یکی دو روز است که خبری دست به دست می‌شود که دولت بازگشایی فعالیت‌ها و بازگشت به فعالیت عادی را از چند روز دیگر اعلام کرده است. اگر ابتدا به ساکن با ظن مثبت نگاه کنیم، احتمالا دلیل و منطقی پشت این تصمیم بوده است. ولی این دلیل و منطق نه با شهروندان در میان گذاشته شده است و نه افق بعدی و اقدامات احتیاطی در صورت مشاهده موج بعدی سرایت روشن است.

اول به گمانه‌های محتمل بپردازیم تا باب بحث عقلانی باز شود. از یک منظر تحلیلی و عقلانی، چرا دولت باید تصمیم به بازگشایی بگیرد؟ این‌ها مواردی است که به ذهن ما می‌رسد:

۱) ایمنی گله‌ای: شاید دولت با دست‌رسی به‌تر به آمار و ارقام و تبدیل نسبت آمارهای رسمی به آمارهای واقعی (مبتلایان بدون علامت)‌ به این نتیجه رسیده است که میزان ابتلا در کشور در حدی بوده که از پیک عبور کرده و عملا موج بیماری را پشت سر گذاشته است.

تحلیل: هر چند که از مهندسی معکوس نرخ مرگ و میر در برخی شهرهای پرتلفات کمابیش به چنین حدسی می‌رسیم ولی به نظر نمی‌رسد که حتی با ارقام بدبینانه (مثلا باور به وجود چند میلیون مبتلای پنهان در کشور)، کشور هنوز به نقطه ایمنی گله‌ای رسیده باشد.

۲) اعتقاد به هزینه پایین کرونا: احتمال دوم این است که دولت با نگاه کردن به ساختار جمعیتی کشور (جوان بودن جمعیت)، چگالی جمعیتی، وضعیت آب و هوایی، آماده کردن زیرساخت‌‌های درمانی و غیره به این نتیجه رسیده است که حتی در بدترین حالت هم کرونا در کشور ما خیلی پرتلفات نخواهد بود.

تحلیل: هر چند بخش‌هایی از این گمانه – مثل جوانی جمعیت – ممکن است درست باشد ولی به نظر نمی‌رسد که در صورت شیوع بیماری عدد تلفات در شهرهای بزرگ و متراکمی مثل تهران کوچک باشد. شاید این تحلیل در شهرهای کوچک، با آب و هوای گرم و تراکم جمعیتی پایین تا حدی درست باشد.

۳) تحمل‌پذیر نبودن هزینه‌های قرنطینه طولانی: گزینه سوم این است که دولت به این نتیجه رسیده است که با وضعیت تحریم‌ها، رکود اقتصادی، بودجه دولت و اندازه بزرگ جمعیت کشور، اساسا راهی برای یک قرنطینه سراسری با افق زمانی نامشخص و طولانی وجود ندارد. به عبارت دیگر در محاسبات هزینه/فایده شاید جمع‌بندی این بوده که تلفات قرنطینه ممکن است از تلفات کرونا بزرگ‌تر باشد.

تحلیل: احتمالا رگه‌هایی از چنین تحلیلی در ذهن سیاست‌گذاران بوده است ولی حتی در چنین حالتی هم باید یک برنامه خیلی مشخص برای حداقل کردن نرخ سرایت و تلفات (مثل بازگشایی انتخابی، فاصله‌گذاری اجتماعی، برنامه مراقبت‌های بهداشتی در محیط کسب و کار، عدم بازگشایی بخش‌های غیرحیاتی جامعه) اعلام می‌‌شد که ما آن را ندیده‌ایم.

۴) امید به کنترل کرونا بدون قرنطینه: احتمال چهارم این است که تصور سیاست‌گذار این بوده که یا واکسن/درمان کرونا به زودی کشف خواهد شد، یا دمای هوا باعث از بین رفتن ویروس خواهد شد و یا سیاست‌هایی مثل غربال‌گرایی سراسری و گسترده و قرنطینه مبتلایان باعث خواهد شد تا بدون تعطیلی کامل جامعه بتوان بیماری را سرکوب کرد. 

تحلیل: سیاست‌هایی مشابه این روش در برخی کشورها (مثلا کره) به کار رفته است و تا حد خوبی جواب داده است. ولی چنین برنامه‌ای مستلزم یک غربال‌گری بزرگ‌مقیاس، امکانات کافی برای قرنطینه مبتلایان بدون علامت (چیزی شبیه نقاهت‌گاه) و اطمینان از عدم اختلاط مبتلایان و غیرمبتلایان است. اگر برنامه این بوده است باید جزییات و منابع آن اعلام شود و شهروندان هم در جریان چارچوب زمانی و جغرافیایی آن قرار بگیرند. 

۵) هیچ کدام از این موارد: و البته یک حالت هم این بوده که سیاست‌گذار کلا به چنین تحلیل‌‌ها و مقایسه‌ها و آمار و ارقامی اعتقاد ندارد و خیلی دل‌بخواهی یا از سر استیصال تصمیم گرفته است که جامعه را به حالت عادی بازگرداند. ان‌شاا… که حالت محتمل این نیست.

جمع‌بندی سیاستی: ما دست‌رسی به آمار و ارقام و گزارش‌ها و ذهنیت‌های دولت نداریم و نمی‌دانیم این تصمیم با چه منطقی اتخاذ شده است. ولی شهروندان کاملا حق دارند که از دولت بخواهند شفافیت پیشه کند و منطق تصمیماتش را اعلام کند. ضمن این که نمی‌دانیم که چرا تصمیم به بازگشایی با اقدامات احتیاطی که بقیه کشورها به دنبال آن هستند ترکیب نشده است. این‌ها برخی سوالات مهم است:

۱)‌ آیا برنامه‌ای برای تفکیک جمعیت با ریسک بالا (مثلا افراد مسن) از بقیه جامعه وجود دارد؟
۲) سیاست‌هایی مثل فاصله‌گذاری اجتماعی، ماسک‌زدن همه‌گانی و تعطیلی اجتماعات بزرگ چه جای‌گاهی در این تصمیم دارند؟
۳) آیا لازم است همه بخش‌های جامعه به حالت عادی بازگردد؟
۴) نقش سیاست‌هایی مثل حداکثر سازی دورکاری (در مشاغلی که امکان آن هست) در این برنامه کجا است؟
۵) آیا قرار است برنامه غربال‌گری بر اساس تست‌های سریع و ارزان دنبال شود؟
۶) چه مکانیسم‌هایی برای رصد دقیق نرخ انتشار بیماری در جامعه و توقف سریع تصمیمات فعلی در صورت بروز نشانه‌های گسترش بیماری تعبیه شده است؟ 
۷) نقش نهادهای مدنی و ظرفیت‌های مردمی برای سیاست قرنطینه مبتلایان بدون علامت چیست؟
۸) سیاست‌های مربوط به سفر (داخلی و خارجی) و جابه‌جایی جمعیت چه خواهند بود؟
و خیلی سوالات دیگر که پاسخی برای آن‌ها در برنامه‌های دولت نمی‌بینیم.

مقاله قبلیمقاله بعدی
استادیار اقتصاد مالی
Stevens Institute of Tech

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  

اخبار نگران کننده؛ «احتیاط» هنوز اولویت اول

نوید غفارزادگان

در ادامه مطالب قبلی (+و ++) به داده های رسمی جدید بیماری در ایران نگاه می کنیم:

یکی از پارامترهای مهم در بررسی روند شیوع بیماری، متغییر بازتولید کننده Reproduction number است. این متغیر نشان می دهد که هر بیمار در زمان بیماری چند نفر جدید را بیمار می کند. می دانیم که اگر این متغیر بالاتر از یک باشد، روند رشد، فزاینده خواهد بود. دسترسی به داده های واقعی به دلیل محدودیت های تست (اعم از میزان و دقت تست) میسر نیست. از طرف دیگر داده های تست عموما تاخیر ده روزه نسبت به زمان آغاز بیماری دارند. با تمام این محدودیت ها اگر فرض کنیم تعداد گزارشِ بیماران جدید، نسبت ثابتی از بیماران واقعی در ده روز گذشته است می توانیم متغییر بازتولید کننده را تخمین بزنیم. با همین روش به نمودار زیر می رسیم:

این نمودار نشان می دهد که متاسفانه این متغیر، حدودا سیزده روز پیش، عدد یک را پشت سرگذاشته است که روند بسیار نگران کننده ای است. در صورتی که این روند ناشی از نویز در گزارشها نباشد، بیانگر این است که موج دوم بیماری در راه است. امیدواریم این طور نباشد. ضمن این که چون ارقام اعلام شده، کشوری است، دقیقا معلوم نیست چه منطقه ای و چه استانی با این مشکل روبروست. به هر حال سیاستگذاران و مردم باید بسیار به‌هوش باشند، از بازگشایی مراکزی که به تجمع زیاد منجر می‌شود خودداری شود، و از بیرون رفتن های غیرضروری بکاهند.