این نوشته، ترجمه‌ای از مقاله لِگیدو-کوییگلی و همکاران در نشریه لَنسِت است که به تفاوت‌ها و شباهت‌های عملکرد هنگ‌کنگ، سنگاپور و ژاپن در مقابله با انتشار کوید-19 می‌پردازد (لینک به مقاله اصلی). توجه: مترجمِ این متن، تخصصی در ترجمه ندارد، از این رو، برای افراد مسلط به زبانِ انگلیسی، خواندن متن اصلی توصیه می‌شود.

تا پنجم مارس، روند گسترش بیماریِ حاصل از ویروس کرونا در هنگ کنگ، سنگاپور و ژاپن کنترل شده به نظر می‌رسد. سیستم‌های سلامت این مناطق تاکنون قادر به اتخاذ استراتژی‌های کنترلی مناسبی در برابر بیماری بوده‌اند که از شدت گسترش آن کاسته است. با این حال، عملکرد آتیِ این کشور‌ها، در صورت روند گسترش بیماری در ماه‌های آینده، نامشخص است. در این مقاله فهرستی از مشخصات و عملکرد سیستم‌های سلامت هنگ کنگ، سنگاپور و ژاپن ارائه می‌شود.

اول، هر چند با تاخیرهای متفاوت، هر سه این مناطق، تدابیری را برای مقابله با گسترش کرونا اتخاذ کرده‌اند. سیستم‌های نظارتی به سرعت فعالیت خود را برای شناسایی موارد مشکوک آغاز کرده‌اند. کار تولید کیت‌های تست به سرعت آغاز گردیده و ظرفیت‌های آزمایشگاهی برای تست گسترش پیدا کرده است. در ژاپن هنوز فعالیت‌هایی برای به‌خدمت‌گرفتن بیشترِ دانشگاه‌ها در حال انجام است. هنگ‌کنگ، ابتدا، بر تستِ بیماران ذات‌الریه متمرکز بود، اما به سرعت دامنه تست گسترش پیدا کرد و در حال حاضر حدودا 1500 تست در روز انجام می‌گیرد. ژاپن در حال حاضر تست را به غیرِمسافران نیز گسترش داده است، هر چند عملکردش در این زمینه، گاه، سوال برانگیز بوده است.

دوم، با توجه به تجربیات مشترک هنگ‌کنگ و سنگاپور در بیماری‌های مشابه گذشته، از همان هفته‌های اول، هماهنگیها و ارتباطات لازم میان دولت‌های این مناطق برقرار شد. با این حال به نظر می‌رسد، ژاپن در این امر آهسته‌تر عمل کرد، تا این‌که در اوایل فوریه و به دلیل عملکرد نامناسب در قبالِ موارد بیماری در کشتی تفریحی دایموند، مورد انتقاد قرار گرفت.

سوم، در هر سه این مناطق سیاست‌های مالیِ خاص در جهت پوشش دولتیِ هزینه‌های درمان بیماران اعمال شده است. در سنگاپور هزینه بستری‌شدن در بیمارستان (برای اهالی سنگاپور و خارجیان) توسط دولت تامین شده است. در ژاپن منابع مالی از طریق مکانیزم‌های موجود یا اقتضایی تامین شده‌ است. در این میان، سیستم موجود و عادیِ هنگ‌کنک قادر به پرداخت هزینه‌های مربوط بوده است.

چهارم، هر سه این سیستم‌ها برنامه‌های خود برای تداوم خدماتِ جاری سلامت (غیر از کرونا) را توسعه داده‌اند هر چند به نظر می‌رسد ادغام فعالیت‌های معمول با خدمات مربوط به کوید-19 مشکل بوده است. در ژاپن و با پرشدن ظرفیت بیمارستان‌های خاص مربوطه، مشکل‌های مربوط به هماهنگی میان دولت‌های محلی و بیمارستان‌ها به وجود خواهد آمد. در سنگاپور، و در آغاز فراگیری بیماری، هماهنگی با بخش خصوصی با مشکلات متعددی روبرو بود. افزون بر این موارد، در هر سه این مناطق، ظرفیت آی‌سی‌یوها محدود است.

پنجم، در تمامی این مناطق، دارو و درمان برای شرایط بحرانی بیمارن کوید-19 آماده بوده است، با این حال هر سه منطقه با محدودیت‌های مهمی در عرضه اقلام محافظتیِ مورد نیاز در بیمارستان و ماسک روبرو بوده‌اند. در ژاپن و هنگ‌گنک اقلام محافظتی بیمارستان‌ها کم است، هرچند اثر مشهودی در عملکرد سیستم‌ها نداشته است. در هر سه منطقه، در صورت گسترش بیماری، فشار افزاینده‌ای بر سیستم‌های سلامت وارد خواهد شد.

ششم، در هر سه این مناطق، آموزش نیروهای انسانی در بیمارستان‌ها و مراکز درمانی کافی بوده است، هر چند ژاپن ممکن است زودتر به کمبودِ متخصصینِ بیماری‌های واگیری برسد. نیروهای خدماتی در هر سه منطقه، مخصوصا در بیمارستان‌های برگزیده، با ظرفیت تقریبا کامل در حال فعالیت هستند. با گسترش بیماری ممکن است کیفیتِ عملکرد نیروی کار متمرکز بر کوید-19 و سایر بیماری‌ها تحت تاثیر قرار گیرد.

هفتم، مدیریت سیستم‌های اطلاعاتی در هر سه منطقه فراگیر بوده‌است. در سنگاپور، تقریبا هر روز، جلساتی میانِ مدیران محلی سیستم‌های سلامت، مدیران ارشدِ سلامت، و وزارت بهداشت برقرار می‌شود. با این حال، ژاپن می تواند بیشتر به بهبود سیستم تبادل اطلاعات میان مناطق مختلف بپردازد. در هنگ‌کنگ، عملکردِ مشترک میان دپارتمانِ بهداشت دولت و بیمارستان‌های دولتی بهینه نیست.

عملکرد به‌هنگام، دقیق، و مکالمه روشن در مورد خطرها بسیار حیاتی و دشوار است و بر انتخابِ مردم بین کانال‌های رسمی از یک سوی، و شایعه و اطلاعات غلط از سوی دیگر، تاثیرگذار است.  مسوولین سلامت سنگاپور اطلاعات روزانه در مورد بیماری را از کانال‌های اصلی به مردم منتقل می‌کنند. وزارت بهداشت از کانال‌های تلگرام و واتس‌اپ برای ارتباط با پزشکان بخش خصوصی و دولتی استفاده می‌کنند تا به این طریق اطلاعات تخصصی بیشتری منتقل شود، و از وبسایتی برای مقابله با نشرِ اطلاعات نادرست استفاده می‌کنند. ژاپن و هنگ‌گنک در برقراری اعتماد عمومی کمتر موفق بوده‌اند.  

در نهایت تفاوت موجود میان محیط سیاسی و ارزش‌ها از اهمیت زیادی برخوردار است. در هنگ کنگ تداوم اعتراضهای اجتماعی از اعتماد مردم به دولت کاسته است، و بر عملکردِ نیروی کار و اعتماد به کانالهای رسمی تاثیر گذاشته است. در هنگ کنگ و سنگاپور، با گسترش شایعات، فروشگاه‌ها خالی از برخی از کالاها از جمله مواد غذایی شدند. در ژاپن، موضوع کشتی تفریحی دایموند و بسته‌شدن به یکباره مدارس باعث افزایش وحشت عمومی شده است.

هر سه این مناطق سیاست‌های مناسبی را برای مقابله با بیماری اعمال کرده‌اند و گام‌های مهمی را در جهت بهبود سیستم سلامت و تامین منابع مالی و توسعه و اجرای ساختارهای مدیریتی برداشته‌اند. با این حال عملکردِ آن‌ها در قبالِ هماهنگی خدمات بهداشتی متفاوت، تامین نیازهای بیمارستان‌ها، ارتباط مناسب و ارتباط و انتقال ریسک به مردم، و اعتماد به دولت تزلزل پذیر بوده است. افزون بر این مشخص نیست که در صورت تداوم بیماری این سیستم‌ها بتوانند عملکرد خود را ادامه دهند.

در پایان، به سه نکته آموزشی مهم می‌توان اشاره کرد. اول، مدیریت هماهنگ و یکپارچه سیستم‌های سلامت و سایر بخش‌ها، توانمندی پاسخ‌گویی در برابر شوک بیماری را بیشتر می‌کند. دوم، شیوع اخبار نادرست، چالشی پابرجاست. در نهایت اعتماد بیماران، متخصصان سلامت، و جامعه، به دولت از اهمیت حیاتی در مدیریت بحران سلامت برخوردار است.

Legido-Quigley, H., Asgari, N., Teo, Y. Y., Leung, G. M., Oshitani, H., Fukuda, K., … & Heymann, D. (2020). Are high-performing health systems resilient against the COVID-19 epidemic?. The Lancet.

مقاله قبلیمقاله بعدی

تاثیر شرایط جوی بر گسترش بیماری کوید نوزده: تخمین‌ها و پیش‌بینی‌ها

رن شو (دانشگاه کانتیکِت)، هژیر رحمانداد (اِم‌آی‌تی)، ماریچی گوپتا (بیمارستانِ MGH)، کترین دی‌جِنارو (بیمارستانِ MGH)، نوید غفارزادگان (ویرجینا تِک)، حسن امینی (دانشگاه کُپِنهاگ) و محمد جلالی (دانشگاه هاروارد و بیمارستانِ MGH)

تماس: محمد جلالی msjalali@mgh.harvard.edu

خلاصه

مقدمه: تحلیل و پیش‌بینیِ روند گسترش بیماری کوید نوزده، نیاز به تخمینِ میزانِ تاثیر شرایط آب و هوایی بر گسترش بیماری دارد. مطالعات گذشته محققین در این زمینه با تناقضاتی در نتایج همراه بوده‌است. در این مقاله، نویسندگان، ضمنِ جمع‌آوری یکی از گسترده‌ترین مجموعه داده‌های موجود از نقاط مختلف دنیا، به تخمین تاثیر شرایط جوی و پیش بینی ریسک گسترشِ بیماری، در ماه‌های آتی، و در نقاط مختلف دنیا می‌پردازند.

رویکرد: این مقاله مبتنی بر استفاده از روش‌های مختلف تحقیق اعم از مدل‌های آماری و شبیه‌سازی و استفاده از کلان‌داده است. داده‌های جمع‌آوری شده،  شامل تعدادِ بیماران بر مبنای گزارش‌های رسمی در 3739 منطقه دنیا، از تاریخ 12 دسامبر تا 22 آوریل سال 2020، و متغیرهای متعدد جوی و منطقه‌ای است. در این مقاله، ابتدا با استفاده از مدل‌های شبیه‌سازی، چالش‌های پیش‌رو در تخمین تاثیر شرایط آب و هوایی بر گسترش بیماری بررسی شده است و نشان داده می‌شود که، از نظر متدولوژیک، دست‌ِکم گرفتن اهمیتِ توزیع آماریِ بازه زمانی میان آغاز بیماری، شناسایی بیماری، و گزارش آن، می‌تواند به تخمین‌های نادرست بیانجامد. این مشکل از آنجا ناشی می‌شود که برای بررسی تاثیر دما باید دمای روزانه با تعداد مبتلایان همان روز مقایسه شود، حال آنکه زمان نسبتا طولانی و متغیر میان آغاز ابتلا و شناسایی موارد ابتلا وجود دارد. از این رو تخمین تاثیر شرایط آب و هوایی بر بیماری نیز مشکل می‌شود. در این مطالعه، ابتدا الگوریتمی ارائه شده است که زمان آغاز بیماری با استفاده از گزارش‌های رسمی تخمین زده شود. سپس مدلِ آماری این مطالعه، در محیطِ شبیه‌سازی، طراحی و آزمایش شده است. پس از سنجش اعتبارِ مدل، از داده‌های اصلی برای بررسی همبستگی متغیرهای جوی و متغیر بازتولید کننده استفاده شده است. مدل آماری نهایی، علاوه بر متغیرهای جوی، شامل متغیرهای مختلف محیطی، اعم از چگالی شهری، و روند تغییرات در هر منطقه است. نهایتا، از تخمین‌های بدست آمده برای بررسیِ (کاهشِ) ریسکِ ناشی از تغییرات دما بر گسترش بیماری در مناطق مختلف، استفاده شده است.

نتایج: تغییرات آب و هوایی می‌تواند تا حدودی بر (کاهشِ) گسترش بیماری تاثیر‌گذار باشد. میزان تاثیر شرایط جوی قابل ملاحظه است، اما، به خودیِ خود، کافی نیست. به طور مشخص، پس از دمای بیست و پنج درجه سانتیگراد، به ازای هر درجه افزایشِ دما، قدرت بازتولید کنندگی ویروس، تقریبا سه و یک‌دهم درصد کم می‌شود (بازه اطمینان 95 درصد: بین یک و نیم درصد، تا چهار و هشت‌دهم درصد). یعنی ده درجه افزایش دما از 25 تا 35 درجه سانتیگراد، با فرض ثابت بودن سایر عوامل همچون رطوبت هوا، منجر به کاهش سی و یک درصدی عدد بازتولید کننده می‌شود. در مناطق مرطوب‌تر، تاثیر بازدارندگی گرمایش، به مراتب بیشتر خواهد بود. علاوه بر این متغیرها، تاثیر وزش باد، میزان آفتاب، برف و بارندگی نیز بررسی شده است. در کل، به نظر می‌رسد که تفاوت شرایط آب و هوایی، تا 43 درصد، قادر به توضیح تفاوت میزانِ شیوع بیماری در نقاط مختلف دنیاست. شکل 1، تخمین ریسک ناشی از تغییرات جوی بر گسترش بیماری را در برخی از شهرهای ایران نشان می‌دهد.

شکل 1 – ریسک ناشی از تغییرات جویِ گسترش کرونا در شهرهای مختلف ایران – برای درک بهتر شکل باید به تغییرات نسبی هر نمودار توجه شود. مثلا در نمودار تهران، ریسک گسترش بیماری در ماههای تابستان حدودا 30 درصد کمتر از ماههای میانیِ زمستان است (تفاوتِ هفت دهم، و نود و پنج صدم). برای بسیاری دیگر از مناطق ایران و جهان به این سایت مراجعه کنید: https://projects.iq.harvard.edu/covid19

میزان تاثیرات قابل ملاحظه است. هر چند تخمین‌های موجود در این مطالعه با احتیاط همراه بوده و احتمالا تخمین پایین‌دستی است، اما باز هم به نظر نمی‌رسد که تغییرات آب و هواییِ فصلی، به تنهایی، قادر به کنترل بیماری باشد و برای کنترل بیماری به ادامه برخی از سیاستها در سطح کشور نیاز است. برای بررسی بسیاری دیگر از شهرها و مناطق دنیا می توانید به سایت این پژوهش مراجعه کنید. علاقه‌مندان به مباحث تخصصی را به مطلب اصلی ارجاع می‌دهیم.

سایت پژوهش: https://projects.iq.harvard.edu/covid19

مقاله اصلی:

Xu, R., Rahmandad, H., Gupta, M., DiGennaro, C., Ghaffarzadegan, H., Amini, N., Jalali, M., Weather Conditions and COVID-19 Transmission: Estimates and Projections. Available at https://www.medrxiv.org/content/10.1101/2020.05.05.20092627v1  

مقاله علمی: تخمین بیماران کوید19 در شهر نیویورک

تا تاریخ 4 آوریل، تعداد 215 زنِ باردار در نیویورک برای کوید 19 تست شده‌اند. از این میان تنها 4 نفر تب داشته‌اند. به جز آن 4 نفر، نتیجه تست 29 نفر دیگر هم مثبت شده است. این به معنی وجود بیماری در میان حدود 13 درصد این نمونه آماری در شهر نیویورک است. البته کلا فقط 7 نفر از 33 نفر نهایتا علامت واضحی از بیماری بروز داده‌اند. در صورتی که از این نمونه آماری برای تخمین تعداد بیماران در کل شهر نیویورک استفاده شود، به همین نسبت 13 درصد ممکن است فرد بیمار در شهر نیویورک وجود داشته باشد (تا 4 آوریل). این رقم بالای یک میلیون نفر می‌شود و حدودا 10 برابر ارقام رسمی است. البته عده کثیری هیچگاه سیمپتوم نخواهند داشت.

Sutton, D., Fuchs, K., D’Alton, M., & Goffman, D. (2020). Universal Screening for SARS-CoV-2 in Women Admitted for Delivery. New England Journal of Medicine.