بیش از ۱۹ میلیارد مورد! تحقیقات جدید نشان می‌دهد افراد بسیار بیشتری نسبت‌به برآوردهای رسمی به کووید مبتلا شده‌اند

منتشر شده در scitechdaily به تاریخ ۱۶ اکتبر، ۲۰۲۲
لینک منبع: Up to 1.9 Billion Cases – New Research Indicates Far More People Caught COVID Then Official Estimates

یک مدل ریاضی جدید نشان می‌دهد که تعداد ۱ در ۵ مورد کووید در سطح جهانی شمارش شده‌اند.

با توجه به مدل‌های ریاضی، تعداد کمی از هر پنج مورد کووید۱۹ که در طول ۲۹ ماه اول پاندمی رخ داد، در نیم میلیارد مورد به‌طور رسمی ثبت شده‌است.

براساس مراکز کنترل و پیش‌گیری از بیماری‌ها، سازمان بهداشت جهانی بین ۱ ژانویه ۲۰۲۰ تا ۶ می ۲۰۲۲ تعداد ۶،۱۹۰،۳۴۹ کشته و ۵۱۳،۹۵۵،۹۱۰ مورد را گزارش کرده‌است. این ارقام در حال حاضر کووید۱۹ را به‌عنوان یک قاتل ارشد در برخی کشورها، از جمله ایالات‌متحده، درست بعد از بیماری قلبی و سرطان ارتقا داده‌است.

با این حال، طبق گزارش محققان در مجله Current Science، مدل‌های ریاضی یک گزارش‌‌دهی ناقص کلی از موارد از ۱ در ۱.۲ تا ۱ در ۴.۷ را نشان می‌دهند. این نتایج گزارش‌نشده در پاندمی جهانی از ۶۰۰ میلیون تا ۲.۴ میلیارد مورد تخمین زده می‌شود.

دکتر Arni SR Srinivasa Rao، مدیر آزمایشگاه تئوری و مدل‌سازی ریاضی در بخش بیماری‌های عفونی در کالج پزشکی جورجیا در دانشگاه آگوستا می‌گوید: «همه ما تاثیر عظیم را بر شخص خودمان به‌عنوان افراد، یک ملت و جهان اذعان داریم، اما تعداد واقعی موارد بسیار بیشتر از آن چیزی است که تصور می‌کنیم.» «در تلاشیم تا وسعت موارد گزارش‌شده را درک کنیم.»

رائو و همکارانش، دکتر استیون جی کرانتز، استاد ریاضیات در دانشگاه واشنگتن در سنت لوئیس، میسوری، و دکتر دیوید ای سوانسون، استاد علوم جامعه‌شناسی در دانشگاه کالیفرنیا، ریورساید، می‌نویسند که طیف گسترده‌ای از موارد تخمینی تولید شده توسط مدل‌های آن‌ها، مشکلات را با دقت ارقام گزارش‌شده نشان می‌دهند، که شامل دستکاری داده‌ها، ناتوانی در ردیابی دقیق موارد، و عدم یکنواختی گزارش‌ها است.

به گفته رائو، کمبود اطلاعات و تناقض در گزارش موارد یک مشکل عمده در گرفتن تصویری واقعی از تاثیر این بیماری همه‌گیر بوده‌است.

مدل‌های ریاضی از هر اطلاعاتی که در دسترس باشد و همچنین عوامل مرتبط مانند نرخ انتقال جهانی و تعداد افراد در جهان، از جمله جمعیت متوسط در طول بازه زمانی ۲۹ ماهه استفاده می‌کنند. به گفته رائو، این میانگین، به عنوان جمعیت موثر، حساب‌های بهتری برای کسانی که به هر دلیلی به دنیا آمده و مرده‌اند، محسوب می‌شود و بنابراین تعداد واقعی‌تری از افرادی که ممکن است به‌طور بالقوه آلوده شوند را فراهم می‌کند.

رائو می‌گوید: «باید فشار واقعی بر بیماران و خانواده‌هایشان، بر بیمارستان‌ها و مراقبان، بر اقتصاد و دولت را بدانید.» او می‌گوید که اعداد دقیق‌تر به ارزیابی پیامدهای غیرمستقیم مانند عدم تشخیص اختلالات عصبی و روانی بلندمدت بالقوه که اکنون به‌طور مستقیم با عفونت در ارتباط هستند نیز کمک می‌کنند.

کارشناسان ریاضیات، برآوردهای مبتنی‌بر مدل مشابهی را برای هشت کشور در اوایل این بیماری همه‌گیر در سال ۲۰۲۰ منتشر کرده بودند، تا چشم اندازهای بیشتری را در مورد آنچه که گفتند پس از آن به روشنی گزارش نشده بود، فراهم کنند. مدل‌سازی آن‌ها کشورهایی مانند ایتالیا را پیش‌بینی کرد، علی‌رغم تلاش آن‌ها در گزارش‌دهی، به احتمال زیاد ۱ در ۴ مورد واقعی را ثبت کردند، در حالی که در چین، که تعداد جمعیت بسیار زیاد است، آن‌ها دامنه وسیعی از عدم گزارش‌دهی بالقوه را محاسبه کردند، از ۱ در ۱۴۹ تا ۱ در ۱،۱۰۴ مورد.

دیگر مشارکت‌کنندگان در گزارش‌دهی ناقص عبارتند از این واقعیت که همه کسانی که کووید۱۹ را دریافت کرده‌اند، مورد آزمایش قرار نگرفته‌اند. همچنین درصد قابل‌توجهی از مردم، حتی افراد واکسینه شده و تقویت‌شده، بیش از یک‌بار آلوده می‌شوند و ممکن است تنها برای استراحت PCR برای اولین بار به پزشک مراجعه کنند و به‌طور بالقوه از تست‌های خانگی و یا حتی بدون هیچ تستی برای بیماری‌های بعدی استفاده کنند. به‌عنوان مثال، گزارش اخیر در «JAMA» در مورد نرخ آلودگی مجدد در ایسلند در طول ۷۴ روز اول موج متغیر اومیکرون نشان می‌دهد که براساس آزمایش PCR، نرخ آلودگی مجدد در ۱۰.۹٪ بود -که در میان افراد ۱۸-۲۹ ساله، ۱۵.۱٪ بود- برای کسانی که دو یا چند دوز واکسن دریافت کردند.

تعداد افرادی که به‌طور کامل واکسینه شده‌اند تا پایان بازه زمانی ۲۹ ماهه خود به ۵.۱ میلیارد نفر رسیده‌است.

مرکز کنترل بیماری‌ها روند رو به پایین را در موارد جدید، بستری شدن و مرگ‌ومیر در ایالات‌متحده از آگوست تا سپتامبر گزارش می‌داد.

این متن با استفاده از ربات ‌ترجمه مقالات پزشکی و سلامت ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.