top of page

تخمین شیوع بیماری کوید-19 در ایران

تأثیر فاصله گذاری اجتماعی، سیاست گذاری مناسب و تغییرات آب و هوا


در این جلسه از سلسله جلسات حلقه ایران میزبان دکتر هژیر رحمانداد از دانشگاه ام آی تی و دکتر بابک نعیمی از دانشگاه هلسینکی فنلاند بودیم. با توجه به شیوع ویروس کوید-19 و لغو برنامه های حضوری حلقه ایران در هاروارد، و بعلاوه فوریت این موضوع برای اوضاع کنونی ایران و احساس نیاز به دریافتی منطقی از بحران کنونی، از این دو پژوهشگر دعوت کردیم تا طی یک وبینار تحقیقات جامع و تازه چاپ شده ی خود در این زمینه را برای عموم ایرانیان ارائه کنند. در انتهای این سخنرانی، طی یک میزگرد به بحث و بررسی بیشتر موضوع پرداخته شد. بر اساس پیش بینی ها و مطالعات کنونی توسط متخصصان ایرانی آمار واقعی مبتلایان و متوفیان در ایران بسیار بالاتر از آمار اعلام شده رسمی است، و بنابراین، آگاهی جامعه و توجه مسئولین به این امر به منظور جلوگیری از تلفات سنگین در ماه های آینده ضروری است.


نسخه کامل ترجمه فارسی مقاله دکتر هژیر رحمانداد و نوید غفّارزادگان را از اینجا دریافت کنید.


ویدیوی کوتاه تر سخنرانی دکتر هژیر رحمانداد درباره پیش بینی شیوع بیماری کوید-19 در ایران:


ویدیوی کامل جلسه شامل بر سخنرانی دکتر رحمانداد، دکتر نعیمی و میزگرد بحث و بررسی:



خلاصه سخنرانی ها:


مدل‌سازی جهت تخمین شیوع بیماری کوید-19 در ایران

نوید غفارزادگان و هژیر رحمانداد


ابعاد شیوعِ بیماریِ ناشی از ویروس کرونا از مرزهای جغرافیایی فراتر رفته است و هم‌اکنون بسیاری از کشورها با چالش‌های ناشی از آن روبرو هستند. برای توسعه سیاست‌های موثر در برابر گسترش ویروس، نیاز به داده‌های قابل اطمینان در مورد بیماری و روند رشد آن وجود دارد، اما داده های رسمی در بسیاری از کشورها تخمینی پایین دستی از واقعیت ارائه می‌کند. در این شرایط، سیاستگذاران و عموم جامعه نیاز به مدل‌هایی دارند که با ترکیب داده‌های مختلف رسمی و غیررسمی تصویری جامع‌تر از ابعاد همه‌گیری فراهم کنند. در این مطالعه، نمونه‌ای از این رویکرد با تمرکز بر موردکاوی ایران ارائه شده است.


این مطالعه به توسعه و تخمین مدلی دینامیکی از گسترش بیماری و تطبیق آن با داده‌های رسمی و غیررسمی از میزان بیماری و مرگ­ ومیر می‌پردازد. تفاوت این مدل با مدل‌های رایج در این است که متغیرهای درصد تست و سطح تعاملات اجتماعی، درون‌زا بوده و از گسترش بیماری بازخورد می‌گیرند. در این مدل، آمار رسمی، آمار غیررسمی و آمار واقعی، متغیرهای جدا و در عین حال وابسته هستند. کالیبراسیونِ این مدل، با درنظر گرفتن آمار رسمی و غیررسمی، به تخمینِ درصدِ تست و درصد پوشش آمار غیررسمی می‌انجامد، و به این ترتیب تعداد واقعی بیماران به صورت مجزا تخمین زده می‌شود.


مدل ارائه شده، با تخمین نسبت‌های مربوط به تست، در حد مطلوبی قادر به بازسازی داد‌ه‌های رسمی و غیررسمی موجود است. نتایج، حاکی از آن است که درصد کمی (حدود 2.5% ) از کل بیماران تست شده‌اند و در میان متوفیان نیز تست پس از مرگ در حدود 26% است. دلایل مختلف، اعم از کم‌عارضه بودن بیماری در اکثر مبتلایان، ظرفیت‌های محدود آزمایشگاهی و کیتهای تست، و تاخیر در فرآیند تست می‌تواند کم‌بودن درصد تست را توضیح دهد. در چنین شرایطی، شبیه سازی این مدل، ما را به تخمینِ 493 هزار موردِ فعلی بیماری (بازه اطمینان 90 درصد: 271 هزار تا 810 هزار) در تاریخ اول فروردین 99 می‌رساند. تخمین این مدل، برای موارد انباشته بیماری، از ابتدا تا همان تاریخ، بالغ بر 916 هزار (بازه اطمینان 90 درصد: 508 هزار تا 1.5 میلیون) و میزان مرگ ­ومیر، بالغ بر 15,485 (بازه اطمینان 90 درصد: 8400 تا 25800) مورد است. با توجه به محدودیت‌های مدل، و طبیعت پیچیده مسئله، در بررسی این تخمین‌ها، باید توجه ویژه به بازه اطمینان 90 درصد نیز نمود که نشان از میزان عدم قطعیت در تخمین‌هاست.


با این حال اعداد تخمینی نشان از عمق پخش بیماری در سطح جامعه، عدم تست کافی برای تشخیص موارد با وجود رشد در تعداد تستها، و نیاز به سیاستگذاری موثر هم در بهبود تست و هم در کاهش تعاملات اجتماعی دارد. با توجه به تخمینهای این شبیه سازی به نظر می‌رسد کاهش تعاملات اجتماعی تا پیش از نوروز 1399 تا حدودی در آهسته کردن رشد بیماری موثر بوده، اما روند طولانی مدت در درجه اول به عملکرد شهروندان در پایین نگه داشتن تعاملات فیزیکی باز می گردد. برای مثال در صورتی که طبق مفروضات مدل مردم با کاهش مرگ­ ومیر ناشی از بیماری نسبتا سریع به حضور فعال در جامعه بازگردند، می‌توان منتظر یک اوج دیگر در پخش بیماری بود. به علاوه روندها وابسته به سیاست‌های مسوولین و تاثیر شرایط جوی است. بر اساس تخمین‌های این مدل، ممکن است تا اوایل تیرماه، در بهترین سناریوها (کاهش سریع بیماری با توجه جدی سیاستگذار بر کاهش تعاملات و تاثیر مثبت شرایط جوی)، یک میلیون و ششصدهزار نفر به بیماری مبتلا بشوند و تعداد مرگ ­ومیر بالغ بر پنجاه و هشت هزار نفر باشد، هرچند که باید به بازه بزرگ عدم قطعیت در این تخمینها توجه جدی کرد. در سناریوهای بدتر، میزان مرگ­ ومیر ممکن است به 103 هزار مورد برسد. برای جلوگیری از وقوع سناریوهای بدتر تمرکز همه‌جانبه سیاستگذاران برای پایین نگه‌داشتن تماس‌های اجتماعی الزامی است. در نهایت، اعلام زودهنگام پیروزی، ممکن است به بازگشت دوباره بیماری بیانجامد و از این رو سیاستگذاران قبل از کاستن از تمهیدات باید اطمینان ویژه از پایان شیوع بیماری پیدا کنند.

هرچند مشکلات مربوط به گسترش ویروسِ کرونا معطوف به ایران نبوده و هم‌اکنون بسیاری از نقاط دنیا به آن مبتلا هستند، دامنه گسترش آن در ایران شدید بوده است. با این حال، تخمین‌های موجود در این مطالعه را نباید با آمار رسمی ابتلا و مرگ ­ومیر در کشورهای دیگر مقایسه کرد، چرا که احتمالاً آمار رسمی برخی کشورهای دیگر نیز، به دلایل مشابه، تخمینی پایین‌دستی از تعداد واقعیِ بیماران و متوفیان‌شان است. امید است نکات موجود در این مطالعه نه تنها برای ایران، بلکه برای بسیاری از کشورهای دیگر که شرایط مشابهی دارند نیز قابل استفاده باشد.‎

نسخه اصلی مقاله:


گسترش ویروس کوید19 احتمالاً وابسته به شرایط اقلیمی ست.

میگل آرائوخو و بابک نعیمی


همچنین که موارد جدید ابتلا به ویروس کوید19 تایید شده و میلیون ها نفر وارد قرنطینه می شوند، کمتر کسی شک دارد که به یک اپیدمی جهانی رسیده ایم. اگر چه هنوز در روزهای اولیه هستیم، ما در این مطالعه با استفاده از داده های در دسترس دسته ای بزرگ از مدل های بوم شناسانه تشکیل داده ایم که تغییرات ماهانه در تطبیق پذیری ویروس کوید19 با اقلیم را در طی یک سال معمولی اقلیم شناسانه پیش بینی میکند. توزیع کنونی این ویروس نشان می دهد که این ویروس با اقلیم رابطه داشته و آب و هوای سرد و خشک را ترجیح می دهد. والدین این ویروس نیزدر مطالعات گذشته چنین تمایلاتی نشان داده اند. در صورتی که این ویروس از روندهای کنونی پیروی کند، توزیع یکسان آن در سراسر نقاط زمین نامحتمل خواهد بود. هرچند گرم شدن و افزایش رطوبت احتمال شیوع بیماری را پایین می آورد، تأثیر آن، بدون رعایت فواصل اجتماعی و آزمایش های گسترده بر روی مردم به منظور جلوگیری هوشمندانه از شیوع بیماری، ناچیز خواهد بود.


نسخه اصلی مقاله:


معرفی سخنرانان:

هژیر رحمانداد در دانشکده مدیریت دانشگاه ام آی تی استاد پویایی سیستم هاست. پژوهش های وی بر اینکه پویایی (دینامیک) پیچیده ی سازمانی چگونه موجب ناهمگونی در فعالیت ها و خروجی های سازمانی می شود متمرکز است. او آنالیزهایی ارائه داده برای اینکه چگونه سازمان ها در تاخیر بین عملکرد و مشاهده نتیجه می آموزند و با استفاده از داده های واقعی و شبیه سازی نشان داده است که چه چالش های آموزشی برای آنان وجود دارد.


بابک نعیمی پژوهشگری ست در دانشکده زمین شناسی و جغرافی دانشگاه هلسینکی فنلاند و زمینه تخصصی او بررسی پویایی اکوسیستم ها با استفاده ازمطالعات ماهواره ای (remote sensing) می باشد. او با استفاده از تصاویر ماهواره ای و روش های شبیه سازی پیشرفته به درک فرآیندها و الگوهای سیستم های محیطی پیچیده به منظور بررسی پدیده هایی مثل تغییرات اقلیمی می پردازد. دکتر نعیمی به تازگی مقاله ای در زمینه تاثیر اقلیم و آب و هوا بر گسترش ویروس کوید19 منتشر کرده است.

158 views0 comments

Comments


bottom of page