Lambda (C.37 olarak da bilinir) ilk olarak Ağustos 2020’de Peru’da tespit edildi ve çoğu Latin Amerika’da olmak üzere 29 ülkeye yayıldı . Ve 20 Ocak 2021’den bu yana Amerika Birleşik Devletleri’nde 668 Lambda enfeksiyonu bildirildi. Peru’da Lambda şimdi yeni COVID-19 vakalarının yüzde 90’ından fazlasından sorumlu , Aralık ayındaki yüzde 0,5’ten daha az keskin bir artış. Ülke halihazırda COVID-19 nedeniyle dünyanın en kötü ölüm oranını yaşadı ; hastalık nüfusun yaklaşık yüzde 0,54’ünü öldürdü.

Peru Sağlık Bakanı Óscar Ugarte düzenlediği basın toplantısında , Lambda varyantının Mart ve Nisan sonu arasındaki ikinci dalga sırasında yüksek sayıda enfeksiyona neden olmasının muhtemel olduğunu söyledi. Birincil aşının Çin’in CoronaVac olduğu komşu Şili’de Lambda , son 60 gün içinde sıralanan vakaların yüzde 31’ini oluşturuyor. Şili nüfusunun yüzde 58,6’sı tamamen aşılanmış ve yüzde 10’u tek doz almış olmasına rağmen yüksek vaka sayıları ortaya çıkıyor. Aşının zayıf etkinliği, kısmen suçlanabilir. bir çalışmaŞili Üniversitesi tarafından yapılan , tek doz CoronaVac aşısının sadece yüzde 3 etkili olduğunu, ancak her iki dozdan sonra bu oranın yüzde 56,5’e yükseldiğini buldu.

“Şili’nin neden bu kadar yüksek enfeksiyon oranları aldığı kafa karıştırıcı ve muhtemelen birkaç faktörden kaynaklanıyor. Peru, Lima’daki Universidad Peruana Cayetano Heredia’da mikrobiyolog olan Pablo Tsukayama, aşı kapsamının yüksek olması nedeniyle kısıtlamalar biraz erken gevşetildi ve bu durum vakalarda artışa yol açabilirdi” diyor. İlk fark eden Tsukayama’ydı.Ocak ve Mart 2021 arasında depolanan örnekleri rutin sonra Lambda varyantını Ancak dolaşımdaki ana varyantların, Gamma ve Lambda’nın aşılardan daha az korumaya yol açan bazı bağışıklık kaçış özelliklerine sahip olması da mümkündür. ”

Lambda’nın bağışıklık sisteminden kaçabilme olasılığı, Dünya Sağlık Örgütü’nün onu bir İlgi Varyantı (VOI) olarak belirlemesine yol açtı. 14 Haziran’da . DSÖ, virüsteki genetik değişiklikler o kadar önemli olduğunda bir virüsü VOI olarak sınıflandırır. bulaşıcılığını, hastalık şiddetini, bağışıklık kaçışını, teşhisini veya tedavisini etkileyebilir; ve bir topluluk aracılığıyla hızla yayılır.

Latin Amerika olsa da dünya nüfusunun sadece yüzde sekiz , o oluşturan küresel coronovirüs vakalarının yüzde 20’sinden fazlasını ve COVID-19 ölümlerin yüzde 32’sini , dünya çapında. Bölge hala küresel olarak kaydedilen ölümlerin yarısından fazlasını bildiriyor olsa da , 10 Latin Amerikalıdan sadece biri tam olarak aşılanmıştır. Honduras ve Guatemala gibi ülkelerde ise bu oran yüzde 1’in altında .

Kolombiya Enfeksiyon Hastalıkları Derneği başkan yardımcısı ve epidemiyolog Alfonso Rodriguez-Morales, “Önümüzdeki birkaç hafta içinde Latin Amerika’da başka bir kritik durum görmek üzereyiz” diyor. Bunun nedeni, bazı ülkelerde aşılama programlarının nüfuslarının yüzde 5 ila 10’undan fazlasını hala tam olarak aşılamamış olmasıdır “ve bu çok kritiktir”.

Araştırmacılar tarafından yürütülen yeni çalışmalar, makine öğrenimi araçlarının, diş kaybı için en büyük risk altında olanları belirlemeye yardımcı olabileceğini ve durumu önlemek veya geciktirmek için erken müdahaleleri sağlamak amacıyla onları daha fazla diş değerlendirmesi için yönlendirebileceğini öne sürüyor.

 Risk taraması için farklı değişken kombinasyonları kullanan beş algoritmayı karşılaştırdı. Sonuçlar, tıbbi özellikleri ve ırk, eğitim, artrit ve diyabet gibi sosyoekonomik değişkenleri etkileyenlerin, yalnızca diş klinik göstergelerine dayanan algoritmalardan daha iyi performans gösterdiğini gösterdi. 

Diş kaybı fiziksel ve psikolojik olarak zayıflatıcı olabilir. Yaşam kalitesini, refahı, beslenmeyi ve sosyal etkileşimleri etkileyebilir. Diş hastalığının en erken belirtileri tespit edilirse ve durum derhal tedavi edilirse süreç ertelenebilir, hatta önlenebilir. Yine de diş hastalığı olan birçok kişi, süreç bir dişi kurtarma noktasının çok ötesine geçene kadar diş hekimine görünmeyebilir. Ekip, tam olarak bu noktada tarama araçlarının en yüksek risk altındakileri belirlemeye yardımcı olabileceği ve daha fazla değerlendirme için onları yönlendirebileceği belirtildi.

Özellikle, algoritmalar, diş muayenesi olmadan riski değerlendirmek için tasarlandı. Araştırmacılar, diş kaybı için yüksek risk altında olduğu düşünülen herkesin yine de gerçek bir muayeneden geçmesi gerektiğini ekledi. Analizin sonuçları, riski şekillendiren sosyoekonomik faktörlerin geleneksel klinik göstergelerin ötesinde önemine işaret ediyor. Ekip, gerçekten de, düşük gelirli ve marjinal popülasyonların, diğer nedenlerin yanı sıra, muhtemelen diş bakımına düzenli erişim eksikliği nedeniyle, diş kaybı yükünün orantısız bir payını yaşadığı uzun zamandır biliniyordu.