CC BY
7
УДК 578.424
Потенциальная связь отложенного воздействия катастрофических техногенных выбросов токсичных газов и клинического течения COVID-19
Дж. Суччи1, В. Педрич2, А. П. Богачук3, А. Г. Тормасов1, А. А. Белогуров3,4, А. Спаллоне3,5* Университет Иннополис, Иннополис, 420500 Россия 2Университет Альберты, Эдмонтон (AB), T6G 2R3 Канада
3Институт биоорганической химии им. академиков М.М. Шемякина и Ю.А. Овчинникова Российской академии наук, Москва, 117997 Россия
4Московский государственный медико-стоматологический университет имени А.И. Евдокимова, Москва, 127473 Россия
5Неврологический центр Лациума Институт неврологических наук, Рим, 00178 Италия
*E-mail: aldospallone@hotmail.com
Поступила в редакцию 16.06.2022
Принята к печати 29.11.2022
DOI: 10.32607/actanaturae.11754
РЕФЕРАТ Пандемия, вызванная коронавирусом D-19 (COronaVIrus Disease 2019, COVID-19), серьезно затронула почти все страны мира: на текущий момент зарегистрировано 6.3 млн летальных исходов этого заболевания, 167 и 380 тысяч из которых приходится на Италию и Российскую Федерацию соответственно. В первую волну распространения инфекции аномально высокий уровень смертности зарегистрирован в Италии. Детальный анализ эпидемиологических данных свидетельствует, что смертность была более высокой в северных регионах, в частности в Ломбардии, в то время как в южных регионах клиническое течение COVID-19 у пациентов было более благоприятным. Подобный необъяснимо высокий уровень смертности в условиях столь грамотно организованной системы здравоохранения, как в Ломбардии, признанной одной из лучших в Италии, безусловно, требует убедительного объяснения. В 1976 году в небольшом городе Севезо, расположенном в Ломбардии, в результате крупной техногенной аварии произошел выброс диоксина. Промышленная катастрофа оказала существенное негативное воздействие на жителей близлежащих районов, более того, в последующие годы наблюдался рост онкологических заболеваний среди пострадавшего населения. В настоящей работе мы выдвигаем и последовательно доказываем гипотезу о роли выброса диоксина в качестве значимого негативного кофактора осложненного клинического течения COVID-19 у жителей Ломбардии. КЛЮЧЕВЫЕ СЛОВА SARS-CoV-2, COVID-19, Италия, Севезо, диоксин.
СПИСОК СОКРАЩЕНИЙ COVID-19 (COronaVIrus Disease 2019); PM-10 - микроскопические взвешенные частицы; ISTAT - Итальянский институт статистики; ISPRA - Высший институт защиты окружающей среды /Итальянский высший институт защиты и экологических исследований.
ВВЕДЕНИЕ
Пандемия, вызванная коронавирусом D-19 (COronaVIrus Disease 2019, COVID-19), серьезно затронула почти все страны мира, распространившись из Китая на запад в Европу, затем в США, а позднее и в Южную Америку, Африку и Российскую Федерацию. На текущий момент во всем мире зарегистрировано 6.3 млн летальных исходов COVID-19, 380 тысяч из которых приходится на Российскую Федерацию. Последствия пандемии в первую волну распространения инфекции были особенно
значительными в ряде европейских стран, таких, как Испания, Франция, Бельгия, Великобритания и Италия, в то время как другие страны, такие, как Португалия, Германия, Скандинавские государства и Восточная Европа в целом, пострадали менее значимо по сравнению с упомянутыми странами. В частности, высокий уровень смертности зарегистрирован в Италии, где он значительно превысил уровень в остальном мире.
При детальном анализе эпидемиологических данных можно заметить, что этот повышенный
показатель в основном обусловлен более высокой смертностью в северных регионах, в частности в Ломбардии, в то время как в южных регионах клиническое течение COVID-19 было более благоприятным, как и предсказывала наша группа за несколько недель до вспышки болезни [1]. Эти данные особенно поражают, если сравнить общий уровень смертности с показателем за предыдущие 5 лет. Подобный необъяснимо высокий уровень смертности в условиях столь грамотно организованной системы здравоохранения, как в Ломбардии, признанной одной из лучших, если не самой лучшей в стране [2], безусловно, требует убедительного объяснения. Существует предположение о потенциальной негативной роли загрязнения воздуха микроскопическими взвешенными частицами (PM-10), наблюдаемого в Ломбардии [3] и некоторых соседних регионах, также серьезно затронутых пандемией COVID-19. Однако если предположить, что эта гипотеза верна, то трудно объяснить, почему сильно загрязненная Калифорния, подверженная воздействию PM-10, оказалась определенно менее уязвимой по сравнению с другими штатами, прежде всего с Нью-Йорком, концентрация РМ-10 в котором ниже.
В 1976 году небольшой город Севезо, расположенный относительно недалеко от Брешии, Бергамо и Милана, стал печально известным из-за выброса диоксина вследствие крупной техногенной аварии. Непосредственное негативное воздействие промышленной катастрофы на жителей близлежащих районов было существенным, более того, в последующие годы наблюдался рост числа онкологических заболеваний у пострадавшего населения [4]. В настоящей работе мы выдвигаем гипотезу о роли выброса диоксина как негативного кофактора осложненного клинического течения COVID-19 у жителей Ломбардии.
ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ
Нами сопоставлено расстояние от эпицентра выброса диоксина в Севезо с уровнем смертности в потенциально пострадавших провинциях. Сравнили уровень смертности от COVID-19 (число умерших (%) от общего числа инфицированных пациентов) в Ломбардии с данными из другого региона - города Бхопал (Индия), где в 1980 году произошел масштабный выброс токсичного газа метилизоцианата с местного завода Union Carbide, который считается крупнейшей по числу жертв техногенной катастрофой [5, 6].
Нами собраны данные о местных погодных условиях и розе ветров во время техногенных катастроф, а также рассчитано расстояние между
местами утечек и районами, наиболее пострадавшими от COVID-19. Мы также проанализировали загрязнение воздуха в трех точках в терминах концентрации РМ-10. Две рассматриваемые техногенные катастрофы были вызваны разными газами: 2,3,7,8-тетрахлородибензодиоксином в Севезо [7] и метилизоцианатом в Бхопале [8-10]. Тем не менее, оба эти газа, как известно, обладают мутагенными и канцерогенными свойствами [7, 11-15].
В двух описанных сценариях анализ местных условий позволил нам в той или иной степени реконструировать возможное распространение выбросов токсичных газов под воздействием ветра. В случае Севезо хорошие погодные условия в Ломбардии в сочетании с высоким давлением в Альпах (рис. 1А) способствовали тому, что воздушный поток Мистраль выносил токсичный газ на юго-восток, т.е. в направлении Бергамо, Брешии и далее на юг до западных провинций Венето и Эмилии-Романьи. Некоторые другие розы Мистраля также могли способствовать распространению газа в направлении восточного Пьемонта и северной части Лигурии (рис. 1Б). В регионе Бхопал в декабре, когда произошла авария, муссоны обычно дуют с севера на юго-запад (рис. 2А), поэтому выброс метилизоцианата скорее распространился из региона Бхопал штата Мадхья-Прадеш в соседний штат Махараштра (рис. 2Б). В случае Италии мы также рассмотрели возможное влияние фактора приезжих из Китая, а также течение инфекции в зависимости от плотности местного населения.
ИСТОЧНИКИ ДАННЫХ
В работе использованы материалы, представленные в общедоступных базах данных. В табл. 1 показано распределение смертности в 2020 году по сравнению с предыдущими годами, согласно данным Итальянского института статистики (КТАТ). Увеличение особенно значимо в северных областях Италии, в частности в Ломбардии [1]. Сравнительный график представлен на рис. 3.
Данные о передвижении жителей Китая в Италию получены также из КТАТ. Данные о росте заболеваемости COVID-19 (https://github.com/ pcm-dpc/COVID-19) взяты из официального репо-зитория GitHub правительства Италии [16] и представлены на рис. 4.
Данные о добавленной смертности от COVID-19 в Индии взяты из общедоступных источников (табл. 2). Данные по распределению концентрации РМ-10 в Италии взяты из репозитория ISPRA (Высший институт защиты окружающей среды / Итальянский высший институт защиты и экологических исследований) [17]. На рис. 5 показана
л
/ /А \ Грего
/ \ У &
Сирокко I Vjlcna I J
1 Лци*
lOQOmb Air Temperature (degK) Composite Anomaly { CfimotcJo^y) 7/1/78 is B/1/76 2№ C«ntury R«onol)r»U (V2c)
Рис. 1. Типичные погодные условия в Северной Италии в районе Альп (А) и типичная структура ветров в Италии (Б) (по материалам http://sailroad.ru/article/lociya-srednej-dalmacii-chast-2)
Л
Б
Муссонные ветры в июле
Гъ >
>
1/w.h.lO „ II
,1ШЯ
fchil
YIPUK
nl
IzORAM
PanajiO
KARNATAKA
S-angaloriJ
Pond cherry ¡МаЬсЦ.
La ks had weep
KavaratO
Islands
KERALA
Thirir/ananthapuraOi
NADU ~
OCHENNAI
J
0-''j"'J [hyry [Puducherry)
Andaman
Oport Blair
Nico bar Islands
Рис. 2. Типичная структура розы ветров в Индии (А) по материалам https://cloud.prezentacii. org/19/04/142027/images/screen7.jpg Роза ветров вокруг Бхопала (Б) (по материалам https://commons. wikimedia.0rg/wiki/File:India_wind_z0ne_map_en.svg)
Б
Таблица 1. Изменение смертности (%) за рассматриваемый период (15 февраля-15 апреля) по сравнению с аналогичным периодом 2019 года
Провинция Коэффициент вариации, %
Agrigento -22.22
Cagliari -16.67
Matera -7.69
Crotone -6.45
Catania -5.56
Roma 3.94
Perugia 5.15
Arezzo 6.60
Lecce 6.72
Vibo Valentia 7.14
Ravenna 7.30
Foggia 9.16
Taranto 9.46
Messina 10.81
Sassari 10.93
Catanzaro 11.11
Teramo 11.11
Potenza 11.49
Ferrara 12.28
Salerno 12.98
Barletta-Andria-Trani 13.27
Palermo 14.04
Pisa 14.12
Siena 14.17
Fermo 15.00
Belluno 15.65
Venezia 17.41
Napoli 17.57
Brindisi 17.90
Trapani 18.95
Bologna 19.02
Macerata 19.32
Verona 19.47
Terni 20.00
Bari 20.15
Провинция Коэффициент вариации, %
Livorno 20.29
Forli-Cesena 21.33
Grosseto 21.54
Lucca 21.62
Rovigo 22.77
Oristano 23.58
Várese 24.33
Frosinone 24.49
Genova 24.65
Pistoia 24.79
Caltanissetta 25.00
Ascoli Piceno 25.53
Savona 25.61
Asti 26.46
La Spezia 26.55
Como 26.59
Torino 26.88
Pescara 26.88
Modena 27.51
Firenze 27.66
LAquila 28.00
Padova 28.03
Cosenza 28.05
Reggio di Calabria 28.26
Viterbo 28.38
Ancona 28.68
Massa Carrara 28.84
Vicenza 28.92
Verbano-Cusio-Ossola 28.99
Udine 29.41
Cuneo 30.02
Imperia 31.17
Nuoro 31.73
Treviso 31.88
Sondrio 32.34
Провинция Коэффициент вариации, %
Pordenone 33.33
Milano 33.80
Novara 34.73
Rimini 34.85
Chieti 36.36
Gorizia 36.84
Vercelli 37.61
Avellino 38.20
Monza e Brianza 38.86
Siracusa 39.34
Sud Sardegna 39.58
Alessandria 39.64
Latina 40.00
Isernia 40.00
Campobasso 40.82
Benevento 41.67
Trento 42.72
Reggio nell'Emilia 43.48
Mantova 43.77
Enna 44.78
Biella 45.48
Aosta 47.65
Pesaro e Urbino 49.56
Lecco 50.17
Pavia 50.51
Ragusa 51.85
Parma 56.97
Caserta 59.26
Brescia 64.25
Piacenza 68.57
Lodi 70.13
Cremona 71.93
Bergamo 78.77
Примечание. Отсутствуют данные по провинции Больцано.
концентрация РМ-10 в Европе. Хорошо видно, насколько превышена концентрация РМ-10 в районе Паданской равнины [18].
СТАТИСТИЧЕСКИЙ АНАЛИЗ
Для статистической обработки данных мы использовали метод непараметрической ранговой корреляции Спирмена [19]. Этот метод не содержит каких-либо изначальных гипотез относительно исходных данных, кроме ранжирования по порядку, что всегда выполнялось в проведенных расчетах. В каче-
стве порога значимости мы приняли стандартный а-уровень 0.05. В случае нескольких гипотез применяли поправку Бонферрони [20]. В случае многофакторного анализа использовали тест ANOVA [21], также учитывающий а-уровень.
РЕЗУЛЬТАТЫ
Китайская иммиграция
Присутствие в популяции Италии приезжих из Китая (https://www.tuttitalia.it/statistiche/
%
100-
50 0
-50
0 <и го го 0
с ф с 0 'го с <и с го
.го 0 щ го го
го и О- > 1—
< 0 .0 >
................
л = [£ -2 и ° ш ¡3 ^ £ 0-оа
^ л и т ^ С.
ого з N < го о
и- и и с и "¡я
О
го
о
го 'а:
<и >
Рис. 3. Процент изменения смертности в провинциях Италии за рассматриваемый период (15 февраля-15 апреля). Приведены крайние значения из табл. 1
Рис. 4. Карта распространения COVID-19 в Италии по материалам https://www.economist.com/ europe/2020/03/19/italy-is-overtaking-china-as-the-country-worst-hit-by-covid-19
cittadini-stranieri/repubblica-popolare-cinese/) не является фактором, усиливающим распространение COVID-19 [22]. В 2019 году число китайцев в Милане и Риме составляло 40438 (1.25% от общей численности населения) и 22815 (0.52%) соответственно, тогда как в провинциях с наибольшим процентом добавочной смертности их было значи-
тельно меньше: 4.488 (0.40%) в Бергамо, 1362 (0.35%) в Кремоне и 757 (0.33%) в Лоди.
Плотность населения
Согласно результатам анализа, социальная близость не влияла на распространение инфекции и уровень смертности в Италии. Мы не обнаружили какой-ли-
Таблица 2. Данные о смертности от COVID-19 в Индии по материалам https://www.mohfw.gov.in/
№ Штат Общее число случаев Вылечен/ выписан/ мигрировал Смертельные случаи
1 Andaman and Nicobar Islands 33 33 0
2 Andhra Pradesh 2407 1456 50
3 Arunachal Pradesh 1 1 0
4 Assam 101 41 2
5 Bihar 1262 475 8
6 Chandigarh 191 51 3
7 Chhattisgarh 86 59 0
8 Dadar Nagar Haveli 1 0 0
9 Delhi 10054 4485 160
10 Goa 29 7 0
11 Gujarat 11379 4499 659
12 Haryana 910 562 14
13 Himachal Pradesh 80 44 3
14 Jammu and Kashmir 1183 575 13
15 Jharkhand 223 113 3
16 Karnataka 1147 509 37
17 Kerala 601 497 4
18 Ladakh 43 24 0
19 Madhya Pradesh 4977 2403 248
20 Maharashtra 33053 7688 1198
21 Manipur 7 2 0
22 Meghalaya 13 11 1
23 Mizoram 1 1 0
24 Odisha 828 220 4
25 Puducherry 13 9 1
26 Punjab 1964 1366 35
27 Rajasthan 5202 2992 131
28 Tamil Nadu 11224 4172 78
29 Telengana 1551 992 34
30 Tripura 167 85 0
31 Uttarakhand 92 52 1
32 Uttar Pradesh 4259 2441 104
33 West Bengal 2677 959 238
Общее число подтвержденных случаев 96169 36824 3029
бо значимой непараметрической корреляции между плотностью населения и увеличением смертности по отношению к среднему показателю за последние 5 лет - значения р составляют 0.083 и 0.071 соответственно. Также отсутствует связь между плотностью населения и скоростью распространения инфекции (0.17).
Влияние уровня РМ-10
РМ-10, по-видимому, оказывает некоторое влияние на летальность от COVID-19 при учете количества дней с уровнем РМ-10 выше порогового значения в Италии, в частности в Ломбардии. Выявлена связь между числом смертей в 2019 году (0.40, р < 10-4), средним показателем числа смертей за 5 лет (0.38, р < 10-3) и уровнем РМ-10. Также существует корреляция между уровнем РМ-10 и процентом больных COVID-19 (0.41, р < 10-4). Тем не менее, определение совокупного влияния расстояния от Севезо и присутствия РМ-10, выполненное с использованием теста ANOVA, показало, что расстояние от Севезо сохраняет свою значимость ^ = -15.57, р<10-8) в отличие от фактора РМ-10.
Фактор расстояния от Севезо и Бхопала
По нашим расчетам, расстояние от Севезо является определяющим фактором (рис. 3) повышенной летальности COVID-19 в северных областях Италии. Коэффициент корреляции между увеличением смертности (по сравнению с 2019 годом) и расстоянием от Севезо равен -0.82 (р < 10-24), в то же время по отношению к среднему показателю за последние 5 лет коэффициент составил -0.83 (р < 10-25) (табл. 3). Корреляция между уровнем инфициро-ванности населения (%) и расстоянием от Севезо была еще выше (-0.88, р < 10-32). Таким образом, чем ближе к Севезо находились анализируемые области, тем выше был уровень инфицированности населения и смертности, связанной с COVID-19. Аналогичным образом нами выявлена корреляция между расстоянием от Бхопала и количеством зарегистрированных фактов инфицирования (-0.36, р <0.05) и смертей (-0.52, р < 10-2) от COVID-19 (табл. 3).
ОБСУЖДЕНИЕ
Возможность того, что произошедшие более 40 лет назад техногенные выбросы токсичных газов сыграли определенную роль в увеличении частоты осложненного клинического течения текущей пандемии COVID-19 в пострадавших районах, является интригующей, но в то же время трудно доказуемой гипотезой. В результате обеих аварий произошел выброс двух разных токсичных газов, но оба
Рис. 5. Загрязнение РМ-10 в Европе по материалам https://commons. wikimedia.org/ wiki/File:PM10_ т_Еигоре.рпд
Таблица 3. Выявленные статистически значимые значения факторов, влияющих на уровень заражения и смертности от COVID-19
Страна Переменная Функция, % Ранговая корреляция Спирмена
Италия Расстояние от Севезо Изменение смертности за 2019 год Вариация смертности в среднем за 5 лет Заражение -0.82 (р < 10-24) -0.83 (р < 10-25) -0.88 (р < 10-32)
Количество дней, в течение которых уровень РМ-10 превышает пороговое значение Изменение смертности за 2019 год Вариация смертности в среднем за 5 лет Заражение 0.40 (р < 10-4) 0.38 (р < 10-3) 0.41 (р < 10-4)
Индия Расстояние от Бхопала Смерть из-за COVID-19 Заражение -0.52 (р < 10-2) -0.36 (р < 0.05)
газа характеризовались высокой канцерогенностью [7, 11-15, 23, 24]. Повышенный уровень смертности от COVID-19 наблюдался во всех регионах, потенциально подвергнутых воздействию газов, распространенных ветрами, преимущественными в момент аварии.
Повышенная смертность в первую волну COVID-19 была особенно заметна в Ломбардии, что спустя 2 года все еще нуждается во внятном объяснении. Предположили, что возможной причиной может быть очень высокая вирулентность виру-
са, поразившего Север Италии [1]. Однако разница в уровне смертности остается необъяснимой, даже если предположить, что более легкое течение заболевания, наблюдаемое в южных регионах Италии, было результатом опыта, полученного при лечении пациентов северных областей, который позволил медперсоналу лучше справиться с болезнью на других территориях, где эпидемия началась с некоторой задержкой.
Возможные пагубные последствия загрязнения воздуха микроскопическими взвешенными
частицами РМ-10 рассматривают как негативный фактор, который мог способствовать более агрессивному клиническому течению эпидемии COVID-19 из-за их хронического раздражающего воздействия на дыхательную систему [25]. Однако, как мы отмечали выше, этой гипотезе явно противоречит наблюдение об определенно более легком течении COVID-19 у жителей Калифорнии, чем в Нью-Йорке, хотя концентрация РМ-10 в западном штате намного выше [26]. Таким образом, повышенный уровень РМ-10 не может быть единственным объяснением явления, наблюдаемого в Ломбардии.
Альтернативные гипотезы связывают повышенную смертность от COVID-19 с присутствием в тех или иных районах приезжих из Китая. По данным КТАТ на 1 января 2019 года число китайцев в Милане было выше, чем в Риме, однако в провинциях с наибольшим повышением смертности не наблюдалось повышенного количества приезжих из Китая. Предполагается также, что социальная близость увеличивает вероятность заражения и, как следствие, уровень смертности. Нами достоверно показано, что плотность населения не влияет на увеличение смертности ни по сравнению с 2019 годом, ни по последним 5 годам в среднем. Кроме того, если мы рассмотрим количество заражений, то и в этом случае отсутствует какая-либо существенная корреляция с плотностью населения.
Наше основное предположение состоит в том, что отложенные последствия техногенной катастрофы в Севезо, возможно, в дополнение к негативным последствиям загрязнения воздуха, оказали синер-гическое действие в Ломбардии, сделав клиническое течение коронавирусной инфекции особенно агрессивным. Эти факторы воздействовали не только путем снижения резистентности дыхательной системы пациентов в Ломбардии к вирусной атаке, обусловленной загрязнением воздуха и, в частности, усиления агрессивного течения вирус-индуцированной аутоиммунной реакции в альвеолах, но и путем хронического повреждения генома популяции в течение последних 45 лет, что также способствует развитию аутоиммунных процессов. В индийском Бхопале уровень смертности от COVID-19 также был выше, чем в остальной части страны, однако эта разница была не столь драматической, как в Ломбардии. Возможно, это связано с тем, что в районе Бхопала концентрация РМ-10 в воздухе не столь значительна, как в Паданской равнине, которая является хорошо известным регионом с неблагоприятной экологической обстановкой.
Наши выводы в явной форме подтверждены расчетами с применением ранговой корреляции Спирмена. На первом этапе мы рассмотрели вза-
имосвязь между точным числом случаев смерти в 2020 году по сравнению с предыдущими годами. Рассчитанный коэффициент корреляции между расстоянием от Севезо и увеличением смертности по отношению к 2019 году подтверждает нашу гипотезу (-0.82, р < 10-24); еще более очевидным этот показатель становится при сравнении уровня смертности в 2020 году со средним значением за последние пять лет (-0.83, р < 10-25). Аналогичным образом мы рассмотрели взаимосвязь между расстоянием от Севезо и уровнем инфицированности населения коронавирусом, в этом случае корреляция еще выше -0.88 (р < 10-32).
Для полноты картины мы оценили также потенциальный эффект РМ-10, рассчитав корреляцию количества дней с превышением безопасного порога РМ-10 со смертностью от COVID-19 в 2019 году. Показано существование зависимости, хотя и намного менее выраженной, чем в случае влияния расстояния от Севезо (0.40, р < 10-4). Среднее количество смертей за 5 лет (0.38, р < 10-3) и процент инфицированных коронавирусом (0.41, р < 10-4) также коррелировали с повышенным уровнем РМ-10. Затем с использованием теста ANOVA определили совместный вклад количества дней с уровнем РМ-10 выше порогового значения и расстояния от Севезо в смертность от COVID-19. В результате такого анализа выяснилось, что влияние расстояния от Севезо остается статистически значимым, в то время как повышенный уровень РМ-10 теряет достоверность.
Для дополнительного подтверждения сформулированной гипотезы мы обратились к аналогичному случаю в Индии и проверили наличие корреляции между расстоянием от Бхопала и зарегистрированным числом инфицированных и умерших от COVID-19 людей. Поскольку открытые популяционные данные об общем числе смертей и уровню РМ-10 отсутствовали, нам пришлось полагаться только на общедоступные данные, относящиеся к пандемии COVID-19 в 2020 году. В этом случае мы также выявили статистически значимую ранговую корреляцию Спирмена между расстоянием от Бхопала, процентом инфицированных (-0.36, р < 0.05) и умерших от COVID-19 людей (-0.52, р < 10-2).
ВЫВОДЫ
Сформулированная в настоящем исследовании гипотеза безусловно требует дополнительного подтверждения, например, путем изучения особенностей генома населения, длительно проживающего на территории Ломбардии, по сравнению с относительно недавно прибывшими индивидами. Это идея особенно актуальна в свете документально зафик-
сированного необъяснимо малого числа иммигрантов среди пациентов с COVID-19, поступивших в отделения интенсивной терапии больниц Ломбардии [27]. В то же время не удалось найти в научной литературе и статистических данных, прямых указаний на повышенную летальность сезонных гриппозных заболеваний в этом регионе до весны 2020.
Техногенная катастрофа и осложненное течение COVID-19 в Ломбардии могут быть связаны с повышенным уровнем сахарного диабета, онкологических и аутоиммунных нарушений. Так, популяционные исследования смертности за 25 лет с момента аварии в 1976, проведенные Консонни и его коллегами, выявили повышенную добавочную смертность от диабета среди женщин во всех зонах заражения, градиентно зависимую от степени поражения территорий [28]. Согласно имеющимся данным, в течение первых 25 лет после техногенной аварии (1976-2001) ни в одной из зон поражения не выявлено увеличения общей смертности от рака. Однако когда анализировали смертность только через 20 или более лет после взрыва, то наблюдали повышение смертности от рака в зоне наиболее сильного поражения [28]. Схожая картина складывается и с аутоиммунными заболеваниями. В зонах поражения выявлена обратная зависимость между уровнем иммуноглобулина и диоксина в плазме крови взрослых пациентов [29]. При этом в другом исследовании обнаружено повышение титров антинукле-арных антител, увеличение отложения иммунных комплексов и уменьшение количества естественных киллеров у пациентов из пораженных районов [30].
Период полураспада диоксина в организме составляет 7-11 лет. Поскольку техногенная катастрофа в Севезо произошла в 1976 году, прямое действие диоксина в настоящее время уже можно не принимать во внимание. Тем не менее, интересно изучить отсроченные эффекты этого вещества
на организм человека. Так как в настоящей работе рассмотрена возможная связь жителей именно этого района с большей летальностью от COVID-19, продолжением этого исследования могло бы быть включение в исследуемую выборку лишь того поколения людей, которые непосредственно пережили данную аварию в 1976 году или переселились в Севезо в течение 7-11 лет, пока не истек период полураспада диоксина. В отдельную группу сравнения можно включить потомков людей, которые пережили аварию и остались проживать на этой территории. Особенно интересно проследить за индивидами, пережившими аварию и их потомками, которые уехали в другие регионы Италии и также перенесли новую коронавирусную инфекцию. К сожалению, на настоящий момент (так как исследование ретроспективное) подобная информация недоступна. Более того, подобная информация не приведена ни в открытых статистических данных, ни в амбулаторных картах пациентов, поэтому требуется значительно больший ресурс для ее систематизации.
Сосредоточив будущие исследования на геноми-ке и протеомике пострадавших пациентов в очагах техногенных катастроф, особенно молодых, у которых наблюдалось тяжелое клиническое течение, можно не только проверить обоснованность нашей гипотезы, но и предсказать генетические детерминанты потенциально худшего прогноза COVID-19. Подобные данные позволят сделать подход к лечению COVID-19 более персонализированным, а также выявить группы риска, которые в первую очередь нуждаются в вакцинации, ревакцинации и защите в терминах ограничения социальных контактов. •
Работа выполнена в рамках проекта Минобрнауки России № 075-15-2021-1049.
СПИСОК ЛИТЕРАТУРЫ
1.Masyagin S., Mazzara M., Succi G., Spallone A., Volpi A. // Biomed. J. Sci. Tech. Res. 2G2G. V. 27. № 5. P. 2105б-210б2.
2. Lamberti-Castronuovo A., Parotto E., Della Corte F., Hubloue I., Ragazzoni L., Valente M. // Front. Public Hlth. 2G22. V. 1G. P. 103419б. doi: 1G.33B9/fpubh.2G22.1G3419б.
3. Carugnoa M., Consonni D., Bertazzi P.A., Biggeric A., Baccini M. // Environ. Pollution. 2G17. V. 227. P. 2BG-2B6.
4. Pesatori A.C., Consonni D., Rubagotti M., Grillo P., Bertazzi P.A. // Environ. Hlth. 2GG9. V. B. P. 39. https://doi. org/10.1186/1476-069X-8-39.
5. De S., Shanmugasundaram D., Singh S., Banerjee N., Soni K.K., Galgalekar R. // Public Hlth. 2G2G. V. 1B6. P. 20-27. doi: 10.1016/j.puhe.2020.06.043.
6.Varma R., Varma D.R. // Bull. Sci. Technol. Soc. 2GG5. V. 25. № 1. P. 37-45.
7.Homberger E., Reggiani G., Sambeth J., Wipf H.K. // Ann. Occup. Hyg. 1979. V. 22. № 4. P. 327-370.
8. Senthilkumar C.S., Malla T.M., Akhter S., Sah N.K., Ganesh N. // Cien. Saude Colet. 2020. V. 25 (suppl 2). P. 42254230. doi: 10.1590/1413-812320202510.2.28682020.
9. The public health implications of the Bhopal disaster. Report to the Program Development Board, American Public Health Association. Bhopal Working Group // Am. J. Public Hlth. 1987. V. 77. № 2. P. 230-236. doi: 10.2105/ ajph.77.2.230.
10. Dourson M.L., Kohrman-Vincent M.J., Allen B.C. // Regul. Toxicol. Pharmacol. 2010. V. 58. № 2. P. 181-188. doi: 10.1016/j. yrtph.2010.04.006.
11. Ingrid E. // Univ. Press (India). 2005. doi: 10.13140/2.1.3457.5364.
12. Kassie F., Laky B., Nobis E., Kundi M., Knasmüller S.
// Mutat. Res. 2001. V. 490. № 1. P. 1-9. doi: 10.1016/s1383-5718(00)00140-6. Erratum in: Mutat. Res. 2001. V. 492. № 1-2. P. 111-113.
13. Kobets T., Smith B.P.C., Williams G.M. // Foods. 2022. V. 11. № 18. P. 2828. doi: 10.3390/foods11182828.
14. Eskenazi B., Mocarelli P., Warner M., Needham L., Patterson D.G. Jr, Samuels S., Turner W., Gerthoux P.M., Brambilla P. // Environ. Hlth Perspect. 2004. V. 112. № 1. P. 227.
15. Vuong T.P. // Toxics. 2022. V. 10. № 7. P. 384. doi: 10.3390/ toxics10070384.
16. Monzani D., Vergani L., Pizzoli S.F.M., Marton G., Pravettoni G. // J. Med. Internet. Res. 2021. V. 23. № 10. e29820. doi: 10.2196/29820.
17. Mannocci A., Ciarlo I., D'Egidio V., Del Cimmuto A., de Giusti M., Villari P., La Torre G. // J. Environ. Public Hlth. 2019. V. 2019. P. 2058467. doi: 10.1155/2019/2058467.
18. Farahani V.J., Altuwayjiri A., Pirhadi M., Verma V., Ruprecht A.A., Diapouli E., Eleftheriadis K., Sioutas C. // Environ. Sci. Atmos. 2022. V. 2. № 5. P. 1076-1086. doi: 10.1039/d2ea00043a.
19. Davies S.M., Geppert J., McClellan M., McDonald K.M., Romano P.S., Shojania K.G. Refinement of the HCUP Quality Indicators. Rockville (MD): Agency for Healthcare Research and Quality (US); 2001 May. Report No.: 01-0035.
20. Dunn O.J. // J. Amer. Statist. Ass. 1961. V. 56. № 293. P. 52-64.
21. Rayner J.C.W., Best D.J. // Australian New Zealand J.
Statistics. 2013. V. 55. № 3. P. 305-319.
22. McKee M., Gugushvili A., Koltai J., Stuckler D. // Int. J. Hlth Policy Manag. 2021. V. 10. № 8. P. 511-515. doi: 10.34172/ ijhpm.2020.124.
23. Benoit L., Koual M., Tomkiewicz C., Bats A.S., Antignac J.P., Coumoul X., Barouki R., Cano-Sancho G. // Environ. Int. 2022. V. 170. P. 107615. doi: 10.1016/j.envint.2022.107615.
24. O'Malley M., Barry T., Verder-Carlos M., Rubin A. // Am. J. Ind. Med. 2004. V. 46. № 1. P. 1-15. doi: 10.1002/ajim.20037. PMID: 15202120.
25. Colucci M.E., Veronesi L., Roveda A.M., Marangio E., Sansebastiano G. // Ig Sanita Publ. 2006. V. 62. № 3. P. 289-304.
26. Sannigrahi S., Pilla F., Maiti A., Bar S., Bhatt S., Kaparwan A., Zhang Q., Keesstra S., Cerda A. // Environ. Res. 2022. V. 210. P. 112818. doi: 10.1016/j.envres.2022.112818.
27. Grasselli G., Zangrillo A., Zanella A., Antonelli M., Cabrini L., Castelli A., Cereda D., Colucello A., Foti G., Fumagalli R., et al. // Am. J. Med. Assoc. 2020. V. 323. № 16. P. 1574-1581.
28. Consonni D., Pesatori A.C., Zocchetti C., Sindaco R., D'Oro L.C., Rubagotti M., Bertazzi P.A. // Am. J. Epidemiol. 2008.
V. 167. № 7. P. 847-858. doi: 10.1093/aje/kwm371.
29. Baccarelli A., Mocarelli P., Patterson D.G. Jr., Bonzini M., Pesatory A.C., Caporaso N., Landi M.T. // Environ. Hlth Perspect. 2002. V. 110. № 12. P. 1169-1173.
30. Sweeney M.H., Mocarelli P. // Food Add. Contam. 2000. V. 17. P. 303-316.
