آخرين خبر/ متن پيش رو در ايران-کرونا منتشر شده و انتشار آن در آخرين خبر به معناي تاييد تمام يا بخشي از آن نيست
رن شو (دانشگاه کانتيکِت)، هژير رحمانداد (اِمآيتي)، ماريچي گوپتا (بيمارستانِ MGH)، کترين ديجِنارو (بيمارستانِ MGH)، نويد غفارزادگان (ويرجينا تِک)، حسن اميني (دانشگاه کُپِنهاگ) و محمد جلالي (دانشگاه هاروارد و بيمارستانِ MGH)
خلاصه
مقدمه: تحليل و پيشبينيِ روند گسترش بيماري کويد نوزده، نياز به تخمينِ ميزانِ تاثير شرايط آب و هوايي بر گسترش بيماري دارد. مطالعات گذشته محققين در اين زمينه با تناقضاتي در نتايج همراه بودهاست. در اين مقاله، نويسندگان، ضمنِ جمعآوري يکي از گستردهترين مجموعه دادههاي موجود از نقاط مختلف دنيا، به تخمين تاثير شرايط جوي و پيش بيني ريسک گسترشِ بيماري، در ماههاي آتي، و در نقاط مختلف دنيا ميپردازند.
رويکرد: اين مقاله مبتني بر استفاده از روشهاي مختلف تحقيق اعم از مدلهاي آماري و شبيهسازي و استفاده از کلانداده است. دادههاي جمعآوري شده، شامل تعدادِ بيماران بر مبناي گزارشهاي رسمي در 3739 منطقه دنيا، از تاريخ 12 دسامبر تا 22 آوريل سال 2020، و متغيرهاي متعدد جوي و منطقهاي است. در اين مقاله، ابتدا با استفاده از مدلهاي شبيهسازي، چالشهاي پيشرو در تخمين تاثير شرايط آب و هوايي بر گسترش بيماري بررسي شده است و نشان داده ميشود که، از نظر متدولوژيک، دستِکم گرفتن اهميتِ توزيع آماريِ بازه زماني ميان آغاز بيماري، شناسايي بيماري، و گزارش آن، ميتواند به تخمينهاي نادرست بيانجامد. اين مشکل از آنجا ناشي ميشود که براي بررسي تاثير دما بايد دماي روزانه با تعداد مبتلايان همان روز مقايسه شود، حال آنکه زمان نسبتا طولاني و متغير ميان آغاز ابتلا و شناسايي موارد ابتلا وجود دارد. از اين رو تخمين تاثير شرايط آب و هوايي بر بيماري نيز مشکل ميشود. در اين مطالعه، ابتدا الگوريتمي ارائه شده است که زمان آغاز بيماري با استفاده از گزارشهاي رسمي تخمين زده شود. سپس مدلِ آماري اين مطالعه، در محيطِ شبيهسازي، طراحي و آزمايش شده است. پس از سنجش اعتبارِ مدل، از دادههاي اصلي براي بررسي همبستگي متغيرهاي جوي و متغير بازتوليد کننده استفاده شده است. مدل آماري نهايي، علاوه بر متغيرهاي جوي، شامل متغيرهاي مختلف محيطي، اعم از چگالي شهري، و روند تغييرات در هر منطقه است. نهايتا، از تخمينهاي بدست آمده براي بررسيِ (کاهشِ) ريسکِ ناشي از تغييرات دما بر گسترش بيماري در مناطق مختلف، استفاده شده است.
نتايج: تغييرات آب و هوايي ميتواند تا حدودي بر (کاهشِ) گسترش بيماري تاثيرگذار باشد. ميزان تاثير شرايط جوي قابل ملاحظه است، اما، به خوديِ خود، کافي نيست. به طور مشخص، پس از دماي بيست و پنج درجه سانتيگراد، به ازاي هر درجه افزايشِ دما، قدرت بازتوليد کنندگي ويروس، تقريبا سه و يکدهم درصد کم ميشود (بازه اطمينان 95 درصد: بين يک و نيم درصد، تا چهار و هشتدهم درصد). يعني ده درجه افزايش دما از 25 تا 35 درجه سانتيگراد، با فرض ثابت بودن ساير عوامل همچون رطوبت هوا، منجر به کاهش سي و يک درصدي عدد بازتوليد کننده ميشود. در مناطق مرطوبتر، تاثير بازدارندگي گرمايش، به مراتب بيشتر خواهد بود. علاوه بر اين متغيرها، تاثير وزش باد، ميزان آفتاب، برف و بارندگي نيز بررسي شده است. در کل، به نظر ميرسد که تفاوت شرايط آب و هوايي، تا 43 درصد، قادر به توضيح تفاوت ميزانِ شيوع بيماري در نقاط مختلف دنياست. شکل 1، تخمين ريسک ناشي از تغييرات جوي بر گسترش بيماري را در برخي از شهرهاي ايران نشان ميدهد.

شکل 1 – ريسک ناشي از تغييرات جويِ گسترش کرونا در شهرهاي مختلف ايران – براي درک بهتر شکل بايد به تغييرات نسبي هر نمودار توجه شود. مثلا در نمودار تهران، ريسک گسترش بيماري در ماههاي تابستان حدودا 30 درصد کمتر از ماههاي ميانيِ زمستان است (تفاوتِ هفت دهم، و نود و پنج صدم). براي بسياري ديگر از مناطق ايران و جهان به اين سايت مراجعه کنيد:
https://projects.iq.harvard.edu/covid19
ميزان تاثيرات قابل ملاحظه است. هر چند تخمينهاي موجود در اين مطالعه با احتياط همراه بوده و احتمالا تخمين پاييندستي است، اما باز هم به نظر نميرسد که تغييرات آب و هواييِ فصلي، به تنهايي، قادر به کنترل بيماري باشد و براي کنترل بيماري به ادامه برخي از سياستها در سطح کشور نياز است. براي بررسي بسياري ديگر از شهرها و مناطق دنيا مي توانيد به سايت اين پژوهش مراجعه کنيد. علاقهمندان به مباحث تخصصي را به مطلب اصلي ارجاع ميدهيم.
سايت پژوهش: https://projects.iq.harvard.edu/covid19
مقاله اصلي:
Xu, R., Rahmandad, H., Gupta, M., DiGennaro, C., Ghaffarzadegan, H., Amini, N., Jalali, M., Weather Conditions and COVID-19 Transmission: Estimates and Projections. Available at https://www.medrxiv.org/content/10.1101/2020.05.05.20092627v1
بازار