🔹بنظر می‌رسد سخت‌ترین بخش پیش‌بینی آینده پاندمی حاضر، ارزیابی رفتار مردم است که چندان قابل پیش‌بینی دقیق نیست. بخش دشوار دیگر این است که سیاستگذاران و تصمیم‌سازان اطلاعات ناقصی از بیماری و عامل آن دارند‌. دانشمندان اطلاعات قطعی از نحوه و میزان انتقال کووید-۱۹ ندارند و بدلیل عدم دسترسی گسترده و کافی به تست‌های تشخیصی از prevalence واقعی بیماری هم آگاهی دقیقی ندارند و حتی نمی‌دانند تاثیر فصل‌ها بر آن چگونه است و مثلا آیا فرارسیدن تابستان از شیوع‌اش می‌کاهد؟

🔹بنابراین تنها راه موجود استفاده از مدل‌های آماری پیش‌بینی و محاسبات مبتنی بر simulation است که آن هم به دلیل متفاوت بودن روش‌ها و نواقص دیتای موجود نتایج متفاوتی به دست می‌دهد ولی حداقل می‌تواند اطلاعات نسبتا کاربردی در اختیار دولت‌ها برای تصمیم‌سازی‌های آینده‌نگر بخصوص در حوزه بودجه‌بندی و آماده‌سازی‌های احتیاطی بگذارد.

🔸 پروفسور  Bill Hanage اپیدمیولوژیست دانشگاه هاروارد معتقد است مهمترین پیش‌بینی ما که اتفاقا مبتنی بر واقعیات جلوی چشم می‌باشد، این است که سیستم بهداشت و درمان در حال خرد شدن است و تجربه چین، اسپانیا، ایتالیا و سایر کشورها حاکی از این موضوع می‌باشد. او می‌گوید مدل‌ها می‌توانند حدس بزنند که چه زمانی میزان ابتلا و مرگ روزانه به اوج خود می‌رسد و مسوولین باید بر این اساس تصمیمم‌سازی کنند اما از نظر وی این پاندمی شبیه قطار باربری است که ممکن است پس از رسیدن به قله دچار ایستایی موقت شود اما مطمئن نیستم که آیا دوباره سرعت خواهد گرفت یا افول خواهد کرد.  به‌هرحال اگر روش‌های مدلینگ نتوانند آینده را دقیقا بگویند اما حداقل می‌توانند نشان دهند که تمهیدات و اقدامات پیشگیرانه تا چه حد در لحظه موفق می‌باشند و چه اقدامی باید ادامه یابد و یا متوقف شود. 

🔸نتایج مدلینگ‌ها به شهردار واشنگتن نشان می‌دهد که در تابستان یک موج جدید فزاینده در راه خواهد بود. هرچند شهردار امید به غلط بودن این محاسبات دارد اما از طرفی می‌تواند خود و امکانات شهر و مردمش را برای آن زمان احتیاطا آماده نگهدارد. 

🔹سه مولفه‌ای که محاسبات پیشگویانه و مدلینگ را دشوار می‌کند عبارتند از: 
۱) رفتار انسان‌ها (چگونگی رعایت بهداشت و پروتکل‌های ایمنی و محافظتی)
۲)رفتار ویروس (چگونگی و سرعت انتشار، سرعت ایجاد سمپتوم، سرعت تکثیر و تغییر در رفتار بهنگام انتقال از فرد به فرد)  
۳) عملکرد سیستم ایمنی بشر (نحوه دقیق عکس‌العمل سیستم ایمنی، پایداری ایمنی پس از بهبود، مدت ایمنی و تعداد افراد مبتلای بدون علامت). 
آنچنان این مولفه‌ها و همچنین سایر فاکتورهای اثرگذار بر سرنوشت پاندمی، متغیر می‌باشند که عملا باید اعتراف نمود هیچگاه نمی‌توان آینده قطعی این پاندمی را پیشگویی نمود.  

🔸در مدل معروف به SIR که افراد مستعد susceptible و افراد مبتلا infected و بهبود یافتگان recovered را در محاسبه لحاظ می‌کند، در صورت اطمینان از  ایجاد ایمنی پس از ابتلا با افزایش recovered بطور خودکار از susceptible کم می‌شود و یک منحنی نزولی برای شیوع به دست می‌دهد که شیب آن به عدد ایمن‌شدگان بستگی دارد و البته به عملکرد سیستم ایمنی که هنوز اطلاع دقیقی از آن نداریم. 

🔸در عین حال علاوه بر مولفه‌های فوق‌الذکر باید امکانات سیستم بهداشت و درمان و توان اقتصادی هر کشور در حمایت از طرح‌های مقابله با کرونا را نیز در ملاحظات گنجاند. 

🔺نتیجه می‌گیریم: 
۱) ما برای مدلینگ درست‌تر که بتواند مبنای محاسبات قابل اعتمادتر باشد به آمار صحیح و شفاف نیاز داریم و پنهان‌کاری‌های سیاستمداران و مسوولین می‌تواند خطرناک باشد.
۲) دولت‌ها باید فرهنگ اجتماعی و رفتار جمعی مردم خود را بخوبی بشناسند و بر همان مبنا تصمیمات کم خطرتر بگیرند. 
۳) سیستم‌های سلامت کشورها منتظر وقوع نعل به نعل پیش‌بینی‌های ناشی از مدل‌ها برای فروکش کردن اپیدمی نباشند، بلکه به فکر حفظ پرسنل خود در مقابل فرسودگی و تلفات بوده و آمادگی خود برای موج‌های بعدی شیوع بیماری را حفظ کنند.
۴) دقت شود تا به مردم وعده‌هایی که اطمینان کاذب ایجاد می‌نمایند، داده نشود چون رفتار آنها مهمترین مولفه تاثیرگذار بر سرنوشت این پاندمی است. 

✍️دکتر حسن رودگری
دانشگاه علوم پزشکی شهید بهشتی

کارگروه تازه‌های علمی کرونا
سازمان نظام پزشکی کشور

منبع: 
www.vox.com
Why it's so hard to see into the future of Covid-19

کانال تلگرامی تازه های پژوهشی