کرونا: چرا پیش‌بینی‌های مبتنی بر مدلهای آماری درباره روند بیماری محقق نشدند؟
"پیش‌بینی مرگ سه و نیم میلیون ایرانی بر اثر کرونا"
چند هفته قبل خبر فوق در فضای مجازی دست به دست می‌شد و یکی از پربازدیدترین اخبار بود و به دنبال آن موجی از ترس و دلهره در میان هموطنان ایجاد شده بود.
ماجرا این بود که محققانی از دانشگاه شریف با استفاده از مدلهای آماری سناریوهای مختلفی را از روند ابتلا و مرگ از بیماری کرونا در کشور از خوش‌بینانه‌ترین تا بدبینانه‌ترین حالت طراحی کرده بودند.
علاوه بر این، تعدادی از اساتید اپیدمیولوژی نیز در مقاله‌ای که اخیراً در مجله پزشکی جمهوری اسلامی ایران منتشر شده با استفاده از این مدلها پیش‌بینی کرده بودند که تا اواخر اردیبهشت ماه منحنی اپیدمی بیماری سیر صعودی خواهد داشت و از آن موقع به بعد صاف می‌شود.
در حالیکه از چندی قبل روند بیماری در کشور نزولی شده این سوال پیش می‌آید که کاربرد این مدلهای علمی چیست و چرا خوشبختانه هیچ کدام از این سناریوها حتی در خوش‌بینانه‌ترین وضعیت به وقوع نپیوسته و موارد مشاهده شده از مرگ و بیماری در عمل کمتر از موارد مورد انتظار این تخمین‌ها بوده‌اند؟
چند ماه قبل کتابی در انگلستان به نام قواعد سرایت (The rules of contagion) به نویسندگی Dr. Kucharski از اساتید London School of Hygiene and Tropical Medicine
به چاپ رسید.
نویسنده که به طور تخصصی بر روی موضوع تحلیل همه‌گیری بیماریهای عفونی کار می‌کند در این کتاب به منطق پیش‌بینی اپیدمی‌ها و چگونگی گسترش همه‌گیری‌ها و توقف آنها می‌پردازد.
او بیان می‌کند که مدلهای آماری پیش‌بینی اپیدمی‌ها برای هشیاری سیاستگذاران سلامت جهت اتخاذ مداخلات بزرگ اجتماعی ضروری بوده تا بدین ترتیب روند رو به گسترش بیماری‌ها کُند گردد.
اگر نکات فوق را به وضعیت اپیدمی کرونا در کشور خودمان تعمیم بدهیم می‌توان اقداماتی همچون تعطیلی مدارس، دانشگاه‌ها، مساجد، زیارتگاه‌ها، برخی از مشاغل، محدودیت تردد خودروهای شخصی بین استانها، لغو طرح ترافیک و ... را تحت عنوان آن دسته از مداخلات اجتماعی بر شمرد که همگی تأثیرات قابل توجهی بر میزان سرایت بیماری در طی این مدت داشته‌اند.
همچنین تمهیداتی که اخیراً توسط مسئولین حوزه سلامت برای مقابله با این بیماری اندیشیده شده از قبیل توسعه آزمایشگاه‌های تشخیص بیماری، تختهای بیمارستانی، بخشهای ICU و ... نیز در این مقوله می‌گنجند.
از سوی دیگر، Dr. Kucharski با ارایه مثالهایی از اپیدمی‌های بزرگ قبلی در جهان نشان می‌دهد که چگونه انسانها در مواجهه با خطراتی که بقای آنها را تهدید می‌کنند با تغییر شیوه زندگی خود روند اپیدمی‌ها را تحت تأثیر قرار می‌دهند.
کرونا مثال خوبی است تا شیوه زندگی چند ماه قبل خود را با وضعیت فعلیمان مقایسه کنیم و بینیم که در خلال این اپیدمی چقدر تغییر کرده‌ایم.
شستن مکرر دستها، استفاده از ماسک صورت، فاصله گذاری اجتماعی و حتی استفاده روزافزون از شبکه‌های مجازی چه به صورت نشر سریع و وسیع اخبار بهداشتی و ضروری در میان مردم در طی این مدت و چه به صورت استفاده از ویدئو کنفرانس به جای ملاقاتهای حضوری حتی در میان آن دسته از مردم که تا پیش از این با این ابزارهای مدرن نا آشنا بودند همگی تغییراتی اجتماعی هستند که در شیوه زندگی ما رخ داده و چرخه انتقال ویروس بیماری‌زا را در هم شکسته است.
به طور خلاصه، استفاده از مدلهای آماری به عنوان یک پیش نیاز در همه‌گیری‌ها قابل انکار نیستند اما نتایج آنها را نباید قطعی تلقی کرد.
توجه به این نکته ضروری است که متخصصانی که با استفاده از این روشها به تحلیل همه‌گیری‌ها می‌پردازند معمولاً از داده‌های روند بیماری در شروع اپیدمی در جامعه‌ای که هنوز دستخوش این تغییرات نشده بهره می‌برند.
به عبارت دیگر، مدلهای آماری ابزارهایی هشدار دهنده برای سیاستگذاران و عموم مردم هستند تا با انجام مداخلات اجتماعی و تغییر در رفتار و سبک زندگی بتوانند اپیدمی‌ها را مهار کنند.
البته محقق نشدن پیش‌بینی‌های فوق که نتیجه‌ی همکاری مردم، خدمات ارزشمند کادر درمانی و تلاش مسئولان امر بوده نباید باعث تصمیمات هیجان‌زده و تعجیل غیرعلمی در کنارگذاشتن راهکارهای ویژه شرایط کرونایی شود.
