زومیت/ یکی از مهم‌ترین سوالات درمورد کووید ۱۹ این است که این بیماری تا چه اندازه کشنده است. پس از ماه‌ها جمع‌آوری داده، دانشمندان درحال نزدیک شدن به پاسخ این سؤال هستند.

پژوهشگران از معیاری به‌نام نرخ مرگ‌و‌میر ناشی از عفونت (IFR) برای محاسبه‌ی میزان کشنده بودن یک بیماری جدید استفاده می‌کنند. این معیار نسبتی از افراد عفونی را نشان می‌دهد که درنتیجه‌ی عفونت از دنیا می‌روند. افرادی که آزمایش نشده یا علائم بیماری را نشان نمی‌دهند نیز در این محاسبه درنظر گرفته می‌شوند. رابرت وریتی، اپیدمیولوژیست کالج سلطنتی لندن می‌گوید: «نرخ مرگ‌و‌میر ناشی از عفونت یکی از اعداد مهم درکنار آستانه‌ی ایمنی جمعی است و نتایجی درمورد مقیاس همه‌گیری و اینکه ما باید بیماری جدید را تا چه اندازه جدی بگیریم، به‌همراه دارد.»

محاسبه‌ی IFR در میانه‌ی هر شیوعی چالش‌برانگیز است؛ زیرا متکی بر آگاهی از تعداد کل افراد عفونی و نه فقط کسانی که بیماری آن‌ها ازطریق آزمایش تأیید می‌شود، است. تیموتی راسل، اپیدمیولوژیست دانشکده‌ی بهداشت و پزشکی گرمسیری لندن می‌گوید تعیین نرخ مرگ‌و‌میر خصوصا درمورد بیماری کووید ۱۹ که ناشی‌از ویروس SARS-CoV-2 است، دشوار است. این مسئله تا حدودی به این علت است که افراد زیادی با علائم خفیف یا بدون علائم بیماری وجود دارند که عفونت آن‌ها تشخیص داده نمی‌شود و همچنین به این علت که فاصله‌ی زمانی میان عفونت و مرگ می‌تواند تا دو ماه باشد. او می‌گوید بسیاری از کشورها در تلاش هستند تا کل مرگ‌و‌میر ناشی‌از ویروس را شمارش کنند. سوابق مربوط به مرگ‌و‌میرها نشان می‌دهد که برخی از آن‌ها در شمارش‌های رسمی درنظر گرفته نمی‌شود. داده‌های اولیه‌ی دنیاگیری نرخ مرگ‌و‌میر ویروس را بیش‌ازحد و تجزیه‌و‌تحلیل‌های بعدی مرگ‌و‌میر ناشی‌از آن را کمترازحد برآورد می‌کنند.


بسیاری از کشورها در تلاش برای شمارش کل موارد مرگ‌و‌میر ناشی‌از ویروس کرونا هستند

اکنون مطالعات متعدد با استفاده از طیف وسیعی از داده‌ها برآورد می‌کنند که در بسیاری از کشورها از هر ۱۰۰۰ فرد مبتلا به کووید ۱۹، ۵ تا ۱۰ نفر از دنیا می‌روند. راسل می‌گوید: «مطالعاتی که من به آن‌ها اعتماد دارم، در محدوده‌ی ۰/۵ تا ۱ درصد همگرایی دارند.» اما برخی پژوهشگران می‌گویند که همگرایی میان مطالعات مختلف می‌تواند تصادفی باشد. برای درک درست از میزان مرگبار بودن ویروس، دانشمندان باید بدانند که آن ویروس با چه شدتی موجب مرگ در گروه‌های سنی مختلف مردم می‌شود. خطر مرگ براثر کووید ۱۹ می‌تواند به میزان قابل‌توجهی بسته به سن، قومیت، میزان دسترسی به مراقبت‌های بهداشتی، وضعیت اجتماعی‌اقتصادی و مشکلات سلامتی زمینه‌ای متفاوت باشد. به‌گفته‌ی پژوهشگران، بررسی‌های باکیفیت‌تر از گروه‌های مختلف نیاز است. IFR همچنین خاص یک جمعیت بوده و با گذشت زمان و همان‌طور که عملکرد پزشکان ازنظر درمان بیماری بهتر می‌شود، تغییر می‌کند و این موضوع می‌تواند موجب دشواتر شدن تلاش‌ها برای تعیین این نرخ شود.

دستیابی به مقدار صحیح IFR مهم است زیرا این محاسبه به دولت‌ها و افراد کمک می‌کند تا پاسخ‌های مناسبی را تعیین کنند. هیلدا باستیان از دانشگاه باند استرالیا که به مطالعه‌ی پزشکی مبتنی‌بر شواهد مشغول است، می‌گوید: «محاسبه‌ی IFR پایین موجب می‌شود که جامعه آماده نشده و پاسخ مناسبی تدارک نبیند. محاسبه‌ی IFR خیلی بالا و واکنش بیش از اندازه نیز در بهترین وضعیت هزینه دارد و در بدترین حالت صدمات ناشی‌از استفاده‌ی بیش‌ازحد از مداخلاتی نظیر قرنطینه را با خود به‌همراه دارد.»

پر کردن شکاف
برخی از اولین نشانه‌ها از کشندگی ویروس از تعداد کل موارد تأییدشده در چین به دست آمد. در اواخر فوریه سازمان جهانی بهداشت به‌طور تقریبی برآورد کرد که از هر ۱۰۰۰ فرد با تشخیص تأییدشده‌ی کووید ۱۹، ۳۸ نفر از دنیا رفته‌اند. نرخ مرگ در میان این افراد (میزان کشندگی یا CFR) در شهر ووهان از هر ۱۰۰۰ نفر به ۵۸ نفر می‌رسید. شهر ووهان شهری است که ویروس کرونا در آنجا ظاهر شد. اما چنین برآوردهایی درمورد کشندگی بیماری اغراق می‌کنند؛ زیرا شمار بسیار زیاد افرادی را که دچار ویروس بوده اما مورد آزمایش قرار نگرفته‌اند، به حساب نمی‌آورند و گسترش حقیقی شیوع را نشان نمی‌دهند.

پژوهشگران سعی کرده‌اند تا با برآورد IFR از مدل‌هایی که شیوع ویروس را پیش‌بینی می‌کنند، این شکاف را پر کنند. به‌گفته‌ی وریتی، نتیجه‌ی حاصل از تجزیه‌و‌تحلیل‌های اولیه تقریبا ۰/۹ درصد بوده است، یعنی ۹ مورد مرگ از هر ۱۰۰۰ فرد عفونی که دارای دامنه‌ی وسیع ۰/۴ تا ۳/۶ درصد است. براساس تخمین حاصل از مدل‌سازی وریتی، در کشور چین به‌طورکلی از هر ۱۰۰۰ فرد مبتلا، ۷ مورد جان خود را از دست داده‌اند. در میان افراد دارای سن ۶۰ سال و بیشتر، این نرخ به ۳۳ مورد در هر ۱۰۰۰ فرد عفونی می‌رسد.

تیم راسل همچنین از داده‌های جمع‌آوری شده از شیوع بزرگ کووید ۱۹ در کشتی تفریحی دیاموند پرینسس در اوایل فوریه برای برآورد IFR در چین استفاده کرد. تقریبا تمام ۳۷۱۱ مسافر و خدمه کشتی مورد آزمایش قرار گرفتند و پژوهشگران توانستند کل تعداد عفونت‌ها ازجمله موارد بدون علامت و مرگ را در جمعیتی شناخته‌شده شمارش کنند. براساس این اطلاعات IFR برابر ۰/۶ درصد یا ۶ مورد مرگ به ازای هر ۱۰۰۰ فرد عفونی به دست آمد. وریتی می‌گوید: «هدف این مطالعات به دست آوردن برآوردهای تقریبی از میزان کشندگی کووید ۱۹ بود.»

برای رسیدن به برآوردی دقیق لازم است تعداد واقعی افراد عفونی در یک جامعه مشخص شود که محاسبه‌ای دشوار است. به‌گفته‌ی وریتی: «به دست آوردن سریع برآوردهای اولیه IFR ارزشمند است اما این اطلاعات باید به محض دسترسی به داده‌های بهتر به‌روزرسانی شوند.»

بررسی‌های آنتی‌بادی
انتظار می‌رفت بررسی‌های جمعیتی گسترده که آنتی‌بادی‌های ویروس را مورد آزمایش قرار می‌دهد، یعنی بررسی‌های شیوع سرولوژیک به بهبود بیشتر برآوردهای IFR کمک کند. اما نتایج اولین مطالعات آنتی‌بادی تنها آب را گل آلود کرد و نشان می‌داد که ویروس نسبت‌به آنچه قبلا تصور می‌شد، کشندگی کمتری دارد. یکی از اولین مطالعات ۹۱۹ فرد را در شهر گانگلت آلمان که در آن شیوع بزرگی رخ داده بود، مورد آزمایش قرار داد. از این افراد، حدود ۱۵/۵ درصد آنتی‌بادی‌های ویروس را داشتند. این رقم ۵ برابر بیشتر از درصد افرادی است که در آن زمان بیماری کووید ۱۹ آن‌ها مشخص شده بود. براساس این اطلاعات، مقدار IFR برابر ۰/۲۸ درصد به دست آمد. اما پژوهشگران خاطرنشان کردند که مطالعه براساس تعداد نسبتا کمی افراد انجام شده است.

به‌گفته‌ی وریتی، دیگر مطالعات اولیه‌ی شیوع سرولوژیک فقدان حساسیت و اختصاصی‌بودن کیت‌های آزمایش آنتی‌بادی یا اختلاف‌های میان جمعیت نمونه‌برداری شده و جمعیت واقعی را درنظر نگرفته‌اند. او می‌گوید این موارد می‌تواند شمار کل افراد عفونی را بیش از حد برآورد کرده و بنابراین موجب شود کشندگی ویروس کمتر به‌نظر برسد.

گیدئون مایروویتز-کاتز، اپیدمیولوژیست دانشگاه ولونگونگ استرالیا می‌گوید اگر مرگ‌های ناشی‌از کووید ۱۹ شناسایی نشود (مشکلی که در بسیاری از کشورها که تمام افراد متوفی را برای این ویروس آزمایش نمی‌کنند، وجود دارد)، این مورد هم می‌تواند نرخ مرگ‌و‌میر را از مقدار واقعی منحرف کند.



IFR نسبتی‌از افراد مبتلا به کووید ۱۹ است که براثر بیماری جان خود را از دست می‌دهند. برآوردها خاص مناطق بوده و بسته به خصوصیات جمعیت، سطح دسترسی به مراقبت‌های بهداشتی و روش مطالعه متغیر است

برخی از مطالعات شیوع سرولوژیک بزرگ‌تر در هفته‌های اخیر ظاهر شده‌اند و نرخ مرگ‌و‌میر برآوردی آن‌ها بیش از مطالعات اولیه است. نتایج یکی از این بررسی‌ها روی سرور medRxiv منتشر شده است. در این مطالعه که بیش از ۲۵ هزار فرد در برزیل را شامل می‌شود، نرخ مرگ‌و‌میر یک درصد به دست آمده است.

بررسی دیگری که در آن بیش از ۶۰ هزار نفر را در سرتاسر اسپانیا مورد آزمایش قرار داد، شیوع ۵ درصد را گزارش می‌کند. البته این نتایج به‌طور رسمی مورد تجزیه‌و‌تحلیل قرار نگرفته بودند. پژوهشگران این مطالعه خود نرخ تلفات را محاسبه نکرده‌اند؛ اما وریتی براساس نتایج آن‌ها برآورد می‌کند که اسپانیا دارای نرخ مرگ‌و‌میر حدود ۱ درصد یا ۱۰ مورد مرگ به ازای هر ۱۰۰۰ فرد عفونی است.

پژوهشگران متعددی ازجمله راسل و وریتی این موضوع را جالب دیدند که تعداد فزاینده‌ای از مطالعات از مناطق مختلف نرخ مرگ‌و‌میر عفونت را در دامنه‌ی ۰/۵ تا ۱ درصد برآورد کرده‌اند. اما دانشمندان دیگر در مورد این همخوانی محتاط هستند. مایروویتز-کاتز می‌گوید: «این روند احتمالا بیش از هر چیزی ناشی‌از شانس است.»

مارم کیلپاتریک، پژوهشگر بیماری‌های عفونی در دانشگاه کالیفرنیا در سانتا کروز خاطرنشان کرد که بیشتر داده‌های سرولوژیکی در متون عملی منتشر نشده‌اند. به‌گفته‌ی او، دشوار است که بدانیم این اطلاعات چه موقع و چگونه جمع‌آوری شده و نرخ مرگ‌و‌میری صحیحی را محاسبه کرد که تأخیر میان ابتلا به عفونت و مرگ را درنظر بگیرد.

کیلپاتریک و دیگران می‌گویند آن‌ها مشتاقانه منتظر مطالعات بزرگی هستند که نرخ مرگ‌و‌میر را در گروه‌های سنی مختلف و میان افرادی که از قبل دچار مشکلات سلامتی هستند، برآورد کنند. این برآوردها دقیق‌ترین تصویر را از میزان کشندگی بیماری ارائه خواهد داد. یکی از اولین مطالعاتی که اثر سن را درنظر گرفته است، هفته‌ی گذشته به‌صورت پیش‌چاپ منتشر شد. این مطالعه براساس داده‌های شیوع سرولوژیک سوئیس نرخ کشندگی ۰/۶ درصد را برای کل جمعیت و ۵/۶ درصد را برای افراد دارای سن ۶۵ سال و بالاتر برآورد می‌کند. این نتایج هنوز مورد بازبینی قرار نگرفته بود اما کیلپاتریک می‌گوید که این مطالعه بسیاری از مسائل موجود در بررسی‌های سرولوژیک قبلی را درنظر می‌گیرد. او می‌گوید: «این مطالعه عالی است. این دقیقا همان کاری است که باید درمورد تمام داده‌های سرولوژیک انجام داد.»