مدل های COVID نحوه جلوگیری از قفل شدن در آینده را نشان می دهد



با افزایش موارد COVID-19 در ایالات متحده ، مشاوران بهداشت ملی آنتونی فاوسی و دبورا بیرکس در حال تلاش برای رویکردی هستند که بر فاصله شدید اجتماعی و استفاده گسترده از ماسکها تأکید دارد و بسیاری از کشورها به دنبال کاهش ویروس هستند. بدون استفاده از قفل کامل. این استراتژی به برخی کشورها کمک کرده تا شیوع خود را در تابستان کاهش دهند. اما با شروع زمستان و تعطیلات بزرگ ، آیا این اقدامات کافی است؟

دانشمندان قبلاً درجات مختلفی از فاصله اجتماعی و استفاده از ماسک را در پیش بینی همه گیری خود آغاز کرده اند. انتقال COVID مربوط به وقفه ها بسته به متغیری موسوم به “کنترل انتقال” چندین سناریو را شبیه سازی می کند که به عنوان “کاهش درصد تماس م contactsثر بین افراد آلوده و مستعد در مقایسه با رفتار قبل از همه گیری” تعریف می شود. این اقدام طیف گسترده ای از تغییرات رفتاری و سیاست گذاری را در نظر می گیرد که شامل ماسک زدن ، فاصله فیزیکی ، جابجایی فعالیت های خارج از منزل و ردیابی مخاطب است. در 4 نوامبر ، بر اساس مسیر 62 درصدی کنترل انتقال در آن زمان ، مدل پیش بینی کرد که 8500 نفر از ساکنان کلرادو تا پایان سال بر اثر COVID می میرند. در 20 نوامبر ، با کنترل 65 درصدی انتقال ، این مدل پیش بینی را به 6560 کاهش داد. اما اگر روابط اجتماعی افزایش یابد و تعاملات قبل و در طول تعطیلات خطرناک تر باشد ، این مدل قبلاً تا 17،500 مرگ مربوط به ویروس در ایالت تا 31 دسامبر. با این حال ، اگر ساکنان کلرادو در هفته های آینده کنترل انتقال را بهبود بخشند و به 80 درصد برسند (سطح رسیده در تابستان) ، مرگ و میر تجمعی در حدود 5،500 نفر پیش بینی می شود.

پیش بینی های مشابه در مقیاس ملی در حال توسعه است. در مقاله اخیر در داروی طبیعی ، یک تیم پیش بینی کننده از انستیتوی معیارهای سنجش و ارزیابی سلامت از دانشگاه واشنگتن (IHME) پنج سناریو را براساس دستورالعملهای فاصله اجتماعی و پنهان سازی تهیه کرد. نتایج آنها نشان می دهد که استفاده جهانی از ماسک (به عنوان 95 درصد افرادی که ماسک صورت خود را در یک مکان عمومی استفاده می کنند) ، همراه با متوقف کردن وضعیت اگر بیش از هشت مرگ در روز در هر میلیون نفر باشد ، “می تواند کافی باشد. تا از بدترین اثر احیای اپیدمی در بسیاری از کشورها بکاهد. “در مقایسه با سناریویی که در آن 49 درصد مردم در ملاقات عمومی ماسک می بندند و توقف در آستانه مرگ از سر گرفته می شود ، نویسندگان تخمین می زنند که نقاب زدن جهانی می تواند نزدیک به 130،000 زندگی را از 22 سپتامبر 2020 تا پایان فوریه 2021 نجات دهد. г.

برخورد با عدم اطمینان

ماه هاست که سیستم های بهداشتی و سیاستمداران محلی و محلی با پیش بینی نیازهای بیمارستان با مدلسازان همکاری می کنند. مدلهای IHME در اصل برای این منظور ساخته شده اند. اما جستجوی مدل برای پاسخ های مطلق مجموعه ای از چالش های خاص خود را دارد. در ابتدای همه گیری ، هنگامی که کارشناسان بهداشت عمومی از شهروندان خواستند ویروس کرونا را جدی بگیرند ، آنها تخمین می زدند که ایالات متحده شاهد ده ها هزار نفر تا بیش از دو میلیون مرگ خواهد بود. دامنه وسیع بین مدل های مختلف و همچنین اختلاف بین پیش بینی ها و مرگ های واقعی ، کارشناسان را بر آن داشت تا از این مدل ها انتقاد کرده و مردم را نسبت به روند مدل سازی خود محتاط کنند. در حقیقت ، دانشمندان آخرین مدل IHME را به چالش کشیده اند و می خواهند تاکنون آینده را پیش بینی کنند. مدیر برنامه IHME ، کریستوفر موری در جلسه توجیهی در ماه اکتبر گفت که اگرچه میانگین خطای مدل برای پیش بینی های طولانی مدت تقریباً 20٪ است ، اما باز هم از بیشتر مدل های عمومی بهتر است. موری گفت: “بدیهی است که با حرکت به جلو عدم اطمینان افزایش می یابد.” اما “نکته کلیدی در اینجا این است که یک روند بزرگ زمستانی در پیش است و مدل های ما ماه هاست که این موضوع را نشان می دهند.”

هر مدل ممکن است کم و بیش برای یک هدف خاص مناسب باشد. ربکا موریسون ، استادیار علوم کامپیوتر در دانشگاه کلرادو بولدر ، توضیح می دهد که همیشه یک درجه عدم اطمینان انتظار می رود. وی قبلاً نیز واکنش های شیمیایی و همچنین سناریوهای محیطی و اپیدمیولوژیک را مدل سازی کرده است. طبق تعریف ، او می گوید ، مدل ها به دنبال ساده سازی جهان هستند. در غیر این صورت آنها برای ما مفید نخواهند بود. متخصصان اپیدمیولوژی که از آنها استفاده می کنند باید انتخاب کنند و به پیش فرض هایی درباره عوامل مختلف مانند رفتار فردی ، نحوه انتشار بیماری یا درصد ایمنی بدن بستگی دارند.

علی مقداد ، استاد معیارهای سنجش بهداشت در IHME و افسر ارشد استراتژیک بهداشت عمومی در دانشگاه واشنگتن می گوید ، در حالت ایده آل ، این مفروضات واقعیت همیشه در حال تغییر را نشان می دهد. به عنوان مثال ، وی می گوید ، تیم IHME فرضیه ای را بنا نهاده است – كه در 6 هفته در جوامعی كه مرگ روزانه آنها به 8 در هر میلیون نفر می رسد ، مجوزهای فاصله اجتماعی مجدداً احیا می شود – در حالی كه بسیاری از دولتها واقعاً محاصره می كنند. اما با تغییر رفتار انسان (و به دلیل محدود بودن دانش ما در مورد COVID-19 و SARS-CoV-2 ، ویروسی که باعث ایجاد آن می شود) ، مقداد می گوید که مدل ها باید پویا باشند. “اگر مدل شما فرض می کند که یک رابطه در طول زمان واقعی باقی خواهد ماند [entire time] دوره ، این مشکل است ، “او گفت. “ما وقتی که به ما می رسد ، مدل خود را از جمله داده های جدید به روز می کنیم و سپس هر بار آنچه را می بینیم و اتصال آن را ارزیابی می کنیم.”

این نوع چابکی ممکن است کلیدی در واکنش گسترده همه گیر ورمونت باشد. مایکل پیکیاک ، که کمیسر ایالتی برای تنظیم مقررات مالی است و در آنجا در زمینه تحلیل همه گیر و مدل سازی پیشگام بوده است ، بیشتر این موفقیت را ناشی از تمایل به استفاده از داده های دولت و کار انعطاف پذیر با متخصصان داخلی و خارجی می داند. ورمونت نه تنها به تصمیم گیری مبتنی بر داده ، بلکه همچنین به طور منظم در مورد تحقیق و ارزیابی مدل های خود متعهد است. “شما می خواهید چنین نگاه صادقانه ای داشته باشید [the data] تا آنجا که ممکن است و به پیشرفت ادامه دهید [the model] پیشیاک می گوید.

با وجود همه این عدم اطمینان ، تجزیه و تحلیل اخیر در 131 کشور نشان می دهد که محدودیت های نسبتاً شدید – اعمال شده به صورت جداگانه و ترکیبی – انتقال SARS-CoV-2 را به درجات مختلف به تأخیر انداخته است. به عنوان مثال ، محققان دریافته اند که ممنوعیت برگزاری مجامع عمومی و اجتماعات بیش از 10 نفر می تواند تعداد تولیدمثل را کاهش دهد. R (برآورد تعداد افراد آلوده به فرد آلوده) تا 29 درصد در ماه پس از تجویز. بسته های محل کار را به مخلوط اضافه کنید و R تقریباً 38 درصد کاهش می یابد. با این حال ، هریش نایر ، نویسنده ارشد روزنامه ، استاد بهداشت جهانی در دانشگاه ادینبورگ ، می گوید ، انتخاب اینکه کدام مداخلات را اجرا کند “بستگی به این دارد که در کجای مسیر شیوع بیماری قرار دارد. [a locale is]. به عنوان مثال ، اگر شما هستید R 1.5 است ، شما می توانید از ترکیبی از اقدامات سبک تر استفاده کنید – در حالی که اگر [is] بیش از 2 ، باید قفل را وارد کنید. “این تا آنجا که بوده است R بالای 1 باقی می ماند ، موارد همچنان افزایش می یابد.

با پخش از جامعه در حال حاضر در سراسر کشور و R بیش از 1 در بیشتر ایالات ، پیشگیری احتمالاً از جدول خارج شده است. اما دولتهایی که از علم فاصله و استفاده از ماسک استقبال می کنند ، می توانند تأثیرات آن را کم رنگ کنند. از آنجا که مقامات ایالتی و محلی سعی در جلوگیری از انسداد و گرفتگی در بیمارستان ها دارند ، بسیاری از آنها در واقع از مشخصات حاصل از ردیابی تماس – مانند بسیاری از موارد ناشی از اجتماعات کوچک خصوصی – استفاده می کنند تا محدودیت های جدید را هدف قرار دهند. مقداد گفت: “ما در یک زمان بسیار دشوار و دشوار هستیم.” “ما واقعاً باید آماده باشیم و باید سهم خود را انجام دهیم.”

اطلاعات بیشتر در مورد شیوع ویروس کرونا از Scientific American را در اینجا بخوانید. و پوشش شبکه مجلات بین المللی ما را اینجا بخوانید.


منبع: khabar-dirooz.ir

دیدگاهتان را بنویسید

Comment
Name*
Mail*
Website*