این گزارش از سری گزارش‌های ایمپریال کالج لندن به اهمیت واکنش سریع کشورها در مقابله با شیوع کووید ۱۹ برای پیشگیری از مرگ‌ومیر ۴۰ میلیون نفر در دنیا با اتکا به مدلسازی ارتباط افراد و انتقال بیماری در کشورها می‌پردازد.

The Global Impact of COVID-19 and Strategies for Mitigation and Suppression

Imperial College COVID-19 Response Team

March 26, 2020

خلاصه: در ماه‌های اخیر، جهان درگیر چالش جدی مقابله با شیوع جهانی بیماری کووید ۱۹ است. برخورد تک‌تک کشورهای دنیا در هفته‌های آینده تاثیر بسزایی در سرعت پیشرفت بیماری در دنیا خواهد داشت. در این مطالعه، نویسندگان با استفاده از داده‌های ارتباط افراد در جامعه برمبنای گروه‌های سنی مختلف و شدت شیوع بیماری در ۲۰۲ کشور‌ دنیا، تخمینی از تاثیر شیوع بیماری بر مرگ و میر را ارائه کرده ا‌ند. سناریوهای مورد مطالعه در کشورها شامل بررسی تاثیر عدم ارائه برنامه‌های کنترلی و مقایسه آن با اجرای افزایش فاصله در اجتماع و محدود کردن ارتباط فیزیکی افراد با هدف شکستن زنجیره انتقال خواهد بود. توجه به این نکته ضروری است که تخمین‌های ارائه شده در این مطالعه بر مبنای داده‌های جمع آوری شده از چین و سایر کشورهای توسعه یافته است و بنابراین، محدودیت هایی برای بسط نتایج به سایر کشور‌ها با شرایط متفاوت وجود خواهد داشت.
نتایج این مطالعه نشان میدهد که در صورت عدم وجود برنامه‌های کنترلی، کووید ۱۹ میتواند منجر به انتقال عفونت به ۷ میلیارد نفر در دنیا و مرگ ۴۰ میلیون نفر تا پایان سال ۲۰۲۰ میلادی شود. راهکار‌های کاهش انتقال شامل محافظت از سالمندان (کاهش ۶۰ درصدی ارتباطات اجتماعی برای آنها) و کاهش انتقال در جامعه (۴۰ درصد کاهش ارتباطات اجتماعی برای سایر افراد جامعه) میتواند باعث کاهش پنجاه درصدی مرگ ومیر و پیشگیری از مرگ ۲۰ میلیون نفر بشود. با این حال برمبنای یافته‌های این مطالعه، حتی در فرضیه دوم و اجرای سیاست‌های کنترل انتقال بیماری، سیستم بهداشت و درمان در تمامی کشورها قابلیت پاسخگویی به نیاز بیماران را ندارند. تاثیر این مشکل در کشورهایی با عدم زیرساخت درمانی مناسب چندین برابر خواهد بود. بر مبنای فرضیه‌های این مطالعه کشورهایی که زیرساخت بهداشت و سلامت ضعیف‌تری دارند تا ۲۵ برابر ظرفیت و کشورهایی که زیرساخت بهداشت و سلامت بهتری دارند تا ۷ برابر ظرفیت مراجعه، بیمار خواهند داشت.
درنهایت توصیه نویسندگان این مطالعه، تطبیق سریع کشورها با شرایط پیشامده به خاطر شیوع بیماری کووید ۱۹ و گسترش غربالگری، قرنطینه، و محدود کردن حداکثری ارتباطات اجتماعی است. همانطور که در حال حاضر چنین سیاست‌هایی در بسیاری از کشور‌ها در حال پیاده سازی است. اجرای سریع سیاست‌های کنترل انتقال (زمانی که مرگ‌ومیر ۰.۲ مرگ از هر ۱۰۰،۰۰۰ نفر جمعیت در یک هفته است) از مرگ ۳۸.۷ میلیون نفر در جهان پیشگیری می‌کند. اجرای سیاست‌های کنترلی با اندکی تاخیر (زمانی که مرگ‌ومیر ناشی از بیماری ۱.۶ مرگ از هر ۱۰۰،۰۰۰ نفر در یک هفته است) از مرگ ۳۰.۷ میلیون نفر پیشگیری می‌کند. به تعویق انداختن اجرای سیاست‌های کنترلی جان تعداد بیشتری از مردم دنیا را در معرض خطر قرار می‌دهد.
با وجود اهمیت کنترل شیوع بیماری، نمی‌توان از هزینه‌های هنگفت اقتصادی و اجتماعی سیاست‌های کنترلی چشم پوشی کرد. علاوه بر آن، ادامه چنین سیاست هایی باید تا زمانی که درمان موثر یا واکسن برای این بیماری وجود ندارد نقش حیاتی در کنترل شیوع بیماری و پیشگیری از موج‌های بعدی اپیدمی دارد. در نهایت، این مطالعه با اشاره به تصمیم‌های سختی که کشور‌ها باید در طول هفته‌ها و ماه‌های آینده بگیرند، بر اهمیت واکنش سریع، با تدبیر، و انتخاب‌های درست در نجات جان میلیون‌ها نفر تاکید می‌کند.

Summary: The world faces a severe and acute public health emergency due to the ongoing COVID-19 global pandemic. How individual countries respond in the coming weeks will be critical in influencing the trajectory of national epidemics. Here we combine data on age-specific contact patterns and COVID-19 severity to project the health impact of the pandemic in 202 countries. We compare predicted mortality impacts in the absence of interventions or spontaneous social distancing with what might be achieved with policies aimed at mitigating or suppressing transmission. Our estimates of mortality and healthcare demand are based on data from China and high-income countries; differences in underlying health conditions and healthcare system capacity will likely result in different patterns in low income settings.

We estimate that in the absence of interventions, COVID-19 would ha resulted in 7.0 billion infections and 40 million deaths globally this year. Mitigation strategies focussing on shielding the elderly (60% reduction in social contacts) and slowing but not interrupting transmission (40% reduction in social contacts for wider population) could reduce this burden by half, saving 20 million lives, but we predict that even in this scenario, health systems in all countries will be quickly overwhelmed. This effect is likely to be most severe in lower income settings where capacity is lowest: our mitigated scenarios lead to peak demand for critical care beds in a typical low-income setting outstripping supply by a factor of 25, in contrast to a typical high-income setting where this factor is 7. As a result, we anticipate that the true burden in low income settings pursuing mitigation strategies could be substantially higher than reflected in these estimates.

Our analysis therefore suggests that healthcare demand can only be kept within manageable levels through the rapid adoption of public health measures (including testing and isolation of cases and wider social distancing measures) to suppress transmission, similar to those being adopted in many countries at the current time. If a suppression strategy is implemented early (at 0.2 deaths per 100,000 population per week) and sustained, then 38.7 million lives could be saved whilst if it is initiated when death numbers are higher (1.6 deaths per 100,000 population per week) then 30.7 million lives could be saved. Delays in implementing strategies to suppress transmission will lead to worse outcomes and fewer lives saved.

We do not consider the wider social and economic costs of suppression, which will be high and may be disproportionately so in lower income settings. Moreover, suppression strategies will need to be maintained in some manner until vaccines or effective treatments become available to avoid the risk of later epidemics. Our analysis highlights the challenging decisions faced by all governments in the coming weeks and months, but demonstrates the extent to which rapid, decisive and collective action now could save millions of lives.

مقاله قبلیمقاله بعدی
محقق ارشد
Air Worldwide

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

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.