 2020 г. после объявления пандемии ученые апробировали эпидемиологические модели для моделирования распространения НКИ в целях оценки ее бремени. В последующем в работах встречаются как традиционный вариант модели SIR [25][29][57][62][67][68], так и ее расширенные версии: SEIR [15][43][69–73], SIRD [27][66][74][75], SEIRD [8][48], SEIR-V [65], SEIRS-V [76], SEAPWIR [49]³.

Среди недостатков, относящихся непосредственно к применяемым инструментам, можно отметить, что в рамках модели CEACOV не отслеживаются контакты [77], модель Маркова не полностью демонстрирует зависимость от времени и не учитывает изменение характера протекания болезни, предполагая статичную, а не динамическую популяцию [15], использование рядов Тейлора первого и второго порядка определяет невысокую точность для длительного временного горизонта [29]. Что касается модели SIR, авторы обращают внимание на ее относительную простоту и необходимость применения более сложных компартментарных моделей [29], в т.ч. потому, что она не позволяет отразить естественную динамику пандемии, при которой заражения происходят неравномерно [25]. Для модели SEIR отмечается, что ее модифицированная однонаправленная структура не позволяет индивидуумам переходить от «незащищенного» типа к «восприимчивому» [15], а дифференциальные уравнения, лежащие в ее основе, могут занижать коэффициент воспроизводства [73]. В рамках алгоритма SIRD исследователи в качестве направления доработки указывают на необходимость включения повторного заражения в контексте новых штаммов [75].

В рассматриваемых публикациях использовался достаточно широкий спектр программных средств. Активное применение Exсel связано с тем, что, как отмечалось выше, многие работы, особенно на первых этапах, не предусматривали построения сложных моделей. Некоторые программы применялись в дополнение к ней (например, Access [75], VBA [49]). Учитывая активное использование различных сценарных моделей, в статьях отражено применение специализированной программы TreeAge [14][18][25][28][49][53][54][78]. Обращает на себя внимание более широкое использование пакета R [2][8][30][39][45][55][57][60][75] в сравнении с пакетом Python [56]. В ряде случаев авторы разместили используемый код R и исходные данные на платформе GitHub⁴ [2][45][60].

Анализ расходов / Cost analysis

QALY и DALY представляют собой измерения, используемые для расчета времени (с точки зрения лет жизни) человека или населения в целом. Оценка затрат в денежном эквиваленте не является обязательной, в связи с чем она встречается в 54 работах из 80. При этом только в 23 публикациях уделяется внимание косвенным затратам, связанным с потерей рабочих дней или дней обучения [8], расходами домохозяйств на диагностику, поиск медицинской помощи и похороны [76] и т.д. Эти исследования показывают, что косвенные расходы в несколько раз превышают прямые затраты, связанные с лечением [73][75]. Наиболее популярным направлением оценки затрат является анализ их эффективности, в частности предусматривающий расчет ICER, характеризующего экономическую ценность вмешательства по сравнению с альтернативой.

В указанных авторами статей ограничениях исследований содержится много комментариев, касающихся затрат. В первый год отмечалось то, что проведенный анализ не включает расходы на первичную медико-санитарную помощь или услуги социальной помощи [79], затраты на возобновление экономической деятельности [77], расходы, связанные с отслеживанием распространения вируса [2], диагностическим тестированием, социальные издержки [66], затраты на проведение кампании по вакцинации [15], расходы на проезд до медучреждений и лекарства, отпускаемые без рецепта [73], альтернативные затраты на здравоохранение для перемещенных пациентов без COVID-19 [69]. В последующем как ограничение рассматривалось отсутствие в оценках административных расходов, связанных с вакцинацией [75], дополнительных расходов здравоохранения, связанных с увеличением доли больных в поздних стадиях заболевания [39], больничных затрат на повторные госпитализации [50], расходов за пределами сектора здравоохранения [71], затрат на распространение и хранение вакцины [61], расходов, связанных с регоспитализацией из-за COVID-19 [64], а также построение расчетов на предположениях о расходах в течение всей жизни для прошедших интенсивную терапию [60]. Ограничением исследования выступало и то, что ввиду отсутствия данных оценки затрат генерировались по данным из других стран [47].

Потеря производительности / Loss of performance

Среди косвенных потерь НКИ наиболее часто встречаемой являлась потеря производительности. Логика включения ее в анализ определяется тем, что государство помимо расходов на лечение и предотвращение инфекции недополучает, а следовательно, теряет ту часть продукта, которая могла бы быть произведена, если бы не было болезни. В исследованиях отмечается, что потеря производительности может рассматриваться с точки зрения индивида и государства в целом как временная (например, локдаун) или постоянная (например, инвалидность) [58].

Некоторые авторы выделяют структуру занятых на полный и неполный рабочий день [50][74] с разделением потери производительности у людей, работающих в условиях локдауна из дома, имеющих легкие симптомы, проходивших лечение в больнице, в т.ч. в отделении интенсивной терапии [75].

Для исследований в Китае актуально особое выделение потерянного рабочего времени людьми, которые не болели, находились в тесном контакте или подозревались в инфицировании [73].

В качестве недостатков своих исследований авторы отмечают отсутствие оценок потери производительности для лиц, осуществляющих уход за больными [39][73], и указывают, что существует неопределенность в отношении того, как происходит накопление потерь национального дохода с течением времени [79].

Вакцинация / Vaccination

Фактически, первая публикация, учитывающая возможное влияние вакцинации на изменение совокупного бремени COVID-19, была подана на рассмотрение в журнал за 2 мес до официальной регистрации первой вакцины, произошедшей в августе 2020 г. (рис. 2). В ней представлены гипотетические предположения о том, сколько жизней может быть потеряно, если вакцина не появится в течение 12 или 36 мес [59].

Далее можно проследить логичное развитие данного направления. Так, в работах, направленных на рассмотрение в журналы в сентябре 2020 г., по-прежнему делались предположения об эффектах и затратах на них [66], преимущественно опирающиеся на данные о вакцине против гриппа и руководство ВОЗ по калькуляции затрат [15]. В исследовании, поданном в октябре 2020 г., рассмотрены различные механизмы вакцинации с опорой на статьи о доклинических испытаниях и существующих платформах создания вакцины [70]. В ноябре была представлена работа, в которой уже на базе данных об эффективности конкретных вакцин (BNT162b2, Sputnik V, AZD1222, Ad26.COV2.S, CoronaVac) формируются сценарии с их эффективностью 50%, 70% и 90% [48].

Первая публикация, в которой анализируются затраты на конкретные вакцины, была направлена на рассмотрение в журнал только в январе 2021 г. [42]. В ней проводился анализ экономической эффективности чистых затрат на спасение жизней с помощью нановакцин против COVID-19 в США как страны с высоким уровнем дохода, Сербии как страны со средним уровнем дохода и Замбии как страны с низким уровнем дохода с включением описания особенностей и затратоемкости вакцин Pfizer-BioNTech, Moderna, Oxford-AstraZeneca.

В целом в большинстве статей, поданных в этот период, не делалось серьезного акцента на виде вакцин [13][16][26][27][29][45][54][65][67][69][71][72][75][76][80][81]. Поэтому с точки зрения детализации эффектов вакцинации обращает на себя внимание исследование A. Vaezi и A. Meysamie, поданное на рассмотрение в октябре 2021 г. и опубликованное в 2022 г. [61]. В нем оценки DALY, ICER сделаны для каждой из семи вакцин: BBIBPCorV, CoronaVac, mRNA-1273, BNT162b2, rAd26-S+ и rAd5-s, ChAdOx1nCoV-19, Ad26.COV2.S. Все работы, представленные на рассмотрение в 2022 г., четко конкретизируют данные о том, какие вакцины учитывались при расчете [18][62] или предусматривают оценку экономического бремени отдельно для каждого рассматриваемого вида вакцины [25].

Можно выделить следующие отмеченные авторами исследований недостатки, интересные с точки зрения перспектив их устранения: одинаковый охват вакцинацией всех возрастных групп, игнорирование временных задержек между началом любой программы вакцинации и защитой вакцинированных лиц [70], невыясненный характер периода вакциноиндуцированного иммунитета и возможностей передачи SARS-CoV-2 от вакцинированного человека [48], неоцененные затраты, которые вакцины могут предотвратить, неучитываемое наличие групп с противопоказаниями к вакцинации и различие норм вакцинации по дням недели [65], отсутствие прогнозов по изменению вируса, определяющему снижение эффективности вакцины [25], отсутствие оценок сочетания вакцинных и невакцинных вмешательств, а также нераскрытие проблемы недоверия к вакцинам [62].

Коморбидность / Comorbidity

Интерес к коморбидности в исследованиях экономического бремени НКИ появился достаточно рано. В первой по дате подачи работе (апрель 2020 г.) акцент делается на сопровождаемые коронавирусной инфекцией осложнения, такие как инфекции верхних дыхательных путей, гемофильная пневмония типа В, материнский сепсис, дистимия [52]. Чуть позже (в мае 2020 г.) с появлением подтвержденных данных о том, что пожилые люди и лица с ранее существовавшими хроническими заболеваниями имеют более высокие риски смерти, начали проводиться исследования структуры населения по «допандемийным» данным на предмет выделения стран, в которых в силу более высокой доли населения, относимого к высокому риску, можно ожидать более значительных потерь [17].

Как правило, в последующих работах под коморбидностью понимается именно наличие сложного или хронического заболевания. При этом в данном контексте поднимается не только проблема более высокого риска смерти от COVID-19. Применительно к оценкам потерянных лет жизни отмечается, что расчет средних показателей не учитывает тот факт, что те, кто умер от COVID-19 с отягощенной коморбидностью, имели низкий уровень здоровья, который уже подразумевал определенные потери [40]. Как следствие, показатели потери лет жизни из-за смерти от COVID-19 завышены, поскольку такие пациенты имеют больше сопутствующих заболеваний, чем люди в той же возрастной когорте населения в целом [26]. Соответственно, следует учитывать, что потери, связанные с COVID-19, нуждаются в корректировке.

В противовес необходимо отметить исследования, в которых указано, что в условиях пандемии увеличилось совокупное бремя в силу того, что люди с различными заболеваниями были вынуждены сдвинуть сроки операций, вакцинации, не имели возможности обследоваться и т.д. [11][12][54]. В таких работах применительно к отдельным видам болезней/состояний рассматриваются различные исходы для людей, переболевших и не переболевших COVID-19, вакцинированных и невакцинированных, в т.ч. с учетом различного периода проводимого вмешательства относительно сроков перенесенной НКИ. Также проводились сравнительные оценки потерь от COVID-19 и рассматриваемых заболеваний [10].

Коэффициенты поправок на коморбидность выделялись обычно из ранее опубликованных исследований. При этом в работах могли учитываться ставки для отдельных заболеваний [19][23][45][52][64][70], для их групп/уровней [11][33] или применяться обобщенные оценки [47][76][78]. Среди болезней в анализируемых статьях упоминаются сахарный диабет [7][19][23][40][45][50][64][70], сердечно-сосудистые заболевания [19][23][40][45][50][64][70], включая ишемическую болезнь сердца [19][40], цереброваскулярные заболевания [40] и сердечная недостаточность [7][19][40][45], заболевания почек [19][54][64][70], респираторные заболевания и болезни легких [7][48][50][52][64], включая астму [19][45][70], деменция [23][70], иммуносупрессивные состояния [70], рак [19][23][70], неврологические и психологические осложнения [48][52][70], заболевания печени [64, 70], селезенки [70]. Также в исследованиях как осложнения выделяются ожирение [12][23][45][50], курение [23][45], трансплантация органа [70]. Отдельно отметим, что в выборку попали 2 работы, в которых рассматривается не заболевание, а определенное состояние пациента, а именно риск преждевременных родов с инфекцией COVID-19 [28][53].

Во многих публикациях отсутствие оценок коморбидности определяется как недостаток [30][32][43][59][66]. Среди недостатков в исследованиях, учитывающих коморбидность, авторы отмечают то, что оценки были основаны на предположении о степени уязвимости к COVID-19 по весам инвалидности, при этом использовался взвешенный показатель распространенности различных болезней, не учитывающий их комбинаций [17] и разные сопутствующие заболевания в каждом состоянии [47].

Постковидные последствия / Post-COVID consequences

Особенностью COVID-19 является долгосрочное проявление его последствий. Во многих исследованиях отсутствие таких оценок рассматривалось авторами как недостаток [23][31][32][39][45][50][55][58][63][66][67][73][74].

В первых работах постковидные осложения представлены достаточно ограниченно в силу недостаточности данных. Так, в статье A. Basu и V.J. Gandhay учитываются только острые почечные осложнения [72], в исследовании P. Sinha и B.P. Linas – только снижение форсированной жизненной емкости легких после COVID-19 [82]. В других работах содержатся лишь общие оценки вероятности и потерь в результате длительного течения COVID-19 [8] или постострых последствий, основанные на предположениях [44].

С наращиванием доказательной базы стали появляться исследования, в которых обосновано различие осложнений у негоспитализированных, получивших лечение и прошедших интенсивную терапию, смоделирована распространенность осложнений [83], выстроены сценарии с различной длительностью проявления симптомов [84], но без акцентирования внимания на видах осложнений. При этом в качестве недостатков указывалось то, что выстраиваемые модели ограничены вариациями в расчетных показателях заболеваемости, тяжести продолжительного COVID-19 и летальности, а также их связью с характеристиками различных когорт населения, в т.ч. детской [84].

К ограничениям исследований авторы также относят факт использования весовых коэффициентов инвалидности для синдрома хронической усталости из-за отсутствия соответствующих данных для длительного COVID-19 [26][84]. В работах A. Gandjour [26] и M. Lally [46], как и в предшествующих, не выделены конкретные осложнения, а определены их вероятность и общий вес. Некоторые последствия, связанные с COVID-19, с определенным упрощением из-за ограниченности доказательной базы включила в анализ группа ученых из Великобритании: повышенный риск смерти и полиорганных дисфункций, тщательное мониторирование состояния, снижение качества жизни [64]. Авторы отметили, что учет затрат и влияния на качество жизни, связанных с полиорганной дисфункцией, был упрощенным, модель не принимала во внимание реабилитацию пациентов с постковидным синдромом и долгосрочные последствия для психического здоровья, такие как посттравматическое стрессовое расстройство [64].

Только в конце 2021 г. была направлена на рецензирование статья, в которой на основе данных исследования Института Доэрти (англ. Doherty Institute) достаточно подробно расписаны сценарии, в т.ч. варианты развития стойких функциональных нарушений, включая сахарный диабет, болезнь Паркинсона, деменцию, тревожные расстройства, ишемический инсульт [81]. При этом авторы отметили в качестве недостатков то, что построенная ими модель использовала много предположений, не учитывала бессимптомные случаи и увеличение уровня вакцинации, включала только самые распространенные последствия.

С целью более глубокого понимания последствий COVID-19 исследователи проводили опросы пациентов через 4–8 нед после выписки с использованием пятиуровневой телефонной версии EQ-5D [24].

Впоследствии было опубликовано еще несколько работ, однако ключевым их недостатком, отмечаемым самими авторами, является то, что в них пока достаточно ограниченно рассматриваются конкретные осложнения и сохраняется высокая неопределенность относительно их изменения со временем [43][60][62].

ОБСУЖДЕНИЕ / DISCUSSION

На текущий момент в научной литературе можно встретить 2 работы, обобщающие результаты исследований экономического бремени НКИ. Первая опубликована в июле 2021 г. и содержит обзор методов, используемых в экономической оценке диагностических инструментов, которые применяются для всех пациентов, обращающихся за помощью по поводу инфекционных заболеваний дыхательных путей, в т.ч. COVID-19 [85]. В отличие от данного обзора в текущем выделены более жесткие границы отбора, которые подразумевают включение только работ, непосредственно рассматривающих НКИ. Более того, конкретизированы применяемый метод оценки (QALY и/или DALY) и стратегии вмешательства (не только диагностические методы, т.е. тесты на вирус, но и весь спектр как медицинских, так и немедицинских вмешательств).

Второй обзор появился в апреле 2022 г. с целью изучения научных исследований последствий, не связанных со здоровьем, и вопросов распределения ресурсов [86]. Он был принят журналом в феврале и фактически не включает статьи, опубликованные в 2022 г. Помимо расширения перечня учитываемых публикаций по времени, в отличие от упомянутого обзора, в текущем рассматриваются как последствия, не связанные со здоровьем, так и связанные с ним. Более того, сделана попытка структурировать по времени появление различных аспектов изучения экономического бремени COVID-19 и выявить тренды исследовательской повестки. Концентрация внимания на отмечаемых самими авторами недостатках моделей позволила выделить пути их совершенствования и перспективные направления дальнейших исследований.

Ограничения исследования / Study limitations

Учитывая достаточно строгие условия отбора статей, в анализе могут быть упущены работы (в т.ч. нерассматриваемые монографии, тезисы и т.д.), в которых присутствуют новые методические результаты, важные для оценки потерянных лет жизни. Поскольку анализ проводился только по статьям, опубликованным на английском и русском языках, не учтены методические данные, представленные на других национальных языках. Выводы об использовании каких-либо методов и опросов сформированы исключительно на основе анализа текстов статей. В частности, некоторые параметры моделей могли быть основаны на данных опросов, содержащихся в статьях из списка литературы, что без анализа соответствующих текстов установить было невозможно. Проведенная периодизация 18% работ основана на предположениях о сроках подачи и принятия материалов в силу отсутствия этих сведений.

ЗАКЛЮЧЕНИЕ / CONCLUSION

Анализ включенных в обзор исследований продемонстрировал, что даже в рамках относительно узкой темы оценки экономического бремени НКИ наблюдается разнообразие объектов наблюдения, методов моделирования и акцентов на учитываемых факторах. Проведенная периодизация объективно показала развитие методов и подходов с учетом появления новых данных о COVID-19. Выделенные авторами ограничения их исследовательских работ позволили сформировать представление о направлениях совершенствования оценки экономического бремени НКИ.

Несмотря на отмеченные недостатки, проведенный анализ источников систематизирует информацию об экономическом бремени COVID-19 и подходах к его определению. Учитывая наиболее серьезные пробелы в понимании коморбидности и постковидных осложнений, дальнейшие исследования в этой области, по нашему мнению, должны сосредоточиться на детализации данных о постковидных последствиях, в т.ч. на различных их комбинациях, а также на анализе соотношения и взаимокомпенсации эффектов от различных видов вмешательств с более глубокой проработкой косвенных потерь и затрат.