زمان انتشار : ۱۸ آبان ,۱۴۰۰ | ساعت : 14:49 | کد خبر : 214799 |
, ,

اپیدمی‌ها تا حد زیادی قابل پیش‌بینی هستند: یادداشت دکتر جان دریک در فوربس

شفقنا آینده- دکتر جان دریک، پزشک و استاد دانشگاه جورجیا در یادداشتی در نشریه فوربس به احتمال پیش‌بینی اپیدمی‌ها پرداخته- که در صورت محقق شدن می‌تواند در سال‌های آینده جان‌های بسیاری را نجات دهد.

به گزارش سرویس ترجمه شفقنا، این پزشک با تاکید موکد بر این که «این موضوع تقریبا اثبات شده که اپیدمی‌ها تا حد زیادی قابل پیش‌بینی هستند»؛ یادداشتش را با اشاره به مورد ویژه کووید ۱۹ آغاز می‌کند- که ظاهرا به ادعای اغلب پزشکان ویژگی‌ها و ساختار متفاوتی دارد.

فقدان کنترل و ویژگی‌های خاص همه‌گیری کووید ۱۹ (مانند امواج متعدد انتقال و البته جهش‌های متعدد و مختلف ویروس) ممکن است باعث بدفهمی در مورد قابل پیش‌بینی بودن اپیدمی‌ها شود. این در حالی است که نگاه مقایسه‌ای و مدل‌سازی دانشمندان نشان از تنوع بسیار بالای مهارت‌های پیش‌بینی اپیدمی‌ها، از نظر زمان بروز همه‌گیری، واحدهای مکانی و البته اندازه و میزان این اپیدمی دارد.

جان دریک با تاکید دوباره بر این که «من به قابل پیش‌بینی بودن اپیدمی‌های آینده خوش‌بینم»؛ این موضوع را با رویدادهای شدید اقلیمی و فجایع طبیعی قابل مقایسه می‌داند.

او در این زمینه می‌گوید:

«با این حال، باید انتظارات خود را تغییر دهیم. این هم چیزی است مانند سایر رویدادهای فاجعه‌آمیز مثل آتش‌سوزی جنگل‌ها، طوفان‌ها و گردبادها. چنین رویدادهای منحصر به‌فردی را غیرممکن است که بتوان به دقت پیش‌بینی کرد. یعنی هیچ‌کس نمی‌تواند دقیق بگوید که طوفان استوایی بعدی چه زمانی در افق ظاهر خواهد شد یا صاعقه بعدی به کجا اصابت خواهد کرد. اما با این حال این رویدادها در مجموع قابل پیش‌بینی هستند. پس ما باید یک نگاه آماری به پیش‌بینی بیماری داشته باشیم».

مانند پیش‌بینی آب و هوا!

این پزشک می‌گوید که پیش‌بینی بیماری نیز مانند پیش‌بینی آب و هوا باید مبتنی بر آمار باشد.
او می‌گوید:

«از آن‌جا که نمی‌توانیم از قبل پیش‌بینی کنیم که چه تعداد طوفان در سال جاری اتفاق خواهد افتاد یا این طوفان‌ها چه شدتی خواهند داشت، در مورد پیش‌بینی اپیدمی و بیماری نیز باید چنین طرز فکری داشته باشیم».
اما چگونه؟!

به باور این پزشک «به رغم ناتوانی در پیش‌بینی طوفان، ولی با اطمینان کامل می‌توان گفت که تغییرات آب و هوایی یک عامل خطر برای افزایش فراوانی و شدت طوفان‌ها است. یعنی دانش ما به ما امکان می‌دهد یک پیش‌بینی آماری درباره احتمال وقوع طوفان در فصل آینده انجام دهیم».

در مورد پیش‌بینی بیماری نیز داستان مثل اتفاقات آب و هوایی است. انسان‌ها چندین و چند دهه متمادی است که می‌دانند بیماری‌ها با فاکتورهای هشداردهنده قابل شناسایی آغاز می‌شوند. به عنوان مثال، میکروارگانیسم‌هایی که به عنوان زوونوز شناخته می‌شوند (یعنی از حیوانات به انسان منتقل می‌شوند)؛ بیشتر از سایر عوامل عفونی به عنوان پاتوژن‌های انسانی ظاهر می‌شوند. در واقع، حدود ۷۵ درصد از بیماری‌های نوظهور منشأ حیوانی دارند. دیگر این که احتمال ظهور ویروس‌ها در جمعیت انسانی چهار برابر بیشتر از میانگین حضور و ظهور انگل‌هاست که به معنای خطر بیشتر در حدود ۴۰۰٪ است. این در حالی است که کرم‌های انگلی تنها یک چهارم احتمال ایجاد بیماری‌های جدید را در انسان‌ها دارند- که نشان از خطر ۲۴٪ درصدی دارد.

نویسنده فوربس در ادامه با اشاره به انجام یک مطالعه پژوهشی در مورد آمار صد همه‌گیری بزرگ- بر اساس پاتوژن‌های مشترک بین انسان و دام، نوشته:

بر اساس آن مطالعه به این ایده رسیدیم که اگر بتوان نمودار و نمایه‌ای برای همه‌گیری‌های واقعاً بد به وجود آورد، شاید بعدها بشود برای جلوگیری از تحقق شرایط مشابه آن اپیدمی‌های قبلی مداخله کرد. در کل، در آن مطالعه چهل و هشت فاکتور مختلف تاثیرگذار در شیوع بیماری را بررسی کردیم، از قبیل مسیر انتقال، مکان و ارتباط شناخته‌شده با حیوانات وحشی یا اهلی- و فهمیدیم که ویژگی‌های اپیدمی‌های بسیار بزرگی که منشا حیوانی دارند، با موارد شیوع کوچک‌تر متفاوت است. در واقع شیوع‌های بزرگ معمولاً چند علتی هستند و عوامل متعددی را در آن‌ها می‌توان ردیابی کرد. شیوع‌های بزرگ هم‌چنین با فاکتورهای محیطی و جمعیتی بزرگ مرتبط هستند- که در این زمینه می‌توان به مواردی مانند تغییرات ایجاد شده در تعداد ناقلین بیماری، تراکم جمعیت در مکان شیوع، شرایط آب و هوایی و نیز آلودگی آب اشاره کرد.

پیش‌بینی بیماری باید کثرت‌گرا باشد!

دومین نکته‌ای که در پیش‌بینی بیماری‌های عفونی باید در نظر داشته باشیم، این است که قبول کنیم که مدل‌های علمی ابزار هستند، نه وحی منزل. و مانند هر کاری که دارای اجزای متعدد است، مثل ساخت خانه، در اغلب اوقات به بیش از یک ابزار نیاز داریم. مدل‌های آماری که در بالا توضیح داده شد، ممکن است در پیش‌بینی مکان و شرایط مورد نیاز برای شیوع‌های آینده مفید باشند.

پیش‌بینی این‌که شیوع بیماری کجا و با چه سرعتی خواهد بود، موضوع دیگری است. پیش‌بینی سیاست‌های عمومی و واکنش‌های رفتاری فردی نیز موضوعات دیگری هستند. و البته پیش‌بینی ظهور انواع جدیدتر بیماری. هر کدام از این پیش‌بینی‌ها نیاز به یک جعبه ابزار بهتر و جدیدتری دارد.

بر اساس اولین اپیدمی‌های بزرگ مشترک بین انسان و حیوان در قرن بیست و یکم (ویروس نیل غربی که در سال ۱۹۹۹ در آمریکا شروع شد، و اولین شیوع جهانی سارس در سال ۲۰۰۳) دانشمندان به پیشرفت‌های مشخصی در مدل‌ها و تکنیک‌های آماری مورد استفاده برای پیش‌بینی بیماری و آنالیز همه‌گیری رسیده‌اند. مانند اغلب موارد مربوط به پیش‌بینی و در کل رفتارهای پیشگیرانه، اما، این برنامه نیز با کمبود بودجه مواجه شده است. در سال ۲۰۱۶، دو سال قبل از همه‌گیری کرونا، آکادمی ملی علوم گزارش داد که «انتظار می‌رود همه‌گیری‌های بالقوه آینده، سالانه بیش از ۶۰ میلیارد دلار آسیب اقتصادی و مالی به وجود آورند. در مقابل، مطالعاتی که در زمینه پیش‌بینی اپیدمی‌های آینده به انجام می‌رسند، حدود ۴.۵ میلیارد دلار در سال نیاز دارند- که کسری از هزینه‌هایی است که برای مقابله با سایر خطراتی که برای نوع بشر وجود دارند، هزینه می‌شود و با هر متر و معیاری توجیه‌پذیر است.

پیش‌بینی بیماری به داده‌های بیشتری نیاز دارد!

در نهایت، می‌رسیم به داده‌های جدید- که می‌توانند بازی پیش‌بینی بیماری‌های آینده را تغییر دهند.

سیستم‌های هشداردهنده زلزله به ابزارهای پیچیده و هوشمندی مانند هشدار لرزه یا برنامه هشدار عمومی متکی هستند. پیش‌بینی‌های آب و هوا نیز به شبکه‌ای از رادارهای زمینی، ماهواره‌های قطبی و امواج رادیویی، سیستم‌های خودکار رصد سطح زمین، ابرکامپیوترها و سیستم‌های پیشرفته پردازنده اطلاعات اقلیمی اتکا دارند.

در حال حاضر در زمینه پیش‌بینی اپیدمی‌ها هنوز هیچ ابزار مشابهی وجود ندارد. داده‌هایی که ما به آنها تکیه می‌کنیم، مواردی مانند تعداد مبتلایان، بستری‌ها، مرگ و میر، تعداد واکسن‌های تزریق‌شده و… تقریباً دستی جمع‌آوری می‌شوند و به همین نسبت مستعد خطا هستند و هم‌چنین بعد از این که در دسترس قرار گرفتند، خیلی زود منسوخ می‌شوند.

دنیا در برخی زمینه‌های خاص مانند ردیابی تماس دیجیتالی و اپیدمیولوژی مولکولی که داده‌ها را با وفاداری بالاتر، وضوح بالاتر و تأخیر کمتر ارائه می‌دهند، پیشرفت‌هایی داشته‌. اما، انقلاب در پیش‌بینی همه‌گیری‌های آینده مستلزم بازنگری رویکردهای موجود در جمع‌آوری و مدیریت داده‌هاست. در واقع آن‌چه واقعاً نیاز به آن احساس می‌شود، یک انبار داده استراتژیک همراه با امکان جمع‌آوری و انتشار هم‌زمان داده‌هاست.

بنابراین در یک جمله می‌توان گفت: پیش‌بینی آماری، کثرت‌گرا و مبتنی بر داده‌ها در مورد همه‌گیری‌های آینده واقعاً ممکن است. در واقع، نه تنها ممکن، بلکه ضروری هم هست!

 

0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.