تخمین میزان شیوع واقعی Covid-19در طول پاندمی

در طول همه گیری Covid-19 آمار بستری‌ها و مرگ و میر ناشی از کرونا، تنها بخشی از واقعیت بوده و هیچ منبعی شیوع واقعی کرونا ویروس را با افشای تعداد افرادی که در زمان معینی آلوده شده اند، تعیین نمی‌کند؛ آمار مهمی که به دانشمندان اجازه می‌دهد تا متوجه شوند که آیا می‌توان با وجود واکسیناسیون، به ایمنی همه‌گیر دست یافت یا خیر؟

به همین منظور محققان یک چارچوب‌ آماری طراحی کرده و داده‌های کلیدی مربوط به کرونا ویروس، از قبیل تعداد مبتلایان و مرگ و میر ناشی از این ویروس را با کمک آن یکپارچه سازی نمودند. به گفته محققان، این چارچوب آماری می‌تواند به مقامات در تعیین شیوع واقعی بیماری در منطقه، تعیین موارد تشخیص داده شده و تشخیص داده نشده‌ی ابتلا به کرونا ویروس، برطرف کردن اشکالات موجود در منابع مختلف و استفاده از نقاط قوت آن‌ها کمک نماید. محققان 3 عامل را برای رویکرد خود در نظر گرفتند که شامل: تعداد موارد تایید شده‌، تعداد موارد مرگ و تعداد آزمایشات Covid-19 که هرروزه طبق پروژه ردیابی کووید گزارش می‌شود؛ می‌باشد. علاوه بر این موارد، محققان نتایج حاصل از تست‌های رندوم Covid-19 را بعنوان نقطه‌ی عطفی برای روش خود در نظر گرفتند.

طبق این چارچوب آماری، تا تاریخ مشخصی، تعداد بسیار زیادی از افراد به این ویرووس آلوده شده اند و این نشان می‌دهد که بدون کمپین واکسیناسیون مداوم امکان نیل به ایمنی همه گیر وجود نخواهد داشت؛ این در حالی است که آمار مبتلایان به  Covid-19دارای ضریب کم شماری است، برای مثال از هر 2.3 مورد ابتلا، تنها 1 مورد از طریق آزمایش تایید شده و در حقیقت 60 % از موارد ابتلا به هیچ عنوان شمارش نمی‌شوند. این میزان کم شماری می‌تواند علل گوناگونی مانند: شدت پاندمی یا تست‌های آزمایشگاهی در یک منطقه داشته باشد؛ پس همه گیری با شدت زیاد و تست‌های محدود در یک منطقه می‌تواند میزان کم شماری را تا حد بسیار زیادی افزایش دهد؛ همچنین تفاوت در دسترسی به مراقبت‌های پزشکی در مناطق مختلف و تغییرات میزان دسترسی به تست‌های آزمایشگاهی باعث تغییر در ضریب کم شماری خواهد شد.

محققان با بررسی میزان شیوع واقعی Covid-19، ارقام مفید دیگری را نیز مانند میزان مرگ و میر ناشی از کرونا و همچنین بروز تجمعی (درصدی از جمعیت که به Covid-19 مبتلا بوده اند) کرونا را محاسبه نمودند. آزمایش‌های منظم و رندوم افراد می‌تواند سطح عفونت را در یک منطقه یا کشور مشخص نماید اما در غیاب تست‌های رندوم گسترده، چارچوب آماری طراحی شده خواهد توانست با ارائه‌ی تصویر دقیق تری از افراد آلوده به ویروس و مشخص نمودن اینکه که چه کسری از تعداد مبتلایان با وجود تلاش‌های درمانی و تست‌های آزمایشگاهی، کشف نشده باقی مانده‌اند؛ تفاوت ایجاد نماید.

Reference: Nicholas J. Irons, Adrian E. Raftery. Estimating SARS-CoV-2 infections from deaths, confirmed cases, tests, and random surveys. Proceedings of the National Academy of Sciences, 2021

کد خبر: 22

تهیه کننده خبر: زهرا صمدانی

دبیر خبر: نازیلا بستان شیرین