در حالیکه سیاستمداران و مردم نگران زمان و چگونگی اوج همهگیری کروناویروس هستند، دانشمندانی که میتوانند چنین پیشبینیهایی داشته باشند، در حال تلاش برای درک چیزی هستند که در حال رخ دادن است. یکی از واگیرشناسان سرشناس آمریکایی در ایمیلی به مجله «ساینس» نوشت که:
«متأسفم که در حال حاضر امکان مصاحبه را ندارم، زیرا ما به طور کامل متمرکز بر واکنش محلی و منطقهای خود هستیم».
مانند هر مدل دیگری، پیشبینی چگونگی گسترش شیوع، تعداد افراد مبتلا، و تعداد تلفات، بستگی به میزان اعتبار اطلاعات علمی دارند که بر آن استوار هستند. و غالب تلاشهای مدلسازان تاکنون، به جای ارائه پیشبینیهای شتابزده، بر بهبود این دادهها متمرکز بوده است.
جان ادموندز از مرکز مدلسازی ریاضی بیماریهای عفونی در مدرسه بهداشت و پزشکی حارهای لندن میگوید که:
«غالب کاری که مدلسازان تاکنون یا در بخش اول از همهگیری انجام دادهاند، هنوز واقعاً منجر به مدلها یا پیشبینیهایی نشدهاند که به نظرم اکثر مردم به آن فکر میکنند». «اکثر کاری که انجام شده، حول شناخت ویژگیهای همهگیری و تلاش برای برآورد پارامترهای کلیدی بوده است. من این تلاشها را واقعاً در زمره مدلسازی طبقهبندی نمیکنم، اما مدلسازان در تلاش برای انجام آن هستند».
این متغیرها شامل اعداد کلیدی همچون دوره کمون بیماری، سرعت گسترش ویروس در جمعیت، و شاید از همه بحثبرانگیزتر، نرخ تلفات است. بهدست آوردن این نرخ ساده به نظر میرسد: نسبت افرادی مبتلایی که جان خود را از دست میدهند. اما دستیابی به آن، دشوارتر از آنی است که به نظر میرسد. ادموندز میگوید:
«غیرمتخصصین همیشه این کار را انجام میدهند و همواره به پاسخ نادرست میرسند». «اگر صرفاً تعداد تلفات را بر تعداد موارد مبتلا تقسیم کنید، به پاسخ نادرستی میرسید».
کمی قبل در ماه جاری، زمانی که تدروس آدهانوم گبریسوس رئیس سازمان بهداشت جهانی گفت که کووید-19 باعث مرگ 3.4 درصد موارد گزارش شده شده و اینکه این بیماری بسیار شدیدتر از آنفلوانزای فصلی است که حدود 0.1 درصد تلفات داشته، مدلسازان بیماری نگران شدند. چنین محاسبه سادهای، به عنوان مثال 2 تا 3 هفتهای را که معمولاً طول میکشد تا فرد بیمار، از دنیا برود، در نظر نمیگیرد. و این محاسبه، فرض را بر این میگذارد که تعداد موارد گزارش شده، دقیقاً بازتابی از تعداد افراد آلوده است، در حالیکه ارقام درستِ موارد مبتلا بسیار بیشتر و میزان تلفات بسیار کمتر خواهد بود.
ادموندز، این نوع کارها را نه مدلسازی واقعی، بلکه «واکاوش شیوع» خوانده و بیان میدارد که نتایج گروههای تخصصی مختلف در سرتاسر جهان در حال همگرایی به سمت نرخ درست تلفات کووید-19 هستند که حدود یک درصد به نظر میرسد.
ادموندز توضیح میدهد که زمانی که این اعداد مشخص شد، مدلسازان میتوانند به سمت آنچه بروند که «آگاهی موقعیتی» خوانده میشود. بسیاری از این تلاشها پسنگر هستند، یعنی اینکه بررسی میکنند طی چند هفته گذشته چند مورد بیماری در موقعیتی خاص ممکن بود وجود داشته باشد و بر اساس این اطلاعات، چگونگی گسترش آتی آن را مشخص میکنند.
میزان تلفات، پرکاربردترین کمیت برای این تحلیلها است. به عنوان مثال، اگر مدلسازان میزان تلفات را یک درصد در نظر بگیرند و معمولاً هم 15 روز طول بکشد تا یک فرد آلوده بمیرد، میدانند که یک مورد مرگی که امروز در یک منطقه خاص گزارش شده، بدین معنی است که احتمالاً 100 نفر طی 15 روز گذشته در آن منطقه آلوده شدهاند. با لحاظ زمان مورد نیاز برای دو برابر شدن تعداد موارد -که به نظر ادموندز حدود 5 روز است- مدلسازان میتوانند برآورد کنند که طی این 15 روز، تعداد موارد مبتلا به 800 نفر رسیده است. لذا برای هر مرگ در یک منطقه، این بدان معنا است که 800 نفر دیگر در حال حاضر مبتلا هستند که اکثر آنها هنوز شناسایی نشدهاند. ادموندز عنوان میدارد که این الگو در ایتالیا مشاهده شده که تا به امروز، 12،462 مورد مبتلا و 827 نفر فوتی را گزارش نموده است. زمانی که مقامات از افراد ساکن در نزدیکی فرد فوت شده ناشی از بیماری تست گرفتند، در بسیاری از موارد آنها صدها نفر را شناسایی نمودند که ناقل ویروس بودند.
مسیج بونی بیولوژیست دانشگاه پن استیت که گسترش آنفلوانزا در مناطق گرمسیری را مطالعه نموده، اظهار میدارد که این تعداد بالای موارد شناسایی نشده بدین معنا است که گسترش ویروس را نمیتوان از تعداد موارد ابتلای تأیید شده ردگیری کرد. بونی میگوید که:
«در این نقطه، گسترش، یک نکته قابل بحث است». «ما میتوانیم با لغو تمام این رویدادها، سرعت آن را کاهش دهیم، کاری که باید به طور کامل انجام دهیم. اما این ویروس کماکان در حال گسترش به اکثر مناطق است».
شیوعهای عفونی بررسی نشده، نوعاً به وضع ثابتی میرسند و سپس زمانی که بیماری دیگر میزبانی در دسترس ندارد، شروع به کاهش میکنند. اما بونی معتقد است که در حال حاضر ارائه هرگونه پیشبینی منطقی در مورد زمان رسیدن به این نقطه یا تعداد نهایی افراد مبتلا، تقریباً غیرممکن است. مدلسازان میتوانند امتحان کنند، اما انجام چنین کاری نیاز به اطلاعات بسیار بهتری، همچون تعداد افرادِ مبتلا با ایمنی طبیعی، دارد.
به نظر ادموندز، اکثر این مدلهای برنامهریزی سناریویی پیشنگر در حال حاضر بر این فرض استوار هستند که تمام مردم سیاره، مستعد و در معرض بیماری هستند. تنها پایش و دادههای بهتر، به خصوص از تستهای سرم که نشان میدهند آیا افرادِ در معرض ویروس، پیشرفت علائم هم داشتهاند یا خیر، میتوانند این محاسبات را واقعبینانهتر کنند. «در حال حاضر، ما هیچ دادهای نداریم که این مدل را تثبیت کنیم. اما با پیشروی همهگیری و هر زمان که دادههای بیشتری به دست آید، مانند هر روز یا هر هفته، مدل را تعدیل نموده و پیشبینیها را مجدداً انجام میدهیم».
برخی از کارشناسان بیماری بر این باورند که برای ساخت مدلهای بهتر، جهان نیاز به بهبود شیوه ارائه و در دسترس قرار گرفتن این دادهها دارد. در یک سرمقاله منتشره در این هفته در مجله کاربردیسازی علوم پزشکی ، اسکات لین ، واگیرشناس دانشکده سلامت عمومی دانشگاه کالیفرنیا، و همکارانش پیشنهاد نمودند بانک داده جدیدی ایجاد شود که در آن، پژوهشگران بتوانند نتایج خود را به اشتراک بگذارند، مثلاً اینکه چه تعداد ویروس توسط افراد مبتلا بیرونریزی میشود و این از چه زمانی آغاز میگردد.
اسکات لین به مجله دانشمند میگوید که:
«ما همه در فرایند جمعآوری آن اطلاعات هستیم. کاری که این تلاشها و دادههای حاصل از آن انجام میدهند، این است که به سازماندهی بهتر کمک میکنند».
وی افزود که :
«مدلها با پشتوانه اطلاعاتِ بهتر، میتوانند به تعیین سیاستهایی برای کنترل گسترش بیماری کمک کنند. اگر این مدلها دارای اعتبار باشند، میتوانید آنها را در معرض تست انواع مختلف مداخلات قرار دهید و بررسی کنید که جابجایی کمتر افراد یا قطع نسبت خاصی از تماسها چه اثراتی خواهند داشت».
به نوشته رویترز، مقامات چینی میگویند که اعمال محدودیتهای سفر، همهگیری را در چین به سمت اوج برده است. ژانگ نانشان مشاور ارشد پزشکی دولت چین، در یک نشست خبری در این هفته ادعا نمود که اگر سایر کشورها هم از مدل چین تبعیت کنند، همهگیری ظرف چند ماه مهار میشود. وی افزود:
«توصیه من، درخواست از تمام کشورها برای دنبالکردن دستورالعملهای سازمان بهداشت جهانی و مداخله در سطح ملی است. اگر تمام کشورها بتوانند بسیج شوند، میتوان تا ماه ژوئن بر این همهگیری غالب شد».