مشغول به «فرهنگ»، «سیاست» و «علوم اجتماعی محاسباتی»
درباره‌ی همه‌گیرشناسی اجتماعی
این روزها (و ماه‌ها) که همه‌ی ما گرفتار ویروس کرونا و بیماری کووید19 شده‌ایم، بیشتر از همیشه با واژه‌هایی مثل «همه‌گیری» و «همه‌گیرشناسی» سروکار داریم؛ مثلاً:
اما برای کسی مثل من که آشنایی اندکی با دانش پزشکی دارد و اهل علوم اجتماعی است، همه‌گیرشناسی به تنهایی عرصه‌ی چندان جذابی نیست.
ولی این‌جا هم وقتی مثل بقیه‌ی مفاهیم و رویکردهای میان‌رشته‌ای و چندرشته‌ای، «همه‌گیرشناسی»، «علوم اجتماعی» و «علوم محاسباتی» را در کنار هم قرار دهیم، با قلمرو جذاب، کمترشناخته‌شده و مهمی روبرو می‌شویم که آن را «همه‌گیرشناسی اجتماعی» (ُSocial Epidemiology) می‌نامند.
البته روشن است که همه‌گیرشناسی اجتماعی اختصاصی به دورانِ علوم محاسباتی (و داده‌های جدید) ندارد و قبلاً هم وجود داشته و قبلاً می‌توانستیم پژوهش‌های همه‌گیرشناسانه‌ی اجتماعی کمی و کیفی را ببینیم.
اما حالا همه‌گیرشناسان اجتماعی هم مثل بقیه‌ی همکاران‌شان به داده‌های انبوه و توان محاسباتی رایانه‌ای حیرت‌انگیزی دست یافته‌اند و می‌توانند با اطمینان از ظهور «همه‌گیرشناسی اجتماعی محاسباتی» (Computational Social Epidemiology) سخن بگویند.
اول اجازه دهیم کمی با دانش همه‌گیرشناسی آشنا شویم و ببینیم که همه‌گیرشناس‌ها دقیقاً چه کار می‌کنند و مهم‌ترین مساله‌های پژوهشی‌شان چه شکلی است؟
ویکیپدیا همه‌گیرشناسی (Epidemiology) را این‌طور تعریف می‌کند:
همه‌گیرشناسی یا اِپیدمیولوژی مطالعه نحوه‌ی انتشار بیماری‌ها و عوامل بیماری‌زا، توزیع بیماری‌ها در زمان‌ها، مکان‌ها، نژادها یا فرهنگ‌های خاص یا هر عاملی که به سلامت مربوط باشد، است.
اگر شما پزشک باشید، به این سوالات پاسخ می‌دهید:
- چرا این نوزاد دارد می‌میرد؟
- چرا این جوان سکته کرده است؟
- ...
اما اگر همه‌گیرشناس باشید، باید به دنبال پاسخِ سوالاتی از این قبیل بگردید:
- چرا نرخِ مرگ نوزادان در برخی از گروه‌های مردم بیشتر از بقیه‌ی گروه‌ها است؟
- چرا علیرغم پیشرفت چشمگیر دانش پزشکی، این تفاوت‌ها برطرف نشده‌اند؟
- چرا افرادی که در مناطق خاصی زندگی می‌کنند، خیلی بیشتر از بقیه در معرض سکته‌ی قلبی هستند؟
- ...
حالا اگر همه‌گیرشناس اجتماعی باشید، بیش از همه به دنبال فهمِ ریشه‌ها و عللِ اجتماعی و فرهنگی بیماری‌ها و این که چرا شایع می‌شوند یا درمان نمی‌شوند می‌گردید.
فرض کنید با افزایشِ میزان ابتلای مردمِ یک روستا به یک بیماریِ خاص روبرو شده‌اید.
راه‌حلِ پیشنهادیِ شما چیست؟ اگر پزشک باشید، احتمالاً برای افزایش بودجه‌ی درمانیِ دهیاری و مثلاً آمبولانس برای درمانگاه کوچک روستا تلاش می‌کنید. شاید هم گروهی از پزشکان را راضی کنید با نیتی خیرخواهانه به این روستا سفر کنند و چند روزی را میهمان اهالی آن‌جا باشند.
اما حالا که ما همه‌گیرشناسی اجتماعی می‌کنیم، می‌دانیم که این تنها بخشی از راه‌حل است و باید دلایل واقعیِ این افزایشِ بیماری را در زیستِ اجتماعی مردم این ناحیه جستجو کنیم. ما معتقدیم که هیچ پدیده‌ی زیستی‌ای خارج از بافت اجتماعی رخ نمی‌دهد و مهار و مبارزه با هر بیماری و آسیبی که به جسم ما وارد می‌شود، حتماً باید با توجه به زمینه و شرایط محیطی آن انجام شود. پدیده‌ها و کنش‌های اجتماعی جزو مهم‌ترین عوامل موثر بر وضعیت سلامتی نگاه می‌کنیم.
به باورِ همه‌گیرشناسان اجتماعی، مولفه‌هایی مثل تحصیلات، درآمد، شغل، طبقه‌ی اجتماعی، وضعیت اقتصادی، نژاد، قومیت، ملیت، سن، جنسیت، تاهل، میزان مشارکت اجتماعی، نهادهای جمعی‌ای مثل خانواده و مدرسه، ویژگی‌های روانی‌ای مثل اضطراب، شرم، بدنامی و ...، بر کمیت و کیفیت ابتلای افراد به بیماری‌ها و آسیب‌ها تاثیر جدی می‌گذارند.
بگذارید مثال بزنم. بیماری خواب یا تریپانوزومیاز آفریقایی (sleeping sickness) یکی از بیماری‌های انگلیِ مشترک میان حیوان و انسان است که به صورت مداوم و گسترده در بسیاری از کشورهای آفریقایی به چشم می‌خورد. این بیماری درمان‌شدنی است و داروی موثر بر آن نیز کشف شده است. اما تولیدِ این دارو پس از مدتی به دلیل فقرِ مفرط مبتلایان و نبود صرفه‌ی اقتصادی برای تولیدکننده متوقف شد. پس از مدتی، همین ماده‌ی دارویی که حالا کاربرد دیگری به عنوان «موبَر صورت» پیدا کرده بود، به صورت محصولی آرایشی وارد بازار شد و به این ترتیب، تولیدِ آن از سر گرفته شد و بیماران به آن دست پیدا کردند. به عبارت دیگر، آن‌چه موجب درمانِ این بیماران شد، نه صرفاً پیشرفت دانش داروسازی در دانشکده‌های پزشکی، که معادلات بازار و محاسباتِ بنگاه‌های اقتصادی بود. نیویورک‌تایمز به تفصیل به این ماجرا پرداخته است:
تردیدها و گفتگوهای دامنه‌داری که این روزها که درباره‌ی واکسن کرونا و نمونه‌های آمریکایی و انگلیسیِ آن در کشورهای مختلف دیده می‌شود هم مثالی از تقاطعِ پدیده‌های پزشکی و مسایل اجتماعی است؛ چون با واکسنی روبرو شده‌ایم که به جای آن که در بستری علمی و دانشی تهیه و تولید شود، به ابزاری سیاسی تبدیل شده است.
خلاصه این که ما پیشرفت‌های زیادی در دانش پزشکی داشته‌ایم، اما این پیشرفت‌ها تا وقتی به بافت اجتماعی گره نخورند و موانعی مثل منافع اقتصادی، تعارض‌های سیاسی و تفاوت‌های فرهنگی را پشت سر نگذارند، نمی‌توانند به درمانِ بیماری‌ها و بهبود سلامتی مردم بینجامند. بسیاری از معضلات سلامتی، مثلاً فاصله‌ی زیادِ کشورها در «امید به زندگی» ریشه‌ی پزشکی ندارند و محصول زمینه‌های اقتصادی، اجتماعی و فرهنگی‌اند.
الگوی چندلایه‌ای ارتباط عوامل اجتماعی، سیاسی، اقتصادی و فرهنگی بر سلامتی
الگوهای نظری مختلفی برای تبیین رابطه‌ی عوامل اجتماعی و مساله‌ی سلامتی تدوین شده است. مثلاً سازمان جهانی بهداشت مجموعه‌ی عوامل اجتماعی موثر بر سلامتی را به این شکل تقسیم‌بندی کرده است:
اما تقریباً همه‌ی آن‌ها درباره‌ی این ساختار لایه‌ای توافق دارند. این مدل را گوگان دالگرن و مارگارت وایتهد در سال 1991 طراحی کرده‌ند و به عنوان الگوی رنگین‌کمان مشهور است.
ما درباره‌ی سلامتی حرف می‌زنیم که تجربه‌ای جسمی (و روانی) است. علنی‌ترین و نزدیک‌ترین عوامل موثر بر آن هم ویژگی‌های زیستی‌ای مثل سن، جنسیت و وزن است.
اما همه می‌دانیم که نمی‌شود فقط به این‌ها تکیه کرد. دومین عامل موثر بر سلامتی، سبک زندگی و رفتارهای شخصی ما است. این که چقدر می‌خوابیم، چقدر ورزش می‌کنیم و ... .
آیا عاملی وجود دارد که بر رفتار و سبک زندگی ما تاثیر بگذارد؟ بله. جایگاه اجتماعی و شبکه‌ی ارتباطی‌ای که در آن زندگی می‌کنیم. برای مطالعه‌ی نمونه‌ای از این تاثیرگذاری، این یادداشت را بخوانید:
دوستان و شبکه‌ی ارتباطی ما هم بیش از هر چیزی تحت تاثیر میزان تحصیلات، کار یا بیکاری، وضعیت مسکن و سایر ویژگی‌های اجتماعی ما است و این ویژگی‌ها به نوبه‌ی خود تحت تاثیر وضعیت کلی و جهت‌گیری‌های کلان جامعه در عرصه‌هایی مثل مسکن، اشتغال، مالیات و ... است.
«بررسی رابطه‌ی نابرابری اقتصادی و اجتماعی بر سلامتی» یکی از موضوعات مورد علاقه‌ی همه‌گیرشناسان اجتماعی است. چرا این‌طور به نظر می‌رسد که ثروتمندترها یا باسوادترها معمولاً سالم‌ترند؟ آیا می‌توانیم این تلقی عمومی را با دقت بیشتری بررسی کنیم؟ آیا چیزی مثل ثروت یا شغل روی احتمال ابتلا به بیماری‌های مختلف تاثیر یکسانی دارد؟ روی شدتِ علایم بیماری یا سرعتِ بهبودی چطور؟
بله. ما می‌توانیم رابطه‌ی روشنی بین وضعیت اقتصادی، اجتماعی، علمی، فرهنگی و ... با کمیت و کیفیت بیماری‌ها ببینیم. به عنوان مثال می‌توانیم به وضوح ببینیم که میزان تحصیلات فرد بر شغل، درآمد، روحیه و دوستانِ او تاثیر می‌گذارد و این‌ها در گام بعد ایمنیِ محیط کار، رفتارهای ناسالم، نحوه‌ی غذا خوردن و حتی میزان اضطراب فرد را تعیین می‌کند. رابطه‌ی این‌ها با ابتلا، پیشرفت، تبعات و درمان بیماری هم که انکارنشدنی است.
بیماری پادشاهان
بیماری نِقرِس (gout) را می‌شناسید؟
نقرس نوعی بیماری است که در اثر افزایشِ مداوم میزان اسید اوریک بدن به وجود می‌آید و سبب علایمی از جمله تورم، حملات التهاب، آتروز حاد، داغ شدن و قرمزیِ مفاصل بدن و یا توفوس و سنگ کلیه می‌شود. (ویکیپدیا)
می‌دانستید که نام دیگر این بیماری «داء الملوک» (بیماری پادشاهان) است.
نقرس: (نِ رِ) [ ع . ] (اِ.) مرضی است مزمن و غالباً ارثی که به شکل التهاب مفصل شست پا به طور ناگهانی بروز می‌کند؛ داءالملوک. (فرهنگ فارسی معین)
می‌دانید چرا؟ چون یکی از مهم‌ترین عوامل ابتلا به این بیماری زیاده‌روی در مصرف گوشت و مشروبات الکلی است و این‌ها قبلاً جزو نشانه‌های سبک زندگیِ اشراف و ثروتمندان و امیران بوده است. این هم نمونه‌ای از رابطه‌ی جایگاه اجتماعی و بیماری است.
پژوهش‌های زیادی درباره‌ی سنجش این قبیل رابطه‌ها انجام شده است. مثلاً اوت و همکارانش در مقاله‌ای با عنوان «شیوع بیماری آلزایمر و زوال عقل و ارتباط آن با تحصیلات: مطالعه‌ی روتردام» که در آوریل 1995 منتشر شد، به این نتیجه رسیدند که بین میزان تحصیلاتِ گروه‌های انسانی و احتمال ابتلای آن‌ها به آلزایمر رابطه‌ی معکوسی وجود دارد.
به عبارت دیگر، تحصیل‌کرده‌ترین افراد در هر اجتماع، کمتر به آلزایمر مبتلا می‌شوند و نکته‌ی جالب آن است که بنا به یافته‌های این پژوهش، مقصود آن نیست که افراد باید آموزش‌های دانشگاهی سطحِ بالا دیده باشند تا کمتر آلزایمر بگیرند. حتی اگر سقفِ تحصیلات در یک جامعه دیپلم باشد و کفِ آن بی‌سوادی، باز هم همین الگو برقرار است و دیپلم‌دارها به همان نسبت کمتر مبتلا می‌شوند.
چه نتیجه‌ای از این پژوهش می‌شود گرفت؟ آیا برای پیشگیری از آلزایمر، باید سطح تحصیلات را بالا ببریم و نیازی به اقدامات بهداشتی و درمانی نیست؟ یعنی می‌توانیم به دانشگاه به عنوان درمانگاهِ آلزایمر نگاه کنیم؟ شاید بله و شاید هم خیر. ما به پژوهش‌های گسترده‌تر و طولانی‌تری نیاز داریم.
مثلاً می‌توانیم گروهی از افراد را برای مدت طولانی (مثلاً سال‌ها) زیر نظر بگیریم و تحصیلات و ابتلای ایشان به آلزایمر را بررسی کنیم و روندهای کلی را به دست آوریم. این راه عاقلانه‌ای است؛ ولی با یکی از خطاهای رایج در چنین پژوهش‌هایی روبرو خواهیم شد: خطای بازماندگی.
سوگیری بازماندگی یا دوام‌نگری (Survivorship Bias – Survival Bias) نوعی خطای منطقی است که با تمرکز بر افراد یا چیزهایی که از یک فرایندِ گزینش گذر کرده‌اند و نادیده گرفتن مواردی که از آن فرایند گذر نکرده‌اند، ولی معمولاً به چشم نمی‌آیند، رخ می‌دهد. این سوگیری می‌تواند منجر به نتیجه‌گیری‌های غلط از چندین روش مختلف شود. در این نوع از سوگیری، ذهن فقط نمونه‌های زنده و موفق را در نظر می‌گیرد و در نتیجه در داوری موقعیت خطا می‌کند. ویکیپدیا
به عبارت دیگر، آلزایمر معمولاً در سنینِ پیری رخ می‌دهد و تحصیلات عالی در سنین جوانی. اگر افرادی که در فاصله‌ی جوانی تا پیری از دنیا رفته‌اند را در نظر نگیریم، عملاً دچار خطای روشی می‌شویم. برای پرهیز از این سوگیری در چنین پژوهش‌هایی، بهترین راه شبیه‌سازی است. یعنی باید آن افرادی که مُرده‌اند را زنده فرض و حضورشان را با کمک داده‌های موجود و ابزارهای محاسباتی شبیه‌سازی کنیم.
شبیه‌سازی مردگان
الیزابت مایِدا، استاد دانشکده‌ی سلامت عمومیِ دانشگاه کالیفرنیا در پژوهشی با عنوان «آیا سوگیری بازماندگی می‌تواند کاهش نابرابری نژادی در بروز سکته‌ی مغزی را توضیح دهد؟» که به روش شبیه‌سازی انجام شد، به این مساله پرداخته که چرا هرچند نرخِ سکته‌ی مغزی در سیاهانِ میانسال بیشتر از میانسالانِ سفید است و هرچه سن دو گروه بیشتر می‌شود، فاصله‌شان کاهش می‌یابد تا جایی که در هشتادسالگی برعکس می‌شود؟ آیا عامل خاصی موجب بروز سکته در سفیدپوستان سالمند هست؟ آیا سیاهان سالمند نسبت به سیاهان میانسال مشارکتِ بیشتری با پژوهشگران داشته‌اند و به همین دلیل آمارشان بهبود یافته است؟
دو احتمال دیگر هم هست. یکی این که سیاه‌پوستانی که به هشتادسالگی می‌رسند، از نظر جسمی و روانی خیلی سالم‌تر و مقاوم‌ترند. دیگر این که تبعیضِ نژادی در ارایه‌ی خدمات درمانیِ به سالمندان کمتر است. تفاوتِ معنادارِ این دو گزینه در آن است که در یکی از آن‌ها ما تقریباً همه‌ی سیاهان را پیش از رسیدن به سنین پیری می‌کُشیم و فقط خیلی مقاوم‌ها زنده می‌مانند و در دیگری وضعیت خدمات درمانی ما، دستکم در این گروهِ سنی، چندان بد نیست.
دکتر مایِدا با توجه به نرخِ تولد و احتمال بروز سکته، احتمال زنده ماندن افراد را شبیه‌سازی کرد و متاسفانه به نتیجه‌ی خوشایندی نرسید. بنا به شبیه‌سازیِ او گزینه‌ی اول صحیح‌تر است و فقط قوی‌ترها پیر می‌شوند.
یادآوری
چنین پژوهش‌هایی، هرچه هم داده‌بنیاد و متکی به محاسبات رایانه‌ای، بیش از همه‌ی سایر عرصه‌های علمی به بافت و زمینه‌ی اجتماعی وابسته‌اند. پس، با مطالعه‌ی مقالات و کتبی که پژوهشگران و کارشناسان کشورهای دیگر با توجه به مصادیق و مساله‌های موجود در اقلیمِ خودشان نوشته‌اند، نمی‌توانیم برای کشور و جامعه‌ی خودمان نسخه بنویسیم و دارو تجویز کنیم.
ما ناچاریم چنین سوالاتی را با توجه به بافت و ویژگی‌های هم‌وطن‌ها و هم‌شهری‌های خودمان دوباره طرح کنیم و دوباره برای پاسخ به آن‌ها تلاش کنیم. امیدوارم در ویرایش بعدی این یادداشت، نمونه‌ای از پژوهش‌های ایرانیِ انجام‌شده را با هم مرور کنیم.
اگر به این عرصه علاقمند شدید یا کنجکاوید که درباره‌ی آن بیشتر بخوانید، می‌توانید با این‌ها شروع کنید:
- برکمن، لیسا (2014)، همه‌گیرشناسی اجتماعی، انتشارات دانشگاه آکسفورد {فایل متن کامل این کتاب را می‌توانید از این‌جا دریافت کنید.]
- کریگر، نانسی (2001)، نظریه‌های همه‌گیرشناسی اجتماعی در قرن بیست و یکم: چشم‌اندازی اقتصادی اجتماعی، مجله‌ی بین‌المللی همه‌گیرشناسی، آگوست 2001، صفحات 668 تا 677 [فایل متن کامل این مقاله را می‌توانید از این‌جا دریافت کنید.]
مطلبی دیگر از این انتشارات
اجرای علوم داده
مطلبی دیگر از این انتشارات
گستره جغرافیایی اعتراضات معیشتی اردیبهشت‌ماه ۱۴۰۱
مطلبی دیگر از این انتشارات
رشد تصاعدی داده‌های دیجیتال موبایل‌محور و تأثیرات آن بر علوم اجتماعی