نویسنده مهمان: دکتر فرید فرخی. نسخه پی‌دی‌اف متن را می‌توانید از این‌جا دریافت کنید. {توضیح: این مقاله قبل از تغییرات مهم در سیاست‌های بریتانیا در مقابله با کرونا نوشته و منتشر شده است. از زمانی که مقاله منتشر شده، سیاست‌های بریتانیا هم به سمت مقابله سخت‌گیرانه‌تر تغییر کرده است.}

هدف از این نوشته اول توضیحی است از روش بریتانیایی مقابله با ویروس کرونا (کوید۱۹)، دوم توضیح کوتاهی در خطر ساده‌سازی و یا تعمیم آن به شرایط ایران.

در عمل، هر کشوری ترکیبی از روش‌های مختلف برای مقابله با ویروس کرونا را پیش می‌گیرد. این روش‌ها در رویکرد کلان‌شان تفاوت‌هایی دارند و در نتیجه شاید بتوانیم هر کدام آنها را روش یک کشور بنامیم. روشی که چین و بعدا ایتالیا پیش گرفتند ترکیبی از قرنطینه کردن مناطق پخش ویروس و تعطیل کردن فعالیت‌های اقتصادی و روابط اجتماعی تا حد ممکن است که لازمه آن بسیج رسانه‌ای و استفاده از قانون برای نگه داشتن مردم در خانه و کمک‌ به تامین غذا و بهداشت برای این جمعیت است.

روش دیگری که کشوری مثل تایوان پیش گرفت کنترل همگانی افراد جامعه و شناسایی افراد مشکوک به بیماری و ایزوله کردن آنها در اولین مراحل شیوع است. علاوه بر اقدام سریع و هشیاری بالای عمومی، موفقیت نسبی تایوان مدیون داشتن زیرساخت‌های منحصربفردی مثل داده‌های بسیار جزیی از تاریخچه سلامت افراد، کنترل به موقع سفرهای تک تک افراد جامعه، ابزار تشخیص موثر افراد بیمار و ایزوله کردن آنها، در کنار سازماندهی منظم مدیریتی بوده است. این درجه از آمادگی تا حدی به تجربه کشورهای آسیای شرقی در برابر ویروس‌های گذشته مثل سارس برمیگردد.

در کنار این رویکردها روش دیگری هم پیشنهاد شده که می‌توان آن را روش دولت بریتانیا نامید. اولین فرض این رویکرد این است که درصد بزرگی از جامعه، شاید تا سه چهارم مردم، به طور اجتناب‌ناپذیری این ویروس را خواهند گرفت چرا که دیگر برای جلوگیری از شیوع گسترده‌ و همه‌گیر دیر شده است. اما می‌توان سه چیز را مدیریت کرد: نرخی که مردم بیمار می‌شوند، اینکه چه گروه‌هایی بیمار بشوند، و اینکه گروه‌هایی که در معرض خطر شدیدی هستند ایزوله نگه داشته بشوند.

اگر این فرض درست باشد که بخش بزرگی از جامعه در هر حال ویروس را می‌گیرند، آنگاه لازم است با نرخی مبتلا بشوند که ظرفیت درمانی کشور (یعنی تعداد تخت‌های بیمارستان‌ها، تجهیزات پزشکی از جمله کیت‌های شناسایی، تعداد دکترها و پرستارها) توان پذیرش و درمان بیماران را داشته باشد. برای اینکه نرخ بیمار شدن افراد متناسب با ظرفیت درمانی جامعه باشد باید فقط به افراد کم‌خطر اجازه داد تا در معرض ویروس قرار داشته باشند، یعنی کسانیکه مثلا سن‌شان کمتر از ۵۰ یا ۶۰ سال است و سابقه بیماری ریوی، قلبی، یا دیابت ندارند چون به شرط ابتلا، نرخ بروز علایم شدید و نیاز به بیمارستان در این گروه بسیار کمتر از گروه پرخطر است. بنا به اینکه ظرفیت درمانی جامعه چه اندازه است باید محاسبه بشود که چه میزان از فعالیت‌های اقتصادی و گردهمایی‌های اجتماعی کاهش پیدا کند تا نرخ بیماران وارد شده به بیمارستان‌ها در تناسب با نرخ بیماران بهبودیافته از بیمارستان‌ها قرار بگیرد.

در نتیجه، شاید لازم باشد برای مدتی رویدادهای ورزشی و فرهنگی تعطیل شوند و عده‌ای از خانه کار کنند و مراقبت‌ها رعایت ‌شود دقیقا تا جاییکه نرخ تولید بیمار در جامعه متناسب با نرخ خروج بیمار از جامعه (یعنی نرح بهبودی به‌علاوه نرخ مرگ) باشد. فرق این روش با روش چین یا ایتالیا در اینجاست که گروه کم‌‌خطر تا جایی‌که ظرفیت درمانی اجازه می‌دهد در اجتماع و اقتصاد می‌ماند و به تدریج که این گروه ایمن می‌شود فعالیت‌های بیشتری نیز به وضع عادی برمی‌گردند. مثلا رویدادهای ورزشی از سر گرفته می‌شود و مشاغل دیگر به فعالیت عادی برمی‌گردند. هزینه این روش این است که اجازه می‌دهد درصدی از گروه کم‌خطر مریض شوند و از بین آنها درصدی از بین بروند. نرخ مرگ به ابتلا شاید برای این گروه ده یا بیست مرتبه کوچکتر از گروه پرخطر باشد، اما هزینه انسانی همچنان بزرگ خواهد بود. علت اینکه سیاست‌گزار چنین راهی را انتخاب می‌کند این است که در اعتقاد او جایگزین این هزینه انسانی بزرگ، یک هزینه انسانی بزرگتر است. پس باید دید که مزیت این رویکرد و در مقابل هزینه‌ رویکرد جایگزین چیست.

نخستین نگرانی این است که رویکرد جایگزین (یعنی قرنطینه مناطق بیمار، نگه داشتن مردم در خانه، مراقبت‌های شدید همگانی و تعطیلی بخش بزرگی از کسب و کار) تا چه زمانی می‌تواند ادامه پیدا کند. آیا مثلا در سه ماه آینده کاهش نرخ بازتولید بیماری به‌ حدی میرسد که ویروس ناپدید ‌شود؟ اگر لازم است که در این دوره ریاضتی بمانیم تا پروسه ساخت واکسن تمام شود، در این صورت آیا باید شش ماه صبر کنیم یا یک سال یا یک سال و شش ماه؟ اگر بعد از مدتی از مراقبت و ریاضت دست برداریم و به سیستم روزمره قبلی نزدیک بشویم آیا دوباره ویروس از راهی وارد می‌شود و ما با صورت مساله‌ای که امروز روبرو هستیم دوباره روبرو می‌شویم؟ علاوه بر این، هزینه‌ شدیدی را که بر مردم به‌خاطر ضعیف‌شدن اقتصاد و تعطیل شدن کسب و کارها وارد می‌شود باید جدی گرفت. جامعه تا به کجا حاضر به پرداخت هزینه‌های اقتصادی است و دولت تا کجا می‌تواند حدی از رفاه را برای مردمی که مجبور شده‌اند کمتر کار ‌کنند یا کار نکنند تامین کند؟

در مدل بریتانیایی، گروه کم‌خطر با نرخی متناسب با ظرفیت درمانی به ویروس مبتلا می‌شوند، و چون متناسب با نرخ بیماران مراقبت درمانی وجود دارد از مراقبت پزشکی محروم نمی‌شوند. در هر حال، به شکل اجتناب‌ناپذیری افرادی از این گروه کم‌خطر تلف می‌شوند. ما می‌دانیم که نرخ مرگ به ابتلا به مراتب در گروه کم‌خطر کمتر است، اما نمی‌دانیم دقیقا چند است، شاید یک‌ در هزار یا یک در چندهزار باشد، شاید هم بیشتر یا کمتر. در هر حال چون در این مدت گروه کم‌خطر فعالیت‌های اقتصادی را ادامه می‌دهند نگرانی چندانی درباره تامین ضروریات، از بین رفتن سرمایه‌ها و کسب و کارها و دیگر هزینه‌های اقتصادی وجود ندارد. در نهایت پس از این‌که همه افراد گروه کم‌خطر ویروس گرفتند همه آنها با هم ایمن می‌شوند و به اصطلاح ایمنی گله‌ای به‌وجود می‌آید. چون این افراد ایمن دیگر ناقل هم نیستند، می‌توان گروه پرخطر را هم به جامعه برگرداند.

کارکرد این مدل بر چندین عقیده استوار است که اثبات درستی آنها بر ما معلوم نیست. آنچه اینجا سبک سنگین می‌کنیم فایده خریدن زمان است در برابر منفعت آن. مدل بریتانیا شباهت‌هایی به مدل ایتالیایی دارد از این جهت که باید با مراقبت و دوری اجتماعی مطمئن شد که ظرفیت درمانی سرریز نکند. اما تفاوت آن در این است که وقتی این شرط برقرار شد وزن کمتری به مراقبت و وزن بیشتری به از سرگیری فعالیت‌های اقتصادی می‌دهد. فرض دیگری که مدل بریتانیا دارد این است که افرادی که از بیماری بهبودی پیدا میکنند دوباره این بیماری را نمی‌گیرند بلکه ایمن می‌شوند و ناقل هم نخواهند بود.

در واقع، هزینه خرید زمان ضعیف شدن اقتصاد و ریاضتی‌شدن زندگی مردم است و منفعت آن تنها وقتی محقق می‌شود که بتوان در آینده جلوی ویروس را گرفت. اما این منفعت عدم قطعیت دارد چون ما نمی‌دانیم که این انتشار ویروس با گرم شدن هوا چقدر آهسته می‌شود و حتی اگر بشود احتمال می‌رود که دوباره در پاییز بر‌گردد و اگر برگشت چه کار کنیم؟ دوباره باید مراقبت و قرنطیه را شروع کنیم و وارد یک چرخه‌ای می‌شویم که فقط وقتی می‌شکند که واکسن بیاید. اما ما نمی‌دانیم واکسن این ویروس چه وقتی به بازار می‌آید و اگرچه هر زمانی بیاید موثرترین ابزار برای جلوگیری از ادامه فاجعه خواهد بود ولی ممکن است تا آن زمان هم هزینه انسانی بزرگی داده باشیم هم اقتصاد را به شرایط ریاضتی برده باشیم.

در مقایسه با رویکرد کشوری مثل تایوان، رویکرد بریتانیا بر این فرض استوار است که جامعه زیرساخت لازم برای اجرای تشخیص موثر بیماران و ایزوله کردن آنها را در مقیاس ملی ندارد چون در واقع دیگر دیر شده است و سازماندهی لازم، آمادگی برای سیاست‌گزاری هماهنگ، یا ابزاری مثل اطلاعات دقیق رکوردشده از سلامت افراد جامعه یا تعداد کافی کیت شناسایی وجود ندارد. مبنای این رویکرد این است که اگر همه دنیا مثل تایوان بود ویروس بعد از مدتی ناپدید می‌شد ولی با شرایط موجود قبل از ورود واکسن درصد بزرگی از جامعه به هر حال این ویروس را می‌گیرند، در نتیجه هزینه خرید زمان بزرگتر از منفعت آن است.

این توضیحات بر اساس برداشت من از اخبار و مقالات موجود است و مصون از برداشت شخصی یا اشتباه احتمالی نیست. علاوه بر این، بحث بر سر اینکه چه رویکردی در مقابله با کوید۱۹ موثرتر است ابعاد وسیعی دارد که نه در اندازه این نوشته می‌گنجد و نه قطعا در اندازه دانش من. هدف مهم‌تر این نوشته این است که رویکردی که من مدل بریتانیا نامیدم برای ما ایرانی‌ها چه پیام سیاست‌گزاری می‌تواند داشته باشد. جواب من این است که در حال حاضر مطلقا و هرگز از آن نباید نتیجه گرفت که سیاست‌گزار در ایران گروه کم‌خطر را از خانه دربیاورد و فعالیت‌های اقتصادی و اجتماعی را برای آنها باز کند. به دو دلیل بسیار مهم.

اول، حتی اگر مدل بریتانیا را بپذیریم اولین پیام آن این است که نرخ بیمار شدن افراد در جامعه باید متناسب با ظرفیت درمانی جامعه باشد. در کشور ما در حال حاضر ظرفیت بیمارستان‌ها کاملا پر است و بیماران زیادی (چه ویروس و چه بیماری‌های دیگر) هستند که علیرغم نیازشان به مراقبت‌های جدی پزشکی ظرفیتی برای پذیرش آنها وجود ندارد. چنین وضعیت پرفشاری نه تنها این بیماران را در معرض ریسک بزرگی قرار میدهد بلکه باعث مریضی و از بین رفتن بخشی از پزشکان و پرستاران کشور می‌شود.

دوم اینکه ما هنوز در مرحله‌ای هستیم که بخشی از سیاست‌گزاران و مردم جامعه خطر ویروس را با یک یا دو ماه تاخیر درک می‌کنند، اقدامی که باید یک یا دو ماه قبل انجام می‌شد امروز قرار است انجام بشود و وقتی هم انجام می‌شود با هرج و مرج مدیریتی و به شکلی ناقص صورت می‌گیرد. در چنین شرایطی ساده‌سازی مدل بریتانیا باعث می‌شود که نسخه کاریکاتوری از آن ابزاری برای توجیه بی‌کفایتی‌ها و بی‌مسولیتی‌ها بشود و علاوه بر این مانعی درست شود در برابر توصیه جمعی به در خانه ماندن و مراقبت‌های جدی. در نتیجه چه مدل بریتانیا را قبول داشته باشیم یا نه، می‌بایست در خانه ماندن و فاصله گرفتن اجتماعی به‌ویژه از مسن‌ترهای جامعه را به‌شکلی جدی توصیه کرد.

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  

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.