مدل‌سازی شیوع و تحلیل‌های داده‌ای درباره بیماری کرونا بررسی شد

به گزارش گروه آموزش خبرگزاری برنا، شیوع ویروس کرونا در ماه‌های گذشته، اثراتی جبران‌ناپذیر بر همه ابعاد زندگی انسان گذاشته است. این اثرات بر کارکرد دولت‌ها و حتی شرکت‌های بسیار بزرگ هم چشمگیر بوده است.
بسیاری بر این باورند که دنیای بعد از کرونا با دنیای پیش از آن تفاوت‌های محسوسی خواهد داشت. در این میان نقش فناوری در مدیریت بحران و تحلیل آن بسیار آشکار شده است.
دکترعلی خاکی‌صدیق معاون آموزشی وزارت علوم، تحقیقات و فناوری در این میزگرد با بیان اینکه بیش از سه دهه است که دانشمندان از مدل‌سازی برای تحلیل داده‌ها در زمینه‌های مختلف بهره می‌گیرند، اظهار داشت: یکی از رسالت‌های دانشگاهیان در کنار سایر ماموریت‌ها، رسیدگی به حوزه خدمات اجتماعی است.
وی افزود: این مسئله زمانی اهمیتی ویژه می‌یابد که در کشور با بحران‌هایی همچون سیل، ریزگرد و یا شیوع بیماری مواجه می‌شویم.
دکترخاکی صدیق ادامه داد: در زمینه تحلیل داده‌های بیماری کرونا، نیاز است هم فعالان بخش پزشکی و بهداشتی و هم غیرپزشکی به بررسی جنبه‌های عملکردی بیماری بپردازند.
معاون آموزشی وزارت علوم، همچنین با بیان اینکه به‌دست آوردن مدل‌های پیش‌بینی بیماری در جامعه، منطقه یا کشور بر تصمیم‌گیری‌های کلان تاثیر می‌گذارد، گفت: پیش از این دولت با بهره‌گیری از مدل‌سازی‌های مختلف توانست رفتار اپیدمی (همه گیری) و شیوع بیماری را با درصد خطای کم پیش‌بینی کنداز همین رو توجه به داده‌های حاصل از مدلسازی متخصصان و پژوهشگران در رشته‌های مختلف اهمیتی بسیار دارد.
رضا ثامنی عضو هیات علمی دانشکده مهندسی برق و کامپیوتر دانشگاه شیراز و دانشگاه گرونوبل فرانسه هم در ادامه این میزگرد، به ارایه "مدلسازی ریاضی انتشار بیماری‌های اپیدمیک، مطالعه موردی بیماری کووید- ۱۹" پرداخت.
وی هدف از مدل‌سازی را شناسایی سیستم‌ها عنوان و بیان کرد: با استفاده از مدل‌سازی می‌توان به شبیه‌سازی، تحلیل و پیش‌بینی آینده سیستم دست یافت که در نهایت در بیشتر مواقع به کنترل سیستم می‌انجامد.
ثامنی با بیان اینکه از مدل‌سازی در علوم مختلف استفاده می‌شود، گفت: با این حال، مدلسازی برای یک سیستم بیولوژیک و اجتماعی مانند مدل انتشار بیماری اپیدمیک نیاز به شرایطی دارد که باید محقق شود.
وی تاکید کرد: اینگونه نیست که در مدل‌سازی مطلقاً خطا نداشته باشیم یا مدل بی‌نقصی ارایه دهیم؛ اما مهم است به داده‌های خوبی دسترسی داشته باشیم و عوامل ایجادکننده خطا را بشناسیم.
ثامنی اضافه کرد: پژوهش یادشده به بررسی احتمال مرگ و میر و ابتلای مجدد به بیماری کرونا می‌پردازد.
وی ادامه داد: براساس اطلاعات به دست آمده از این مدل، ناکافی بودن دوره قرنطینه و فاصله‌گذاری اجتماعی، ممکن است آمار فوت را به تاخیر بیندازد اما در دراز مدت مانع از افزایش تعداد مرگ و میر نخواهد شد.
عضو هیئت علمی دانشگاه گرونوبل فرانسه اظهارداشت: با توجه به اینکه در حال حاضر برای بیماری کرونا داروی قطعی و واکسن وجود ندارد، باید سعی کنیم این سیستم را به گونه‌ای هدایت کنیم که شیوع بیماری به سمت صفر برود.
وی با بیان اینکه فاصله‌گذاری اجتماعی منجر به کاهش تعداد ابتلا می‌شود، گفت: براساس نتایج حاصل از مدل‌سازی، در صورت برداشتن فاصله‌گذاری اجتماعی حتی اگر یک نفر مبتلا هم در جامعه باشد، احتمال بازگشت به شرایط اولیه بیماری بسیار زیاد است.
ثامنی گفت: فاصله‌گذاری اجتماعی منجر به کاهش تعداد ابتلا می‌شود. براساس نتایج حاصل از مدل‌سازی، در صورت برداشتن فاصله‌گذاری اجتماعی حتی اگر یک نفر مبتلا هم در جامعه باشد، احتمال بازگشت به شرایط اولیه بیماری بسیار زیاد است.
این پژوهشگر بیان کرد: بازگشت به شرایط عادی برای هیچ کشوری در کوتاه‌مدت ممکن نیست. نتیجه قرنطینه ناقص، پخش شدن تعداد فوت‌شدگان و مبتلایان در طی زمان است، بدین‌معنا بیماری متوقف نمی‌شود.
ثامنی در ادامه گفت: این موضوع از یک جنبه مثبت است چراکه بار تحمیلی بر دوش کادر درمان را کاهش می‌دهد و ممکن است در این تاخیر ایجادشده، دارو یا واکسن کشف شود اما از سوی دیگر، اگر قرنطینه برداشته شود و عادی‌سازی کامل در جامعه صورت گیرد، با جامعه‌ای مواجه خواهیم شد که در آن ۱۰ هزار نفر بصورت بالقوه مبتلا هستند و بیماری می‌تواند به سرعت گسترش یابد.
استاد دانشگاه شیراز با بیان اینکه فاصله‌گذاری اجتماعی، امری ضروری برای کنترل بیماری است، تاکید کرد: این موضوع باید در درازمدت تا زمانی که دارو یا واکسن بیماری یافت شود، ادامه یابد و به هیچ عنوان رفتارهای اجتماعی نباید به وضعیت پیش از شیوع بیماری بازگردد، مگر اینکه بیماری ریشه‌کن شود.
ثامنی، یکی از ویژگی‌های مهم مدل‌سازی ریاضی را امکان پیش‌بینی بیماری‌های همه‌گیر عنوان کردو اظهارداشت: جوامع بشری تا پیش از همه‌گیری یک بیماری در وضعیتی پایدار نیستند، یعنی در هر لحظه امکان شیوع بیماری همه‌گیری وجود دارد و از لحاظ مدلسازی این خطر همیشه ممکن بوده است.
این استاد دانشگاه بیان کرد: باید بتوانیم با این موارد کنار بیاییم و مناسبات اجتماعی را به سمت و سویی هدایت کنیم که بتوانیم سیستم ناپایداری را در درازمدت پایدارسازی کنیم.
سیدابوالفضل ولی‌زاده عضو هیات علمی دانشگاه زوریخ و دکترای علم و فناوری سلامت نیز در این میزگرد با اشاره به پیشینه بیماری‌های همه‌گیر سارس و آنفولانزای خوکی، گفت: داده‌های به دست آمده از این بیماری‌ها نشان داد که گروه‌هایی از افراد که چند بیماری را همزمان می‌گیرند، همواره در گروه خطر هستند و در اپیدمی‌های گذشته نیز بیش از دیگران فوت شدند.
وی افزود: براساس گزارش‌های سازمان بهداشت جهانی، یکی از گروه‌های در معرض خطر بیماری کرونا افرادی هستند که از بیماری‌های زمینه‌ای رنج می‌برند.
عضو هیات علمی دانشگاه زوریخ و دکترای علم و فناوری سلامت با بیان اینکه وجود همزمان ۲ یا چند بیماری، درمان بیماری‌های همه‌گیر را دشوار می‌کند، گفت: چین بعد از شیوع کرونا، میزان مرگ و میر این گروه را مستقلاً ارایه داد و عنوان کرد که مرگ و میر در کسانی که هیچ بیماری زمینه‌ای ندارند در صورت ابتلا به کرونا کمتر از ۱۰ درصد است، بیش از ۱۵ درصد کسانی که بیماری مزمن دارند در صورت ابتلا به کرونا دچار مرگ می‌شوند و با افزایش تعداد بیماری‌ها تا ۲۰ درصد احتمال مرگ نیز پیش‌بینی شده است.
ولی‌زاده ادامه داد: سیستم درمان یک بیماری، پیچیدگی‌هایی دارد و این پیچیدگی در افراد دارای چند بیماری همزمان بیشتر است، بنابراین وقتی همه‌گیری رخ می‌دهد، این گروه در مقایسه با دیگران بیشتر در معرض مرگ هستند.
این پژوهشگر و استاد دانشگاه، ژنتیک، متابولیسم بدن، تغذیه، نوع میکروب‌ها و سیستم ایمنی بدن را از عوامل موثر بر ابتلا به بیماری و درمان آن دانست و گفت: وقتی کرونا وارد بدن فردی می‌شود که فشار خون بالا دارد، سیستم ایمنی او ضعیف می‌شود و بنابراین فرد در گروه خطر جای می‌گیرد.
عضو هیات علمی دانشگاه زوریخ بیان کرد: برای آنکه بتوانیم راهکارهای درمانی درستی را برای هر فرد بیابیم به پایگاه داده‌ای شخصی از همه افراد نیاز داریم.
ولی‌زاده با اشاره به اینکه برخی افراد ۲ بار به بیماری کرونا مبتلا شده‌اند، افزود: چین به این نتیجه رسید که تست ۱۴ درصد بیماران بهبود یافته دوباره مثبت شده است، در مواردی گفته شد ممکن است ۲ نوع ویروس متفاوت به بدن وارد شده است که چنین نیز بود، اما احتمال دیگر هم این بود که بدن مسیرهای متفاوت درمانی را اتخاذ کرده بود.
این استاد دانشگاه اضافه کرد: در بدن برخی افراد بعد از ابتلا به کرونا، آنتی‌بادی ایجاد نمی‌شود بنابراین فرد پس از بهبودی نسبت به بیماری ایمن نمی‌شود، از همین رو به نظر می‌رسد برای درمان اپیدمی‌های بعدی نیاز است، پایگاهی داده‌ای از هر فرد داشته باشیم.
وی بیان داشت: بررسی‌ها نشان داده است شناخت کافی از بیمار و پیشینه بیماری‌های او درمان کرونا را آسان‌تر و سریع‌تر می‌کند درنتیجه با کوتاه‌شدن دوره درمان امکان ارایه خدمات پزشکی افزایش می‌یابد و همین موضوع سبب می‌شود دوره بیماری کوتاه شود.
این پژوهشگر، کیفیت خدمات بیمارستانی را تابعی از تعداد بیماران آنها دانست و گفت: سیستم ایمنی بدن سرانجام راهی برای مقابله با این ویروس پیدا می‌کند، مسئله این است که بتوانیم ظرفیت پاسخگویی سیستم ایمنی بدن را افزایش دهیم که این موضوع با ایجاد بانک اطلاعاتی از بیماران به آسانی میسر می‌شود.
عضو هیات علمی دانشگاه زوریخ، درباره فاصله‌گذاری اجتماعی نیز اظهارداشت: در ابتدای امر کشور سوییس مانند بسیاری از دولت‌ها، قرنطینه را عملیاتی کرد اما بعد از مدتی به جای اینکه افراد سالم را در قرنطینه نگه دارد، افراد تحت ریسک را قرنطینه کرد.
ولی‌زاده بیان کرد: شاید تنها راه، قرنطینه به شیوه معمول نباشد چراکه کسانی که سیستم بدنی سالمی دارند، می‌توانند بیماری را مدیریت کنند، بنابراین اگر فقط تمرکز سیستم درمانی را معطوف به گروه‌های پُر خطر کنیم نیز می‌توان بیماری را کنترل کرد.