وحید رضائیتبار،عضو هیئت علمی گروه آمار دانشگاه علامهطباطبائی با انجام پژوهشی، پیشبینیهایی در ارتباط با بیماری COVID-19 مطرح کرد.
به گزارش عطنا، او در پژوهش خود که گزارش اولیه آن منتشر شده است، آورده است: در این گزارش، از یک رویکرد عینی برای پیشبینیهایی در ارتباط با COVID-19 مبتنی بر روشهای آماری استفاده شده است. این تحلیل با این فرض انجام شده است که دادههای ارائه شده قابل اعتماد هستند.
رضائیتبار مطرح کرده که در این گزارش روی ارقام تجمعی روزانه جمع آوری شده در سطح جهان با استفاده از از سه متغیر اصلی شامل «موارد تایید شده یا قطعی»، «فوت شده» و «بهبود یافته» تمرکز کرده است. این مجموعه داده توسط مرکز علوم و مهندسی سیستم در دانشگاه جان هاپکینز بازیابی شده و نمودار این دادهها در شکل ارائه شده است. این مجموعه داده از تاریخ 22 ژانویه 2020 (2 بهمن ماه 1398) تا 11 مارس 2020 (21 اسفند 98) از سطح جهان جمع آوری شده که شامل موارد «آزمایشگاهی» و «تشخیص بالینی» میشود.
شکل شماره 1: نمودار تجمعی تعداد موارد مبتلای قطعی، فوتی و بهبود یافته از COVID-19
این عضو هیئت علمی دانشگاه علامه طباطبائی در ادامه پژوهش آورده است: با توجه به شکل شماره 1، در حالی که هر سه الگوی مبتلای قطعی، فوتی و بهبود یافته، نشان دهنده افزایش به صورت نمایی است، روند هر دو مورد مبتلای قطعی و فوتی در اواسط فوریه (حدود 25 بهمن ماه 98) کاهش یافته است. این بدان معنی است که حدود ۲۳ روز پس از اعلام رسمی اولین مورد ابتلا در چین، با اعمال محدودیت های شدید در شهرها و قرنطینه کردن آنها، روند نزولی تعداد مبتلایان جدید در این کشور شروع شد. اما چون داده های گزارش شده در اینجا شامل داده ها در سطح جهانی است، دوباره الگوی مبتلای قطعی و فوتی از اواسط فوریه مجددا افزایشی شده است. افزایش به صورت نمایی دیگری در اواخر فوریه (10 اسفند 98) و مارس به دلیل افزایش تعداد مبتلای قطعی و فوتی در کشورهای کره جنوبی، ایران و ایتالیا شکل گرفته است. در عین حال، تعداد موارد بهبود یافته نیز به طور پیوسته در حال افزایش است.
رضایی تبار دربارۀ پیش بینی موارد ابتلای قطعی نیز آورده است که برای پیش بینی موارد ابتلای قطعی به COVID-19، از رویکرد پیشبینی سری زمانی استفاده شده است. برای این منظور پیشبینی با استفاده از مدل هایی از خانواده هموارسازی نمایی انجام می شود (برای جزئیات بیشتر به مقاله هیندمن[2] و همکاران، 2002 مراجعه شود). این خانواده از مدل ها، مخصوصاً برای سری های زمانی کوتاه مدت بسیار مناسب است. هموارسازی نمایی به زبان ساده نوعی میانگین متحرک است که خود را اصلاح میکند. برای پیشبینی، اطلاعات هر 10 روز را گرفته و پیشبینی برای 10 روز آینده به صورت نقطه ای و فاصله ای انجام میشود. به شکل شماره 2 و توضیحات مربوط به آن توجه فرمایید.
شکل شماره 2: فراوانی تجمعی تعداد افراد مبتلای واقعی و پیشبینی شده
پژوهشگر در ادامه با اشاره به موارد بهبود یافته معطوف ذکر کرده است: برای این منظور درصد موارد بهبود یافته از کل موارد قطعی مبتلا به این بیماری و همچنین نسبت موارد بهبود یافته به ازای هر فوتی مدنظر قرار می گیرد. به شکل شماره 3 دقت کنید.
شکل شماره 3: بهبود یافتهها به عنوان درصدی از کل موارد قطعی (سمت چپ) و بهبود یافتهها به ازای هر فوتی (سمت راست)
این استاد آمار دانشگاه علامهطباطبائی در نتیجهگیری پژوهش خود بیان کرده است: طبق آمار رسمی وزارت بهداشت در کشور عزیزمان ایران، تا تاریخ 15 فروردین 99 آمار مبتلایان قطعی عدد 53183 نفر، بهبود یافتگان 17935 نفر و فوتیها تعداد 3294 نفر می باشد که نسبت بهبود یافتگان به کل موارد قطعی حدود 33 درصد و نسبت بهبودیافتگان به ازای هر فوتی حدود 5 نفر است که با نسبت های بیان شده در مهار ویروس کرونا فاصله دارد.
بنابراین با توجه به گزارش ارائه شده، میتوان امید داشت که با اعمال محدویتهای لازم:
· به طور متوسط 25 روز (میانگین دوره دوم پیشبینی) لازم است تا روند مبتلایان جدید به این ویروس، نزولی شود. لازم به ذکر است که این تعداد روز، از زمانی مدنظر قرار میگیرد که محدودیتهای لازم برای رفت و آمد و رعایت نکات بهداشتی در دستور کار قرار گیرد. به عنوان مثال اگر شیوع این بیماری را به طور جدی از تاریخ 20 اسفند 98 در نظر بگیریم، روند نزولی تعداد مبتلایان جدید از تاریخ حدود 15 فروردین با اعمال سیاستهای لازم شروع میشود.
· به طور متوسط 35 روز (میانگین دوره سوم) طول میکشد تا روند ابتلای جدید به این بیماری از شیب ثابت نسبی برخوردار باشد. البته همانطور که از شکل شماره 2 پیداست، در دوره چهارم نیز شیب ثابت نسبی وجود دارد، بنابراین میتوان رسیدن به یک شیب ثابت نسبی را به عبارتی 45 روز نیز در نظر گرفت. در واقع بسته به سیاستهای لازم، روند مبتلایان جدید متوسط بین 35 تا 45 روز میتواند بسیار کم و به اعداد دو رقمی یا تک رقمی نیز برسد. باز هم به عنوان یک مثال، اگر شیوع این بیماری را از تاریخ 20 اسفند در نظر بگیریم، تا تاریخ حدود 25 فروردین 99 و یا 4 اردیبهشت 99 بسته به سیاستهای اعمال شده در راستای کنترل رفت و آمد و رعایت فاصله گذاری اجتماعی، تعداد مبتلایان جدید بسیار کم و به عدد دو رقمی خواهد رسید.
· به طور متوسط بعد از حدود 50 روز از شیوع این بیماری، نسبت بهبودیافتگان به کل موارد قطعی به بیش از 50 درصد افزایش مییابد و یا بهبودیافتگان به ازای هر فوتی نیز به بیش از 15 نفر میرسد که نشان از مهار این ویروس میباشد.
البته این مسئله نیازمند حفظ محدودیتهای اعمال شده است و در صورتیکه محدودیتها حذف شود و یا سختگیریها کمتر شود، ممکن است مجدد به دوره اول با شیب زیاد برگردیم و روند مهار این ویروس نیز زمانبر باشد.
لازم به ذکر است که در این گزارش فقط از متغیرهای تعداد مبتلایان قطعی، بهبودیافته و فوتی استفاده شده و در اصطلاح از تحلیل یک متغیری استفاده شده است. در صورتیکه متغیرهای پیشگوی دیگری مانند تعداد بیمارستانها، تختهای بیمارستانی و... و حتی در نظر گرفتن تحریم به عنوان یک متغیر مهم در نظر گرفته شد میتوان این پیشبینی را دقیقتر انجام داد. برای متغیری مانند تحریم میتوان از طیف لیکرت بین 1 تا 5 استفاده کرد و روزانه تحریم را رتبهبندی کرد. به عنوان مثال روزیکه اشخاص و سازمانهای بیشتری تحریم میشوند عدد 5 و به همین ترتیب روزها را امتیازدهی کرد.