این مقاله توانایی مدلسازی‌ها در پیش بینی روند شیوع و تاثیر مدلسازی‌های گوناگون بر سیاست‌ها و اقدامات دولت‌ها در قبال همه‌گیری کوید ۱۹ را بررسی کرده است.

به گزارش همشهری آنلاین شبیه‌سازی‌های کامپیوتریِ «جاکو والینگا» این روزها به‌طورجدی در معرض محکی واقعی قرار گرفته‌اند. والینگا ریاضی‌دان و رییس مدل‌سازی برای اپیدمی‌ها در «مؤسسه‌ی ملی سلامت عمومی و محیط‌زیست» (RIVM) است؛ مؤسسه‌یی که به دولت آلمان درباره‌ی اقداماتی که به مهار گسترش کروناویروسِ جدید در این کشور کمک خواهند کرد (نظیر تعطیلی مدارس و کسب‌وکارها) مشاوره می‌دهد.

هلند تاکنون نسبت به بیشتر کشورهای اروپای غربی مجموعه اقدامات ملایم‌تری اتخاذ کرده است؛ این کشور مدارس و رستوران‌هایش را دیرتر بست و [هنوز هم] فرمان منع کامل عبور و مرور را صادر نکرده است.

نخست وزیر، مارک روتّه، روز ۱۶ مارس طی یک سخنرانی  «کار پایان‌ناپذیر برای بازداشتن این ویروس و تعطیلی کامل کشور» را ردّ کرد. او، در عوض، خواستار «گسترش مهارشده» این ویروس در بین گروه‌هایی شد که کمتر از بقیه در خطر ابتلای شدیدند و درعین‌حال تأکید کرد باید مطمئن شویم که بیماران کووید-۱۹ نظام درمان را زمین‌گیر نخواهند کرد.

او از مردم خواست که به کارآمدیِ RIVM درباره‌ی نحوه‌ گذر از این شرایط دشوار احترام بگذارند. مدل‌های والینگا پیش‌بینی می‌کنند که شمار مبتلاشدگانی که نیازمند بستری‌شدن در بیمارستان‌اند، چیزی که مهم‌ترین معیار اوست، تا پایان این هفته به‌تدریج کم خواهد شد. ولی اگر الگوها غلط از آب دربیاید، تقاضا برای مراقبت‌های بیمارستانی کامل، ممکن است از تأمین آن‌ها پیشی بگیردـــ اتفاقی که متأسفانه در ایتالیا و اسپانیا رخ داده است.

کووید-۱۹ نخستین بیماری عفونی‌یی نیست که دانشمندان شیوع آن را مدل‌پردازی کرده‌اند (ابولا و زیکا آخرین نمونه‌ها هستند) ولی هیچ‌وقت به اندازه‌ی امروز به کار آن‌ها اتکاء نشده است.

بر اساس همین پیش‌بینی‌های شتاب‌زده است که این همه شهر و کشور به‌کلی تعطیل شده‌اند؛ پیش‌بینی‌هایی که اغلب هم به‌دقت بررسی نشده‌اند. والینگا می‌گوید: «این که واکنش به بیماری‌های عفونی این‌قدر بر این مدل‌ها متکی است، واقعیتی است که یک‌دفعه آشکار شده». کایتلین ریورز اپیدمی‌شناس مرکز امنیت بهداشتی دانشگاه جان هاپکینز و یکی از نویسندگان «گزارشی درباره‌ی آینده‌ی مدل‌های شیوع در ایالات متحده» که این مرکز دیروز منتشر کرد، می‌گوید: «این مسئولیت عظیمی است.»

میزان تأثیرگذاری مدل‌ها واقعیتی است که طی دو هفته‌ی گذشته در بریتانیا معلوم شده است. دولت بریتانیا، تاحدی بر اساس کار مدل‌سازیِ یک گروه در رویال کالج لندن بود، که از همان اول، پیش از بسیاری کشورهای دیگری که راهبردشان بی‌شباهت به هلند نیست، دست به اقدامات کنترلی زد.‌ گروهی از مدل‌سازانی که به دولت مشاوره می‌دهند طی بیانیه‌یی این‌طور نتیجه گرفتند که تعطیلی کامل کل شهر و بستن مدارس، آن‌طور که دولت چین در ابتدا دستور داد، ’’وقتی این محدودیت‌ها برچیده شود منجر به یک اپیدمی بزرگِ دوباره می‌شود‘‘. آن‌ها پیش‌بینی کردند که اقدامات کنترلیِ ملایم‌تر پیکِ اپیدمی را کاهش می‌دهد و موجب می‌شود برگشت بیماری به‌اندازه‌ی قبل شدید نباشد.

 ولی در مارس، گروه ایمپریال کالج مدلی کاملاً بازبینی‌شده را منتشر کرد که بر اساس اطلاعات تازه‌ی بریتانیا و ایتالیا چنین نتیجه می‌گرفت که حتی در پیکِ پایین بیماری هم به دو برابرِ آنچه قبلاً برآورد شده بود به مراقبت بیمارستانیِ کامل نیاز خواهد بود و، در نتیجه، نظام درمانی زمین‌گیر خواهد شد. آن‌ها نتیجه‌گیری کردند که تنها گزینه این است که اقدامات کنترلی انجام شود. به گفته‌ی این گروه، در بهترین حالت، ممکن است از شدت اقدامات کنترلی، به‌تناوب، آن هم برای دوره‌های زمانی کوتاه کاسته شود. دولت بریتانیا در عرض چند روز مسیرش را تغییر داد و منع کامل عبور و مرور را اعلام کرد.

مدل‌سازهایی که بر روی اپیدمی‌ها کار می‌کنند، خود، از نخستین کسانی‌اند که تصدیق می‌کنند ممکن است طرح‌های‌شان اشتباه باشد. ’همه‌ی مدل‌ها ایراد دارند، ولی بعضی‌های‌شان عملاً مفیدند‘‌ـــ از قرار معلوم این جمله را زمانی جورج باکسِ آمارشناس گفت ولی حالا به کلیشه‌یی در این حوزه بدل شده است.

علمی که پشتوانه‌ی این مدل‌سازی‌هاست محل مناقشه نیست. والینگا از یک مدل قدیمی اپیدمی استفاده می‌کند که جمعیت آلمان را به چهار گروه (یا بنا به زبان خاصِّ این حوزه به چهار بخش [compartment]) تقسیم می‌کند: سالم، بیمار، بهبودیافته و مُرده. این معادله‌ها هستند که تعیین می‌کنند چه تعداد از جمعیت در طی هفته‌ها و ماه‌های پیشِ رو بین این بخش‌ها جابه‌جامی‌شوند. او می‌گوید ’’سویه‌ی ریاضیاتیِ [این مدل‌سازی‌ها] خیلی متعارف است‘‘. ولی نتایج مدل‌ها، بسته به ویژگی‌های سرشت‌نُمای یک عامل بیماری‌زا و جمعیت مبتلاشده، وسیعاً فرق می‌کند.

به سبب آن که ویروسِ به‌وجودآورنده‌ی کووید-۱۹ جدید است، مدل‌سازها باید به تخمین برخی پارامترهای مدلیِ اصلی دست بزنند. این برآوردها، به‌ویژه در روزهای اول شیوع یک بیماری، نیز نتیجه‌ی کار مدل‌سازهاست. مثلاً تا اواخر ژانویه چندین گروه برآوردهای سردستی مختلفی از شمار افراد جدیدی که هر مبتلاشده‌یی، در صورت درپیش‌نگرفتنِ اقدامات کنترلی، مبتلا می‌کنند منتشر کرده بودندــــ پارامتری که اپیدمی‌شناس‌ها آن را R0 (آر صفر) می‌نامند. مایا میجومدر، اپیدمی‌شناس مدرسه‌ی پزشکی هاروارد که گروه‌اش یکی از همین برآوردهای اولیه را تهیه کرد می‌گوید: ’’این اجماع تقریبی بر سرِ این بیماری عالمگیر خیلی زود به مدل‌سازها این شانس را داد تا درباره‌ی قابلیتِ اپیدمیک و پاندمیکِ این عامل بیماری‌زای جدید هشدار دهند؛ کمتر از سه هفته پس از آن که نخستین گزارش‌ها درباره‌ی شیوع این بیماری توسط سازمان بهداشت جهانی منتشر شد‘‘.

والینگا می‌گوید تیم او زمان زیادی را صرف تخمین R0 ویروس سارس‌ـ‌کوو-۲ (عامل به‌وجودآورنده‌ی کووید-۱۹) کرده و اطمینان دارد که این رقم بیشتر از ۲ است. او همچنین بابت این برآوردش مطمئن است: از لحظه‌ی ابتلای فرد به این ویروس ۳ تا ۶ روز طول می‌کشد تا آن شخص شروع به آلوده‌کردن دیگران کند. 

تیم RIVM از پیمایشی که در سال ۲۰۱۷ از مردم آلمان انجام شد هم برآوردهای خوبی از میزان تماس‌هایی که افراد سنینِ مختلف در خانه و مدرسه، سر کار و در طول اوقات فراغت دارند، تهیه کرده‌اند. والینگا می‌گوید دست‌کم درباره‌ی آسیب‌پذیری یا قابلیت ابتلای هر گروه سنی و میزانی که گروه‌های سنی مختلف این ویروس را انتقال می‌دهند، مطمئن است و تردیدی ندارد. او می‌گوید بهترین برآوردها نتیجه‌ی پژوهشی است که در شِنژِن، شهری در جنوب چین، انجام شده است.

پیش‌فرض مدل‌های مبتنی بر بخش‌بندی این است که جمعیتْ به‌شکل همگنی مختلط است‌ـــ فرضی که در کشورهای کوچکی نظیر هلند معقول است. سایر گروه‌های مدل‌سازی از این روش استفاده نمی‌کنند ولی به شبیه‌سازیِ تعاملات روزمره‌ی میلیون‌ها نفر دست می‌زنند. این مدل‌ها بهتر می‌توانند کشورهایی را که جمعیت‌شان غیرهمگن است، به تصویر بکشندــــ نظیر ایالات متحده یا تمام کشورهای اروپایی. او می‌گوید سازمان‌های وابسته به سازمان بهداشت جهانی مرتباً از مدل‌سازهای کووید-۱۹ می‌خواهد که استراتژی‌ها و نتایج‌شان را با هم مقایسه کنند: ’’این کمک بزرگی به کاهش اختلاف‌های مدل‌هایی می کند که سیاست‌گذاران کارکردن با آن‌ها را دشوار می‌یابند‘‘.

مدل‌ها ممکن است هنوز هم تصویرهای بسیار متفاوتی به‌دست‌دهند. یک پژوهش مدل‌سازی، که دیروز توسط گروهی در دانشگاه آکسفورد منتشر شد، استدلال می‌کند که مرگ‌ومیرهای مشاهده‌شده در بریتانیا را می‌توان با سناریویی بسیار متفاوت از آنچه تاکنون پذیرفته شده، توضیح داد. به جای سناریویی که بر گسترش سارس‌ـ‌کووـ‌۲ در هفته‌های اخیر و به‌وجودآمدن ابتلای شدید در بین درصد قابل‌توجهی از جمعیت تأکید می‌کند و بیشتر مدل‌ها آن را پیشنهاد می‌کنند،

این پژوهش سناریوی متفاوتی را پیش‌می‌کشد: این ویروس چه بسا از ماه ژانویه در بریتانیا گسترش یافته باشد و پیشاپیش نیمی از جمعیت را هم مبتلا کرده باشد. در این سناریو ابتلای شدید صرفاً در بخش بسیار کوچکی از مردم به‌وجودمی‌آید. سانِترا گوپتا، اپیدمی‌شناس نظری که کار تیم آکسفورد را رهبری می‌کند، می‌گوید هر دوی این سناریوها به‌یک‌اندازه محتمل‌اند: «به نظر من این نکته را نادیده گرفته‌ایم که بسیاری از ما [در برابر این ویروس] ایمن‌ایم». او می‌گوید این مدل، خود، نمی‌تواند به این پرسش پاسخ دهد؛ تنها تست جامع از پادتن‌ها می‌تواند به این پرسش پاسخ دهد و این کاری است که فوراً باید انجام شود.

آدام کوچارسکی، از مدل‌سازهای مدرسه‌ی بهداشت و پزشکی لندن می‌گوید سناریوی جدیدِ گروه آکسفورد نامحتمل است. او می‌گوید دانشمندان نمی‌دانند دقیقاً چه تعداد از جمعیت دچار علائم بسیار خفیف می‌شوند یا که اصلاً هیچ علائمی ندارند، ولی داده‌های دیاموند پرنسس (یک کشتی تفریحی که حدود دو هفته در یوکوهامای ژاپن پهلو گرفت و شیوع بزرگی از کووید-۱۹ در آن رخ داده بود) و داده‌های پروازهای جبرانی [پروازهایی که شهروندان یک کشور را به میهن‌شان برمی‌گردانَد م.] و سایر منابع برخلاف شمار زیاد مبتلایانِ بدون علائم استدلال می‌کنند. او می‌گوید: «ما نمی‌دانیم در این لحظه افرادِ بدون علائم ۵۰ درصدند یا ۲۰ درصد. بنظرم پرسش این نیست که این افراد ۵۰ درصدند یا ۹۹.۵ درصد.»

  • سواری‌گرفتن از ببرها

ریوِرْز و همکاران‌اش در بررسی‌شان از مدل‌سازی شیوع بیماری در آمریکا خاطرنشان می‌کنند که بیشتر بازیگران کلیدیِ این ماجرا دانشگاهیان‌اند که نقش کمی در سیاست‌گذاری‌ها دارند. او می‌گوید: «آن‌ها معمولاً در فرایندهای تصمیم‌گیری مشارکت ندارند... آن‌ها بفهمی‌نفهمی وقتی وضع فوق‌العاده‌یی پیش‌می‌آید وارد دنیای جدیدی می‌شوند. آن‌ها اگر بتوانند در دولت حاضر شوند و شانه‌به‌شانه‌ی تصمیم‌گیرها کار کنند، می‌توانند مؤثرتر باشند.» ریورز از ضرورت تشکیل مرکز ملی پیش‌بینی بیماری‌های عفونی (چیزی شبیه سرویس هواشناسی ملی) می‌گوید. این مرکز می‌تواند منبع اولیه‌ی مدل‌ها در زمان بحران باشد و در زمان آرامش هم بر روی تقویت علم شیوع [بیماری‌ها] کار کند.

دِوی سریدهار، کارشناس بهداشت جهانی در دانشگاه ادینبورگ می‌گوید سیاست‌گذارهای [دولتی] خیلی روی مدل‌های کووید-۱۹ حساب کرده‌اند: «واقعاً مطمئن نیستم که این مدل‌های نظری در زندگی واقعی رخ‌می‌دهند یا نه.» ویلیام هنیج، اپیدمی‌شناس دانشگاه هاروارد، می‌گوید اعتمادکردن به مدل‌هایی که مدعی‌اند نشان می‌دهند که چطور می‌توان ویروسی را که پژوهش کمی درباره‌ی آن انجام شده، مهار کرد، چنین مدل‌های برای سیاستمدارها کار بسیار خطرناکی است: «این به آن می‌مانَد که شما تصمیم گرفته‌اید حتماً از یک ببر سواری بگیرید، ولی جز نمی‌دانید ببر کجاست، چقدر بزرگ است یا چند تا ببر واقعاً وجود دارد.»

کوچارسکی می‌گوید اوجِ استفاده‌ی مدل‌ها زمانی است که آن‌ها چیزی را شناسایی می‌کنند که [در غیر این صورت] آشکار نیست. او می‌گوید یکی از کارکردهای ارزشمند [مدل‌ها مثلاً] این بود که مشخص کرد تب‌سنجیِ مسافران در فرودگاه‌ها بیشترِ افراد مبتلا به کروناویروس را شناسایی نمی‌کند.

چیزهای بسیار زیادی وجود دارد که مدل‌ها آن‌ها را دربرنمی‌گیرند. مثلاً مدل‌ها نمی‌توانند توسعه‌ یک تست سریع‌تر و ساده‌تر برای شناسایی و جداسازیِ افراد مبتلاشده یا [ساخت] داروی ضدویروس مؤثری که نیاز به بستری‌شدن در بیمارستان را کاهش می‌دهد، پیش‌بینی کنند.

ایرا لانگینی، مدل‌ساز دانشگاه فلوریدا، می‌گوید: «ویژگی کار مدل‌سازی همین است: ما آنچه را که می‌دانیم به‌کارمی‌بندیم.» بیشتر مدل‌ها اضطراب‌های ناشی از فاصله‌گیری اجتماعی یا این مسئله را که آیا عموم مردم از دستورِ «ماندن در خانه»اطاعت می‌کنند یا نه، به‌حساب‌نمی‌آورند. گابریل لیونگ، مدل‌ساز دانشگاه هنگ‌کنگ، می‌گوید داده‌های اخیر هنگ‌کنگ و سنگاپور نشان می‌دهد که ادامه‌دادنِ فاصله‌گیری اجتماعیِ شدید کار دشواری است.

هر دوی این شهرها شاهد افزایش مواردی است که به نظر او دست‌کم تاحدی نتیجه‌ «واکنش ناشی از خستگی» است. «ما مظهرِ این واکنش‌ایم چون همان اول شروع کردیم و خیلی کُند و سنگین پیش رفتیم.»حالا «دو ماه است که این ماجرا شروع شده و مردم واقعاً دارند خسته می‌شوند». به نظر او هر دو شهر چه بسا در آستانه‌ی یک «شیوع محلی عمده‌ پایدار» باشند.

برقراری منع کامل عبور و مرور برای کُندکردن یک بیماری تأثیرات اقتصادی فاجعه‌باری دارد و ممکن است خودِ این تأثیرات اقتصادی موجب نابودی سلامت همگانی شوند. لیونگ می‌گوید «این نبردی در سه جبهه است: بین حفاظت از سلامت، حفاظت از اقتصاد و حفاظت از رفاه و سلامت عاطفی مردم.»

لیونگ می‌گوید عواقب نامطلوب اقتصادی چیزی نیست که مدل‌های بیماری‌های همه‌گیر به آن‌ها بپردازند ولی شاید باید این را هم تغییر داد: «باید احتمالاً با برخی مدل‌سازهای اقتصادی همکاری کنیم و بکوشیم آن‌ها را هم در این کار دخالت دهیم.»

  • منبع:

https://www.sciencemag.org/news/2020/03/mathematics-life-and-death-how-disease-models-shape-national-shutdowns-and-other

مقاله حاضر ترجمه‌ای است از یادداشت مارتین اِنسِرنیک و کای کاپ‌فِرشمیت که در مجله ساینس در ۲۵ مارچ منتشر شده است. این مقاله توانایی مدلسازی‌ها در پیشبینی روند شیوع و تاثیر مدلسازی‌های گوناگون بر سیاست‌ها و اقدامات دولت‌ها در قبال همه‌گیری کوید ۱۹ را بررسی کرده است. نویسندگان مقاله به ضرورت لحاظ کردن پارامترهای انسانی، اجتماعی و اقتصادی در تصمیم‌گیری‌ها اشاره دارند.آگاهی از ارزیابی مقاله از هریک از مدل‌های مرجع دولت‌های درگیر با همه‌گیری کووید- ۱۹  و استدلال‌های این مدلها له و علیه اعمال قرنطینه طولانی مدت، برای کارشناسان و تصمیم‌گیران اقدامات کنترلی در کشور ضروری است:

مترجمان: دکتر نیما فاتح، دامون افضلی