DOI: https://doi.org/10.1186/s12916-024-03333-y
PMID: https://pubmed.ncbi.nlm.nih.gov/38500147
تاريخ النشر: 2024-03-18
المؤلف: Megan Naidoo وآخرون
الموضوع الرئيسي: دراسات وبائية حول COVID-19
نظرة عامة
تؤكد ورقة البحث على الحاجة الملحة لدمج الضعف الاجتماعي في النماذج الرياضية المستخدمة لإدارة الأمراض المعدية، خاصة في ضوء التحديات التي تطرحها COVID-19، وتغير المناخ، والصراع. تم إجراء مراجعة شاملة وفقًا للأطر المعمول بها لتقييم كيفية دمج الضعف الاجتماعي في النماذج الحالية. حددت المراجعة 89 مقالًا ذا صلة من مجموعة أولية تضم 4,075، مما كشف أن ثلثيها استخدموا نماذج مقسمة بينما استخدم ربعها نماذج قائمة على الوكلاء. أشارت النتائج إلى الاعتماد السائد على مؤشرات ديموغرافية روتينية مثل العمر والجنس، مع نقص ملحوظ في الاعتبار للسلوكيات الثقافية والاجتماعية التي تؤثر بشكل كبير على نتائج الصحة.
تخلص الدراسة إلى أنه بينما بدأ بعض الباحثين في معالجة الضعف الاجتماعي، غالبًا ما يتم ذلك بطريقة مجزأة، متجاهلة نهجًا شاملًا. يحد هذا الإغفال من فعالية التدخلات والاستراتيجيات للسيطرة على الأمراض المعدية. يبرز المؤلفون ضرورة وجود شفافية أكبر في مصادر البيانات، وممارسات الإبلاغ المتسقة، والتعاون مع الخبراء المحليين، إلى جانب جهد مركز على نمذجة المؤشرات الثقافية. إن معالجة هذه التحديات أمر ضروري لتعزيز دقة وملاءمة النماذج الرياضية، مما يؤدي في النهاية إلى استجابات صحية عامة أكثر عدلاً وفعالية.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على الزيادة العالمية في الضعف تجاه الأمراض المعدية التي تفاقمت بسبب COVID-19، وتغير المناخ، والصراع، والتي يُشار إليها مجتمعة باسم “3 Cs”. على الرغم من التقدم في العلوم الطبية، تظل الأمراض المعدية تهديدًا كبيرًا، حيث تسببت في أكثر من 13 مليون وفاة في عام 2015 وتقديرات بـ 18 مليون خلال السنة الأولى من جائحة COVID-19. تؤكد الورقة على دور الضعف الاجتماعي (SV) في ديناميات الأمراض، مشيرة إلى أن الفئات المهمشة تواجه تحديات أكبر في التعامل مع الأزمات الصحية بسبب عدم المساواة النظامية. يناقش المؤلفون عوامل مختلفة تساهم في SV، بما في ذلك المحددات الاجتماعية للصحة (SDH)، والممارسات الثقافية، والموقع الجغرافي، وسلوكيات الحركة، التي تؤثر مجتمعة على نتائج الصحة وانتقال الأمراض.
كما تنتقد الورقة الحالة الحالية للنمذجة الرياضية في أبحاث الأمراض المعدية، خاصة نقص دمج مقاييس SV. تحدد الأساليب النمذجة الشائعة، مثل النماذج المقسمة ونماذج قائمة على الوكلاء (ABMs)، وتؤكد على أهمية دمج SV لتعزيز دقة وموثوقية التنبؤات. يجادل المؤلفون بأن تجاهل SV يمكن أن يؤدي إلى توقعات متحيزة وتدخلات صحية عامة غير فعالة. لمعالجة هذه الفجوة، تقدم الورقة مراجعة شاملة تهدف إلى تقييم كيفية دمج SV في النماذج الرياضية للأمراض المعدية، بهدف إبلاغ الأبحاث المستقبلية وتحسين استراتيجيات الاستعداد والاستجابة للأمراض.
الطرق
توضح قسم “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. تفصل معايير اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. يتم وصف منهجيات محددة، مثل التجارب المضبوطة أو الدراسات الملاحظة، لضمان إمكانية تكرار النتائج وموثوقيتها.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول الأدوات والتقنيات المستخدمة لجمع البيانات، مثل الاستبيانات، ومعدات المختبر، أو البرمجيات للتحليل الإحصائي. يتم أيضًا مناقشة الأسباب وراء الطرق المختارة، مع التأكيد على ملاءمتها لمعالجة الأسئلة البحثية المطروحة في الدراسة. بشكل عام، يخدم هذا القسم لتوفير إطار شامل لفهم كيفية إجراء البحث وصحة استنتاجاته.
النتائج
في هذه الدراسة، حددت مراجعة شاملة 4,075 مقالًا متعلقًا بنمذجة الأمراض المعدية، مع تضمين 89 منها في النهاية لاستخراج البيانات بعد فحص دقيق. تم نشر غالبية هذه الدراسات (n = 42، 47.2%) في السنوات الخمس الماضية، خاصة خلال جائحة COVID-19، التي شكلت 66.7% من 30 مقالًا تم نشرها في 2020-2021. كانت التوزيعات الجغرافية للدراسات بشكل رئيسي من دول ذات دخل مرتفع (HICs)، حيث كانت الولايات المتحدة وكندا الأكثر تمثيلًا. ومن الجدير بالذكر أن نسبة صغيرة فقط من الدراسات (5.6%) نشأت من دول ذات دخل منخفض ومتوسط (LMICs).
تباينت أساليب النمذجة، حيث استخدمت 65.2% من المقالات تنويعات من نموذج مقسم قابل للإصابة، والعدوى، والتعافي (SIR)، بينما تم استخدام نماذج قائمة على الوكلاء (ABMs) في 27.0% من الدراسات. كشفت التحليلات أن النماذج المقسمة تم تطبيقها بشكل متكرر في إعدادات LMIC، بينما كانت ABMs مرتبطة بشكل أساسي بمؤسسات HIC. تم دمج مؤشرات الضعف الاجتماعي (SV) في ما يقرب من نصف النماذج، مع كون العوامل الديموغرافية ومحددات الصحة الاجتماعية (SDH) هي الأكثر شيوعًا. تم الإشارة بشكل متكرر إلى القيود في إمكانية تعميم النتائج وتعقيد الأمراض، مما يبرز التحديات في نمذجة الأمراض المعدية بدقة ضمن مجموعات سكانية متنوعة.
المناقشة
تؤكد قسم المناقشة في الورقة على الحاجة الملحة لدمج الضعف الاجتماعي (SV) في النماذج الرياضية للأمراض المعدية، خاصة في ضوء جائحة COVID-19 وغيرها من الأزمات الصحية العالمية. تحدد الدراسة أنه بينما تُستخدم مؤشرات ديموغرافية مثل العمر والجنس بشكل شائع، إلا أنها لا توفر فهمًا شاملاً لـ SV. فقط مقال واحد تضمن مؤشرات السلوك الثقافي والاجتماعي، مما يبرز فجوة كبيرة في الأدبيات الحالية. يجادل المؤلفون بأن المنهجيات المستخدمة غالبًا ما تفتقر إلى نهج شامل، حيث تعتبر النماذج المقسمة الأكثر انتشارًا. عادةً ما تقوم هذه النماذج بتقسيم البيانات حسب مقاييس SV ولكن قد تبسط الديناميات الواقعية، بينما تقدم نماذج قائمة على الوكلاء (ABMs) تعقيدًا ومرونة أكبر ولكنها أقل استخدامًا بسبب قيود الموارد.
يدعو المؤلفون إلى مزيد من الشفافية في الإبلاغ عن مصادر البيانات وقيود النماذج، بالإضافة إلى تضمين الخبرة المحلية في البحث، خاصة من دول ذات دخل منخفض ومتوسط (LMICs). يلاحظون أن العديد من الدراسات تُجرى من قبل مؤسسات في دول ذات دخل مرتفع، مما قد يؤدي إلى نقص في البيانات ذات الصلة بالسياق. تختتم الورقة بالقول إنه على الرغم من التقدم في الاعتراف بأهمية SV في نمذجة الأمراض، يجب أن تعطي الأبحاث المستقبلية الأولوية لنهج أكثر شمولية يأخذ في الاعتبار مجموعة أوسع من المؤشرات، بما في ذلك العوامل الثقافية، لتعزيز دقة وفعالية التدخلات الصحية العامة.
DOI: https://doi.org/10.1186/s12916-024-03333-y
PMID: https://pubmed.ncbi.nlm.nih.gov/38500147
Publication Date: 2024-03-18
Author(s): Megan Naidoo et al.
Primary Topic: COVID-19 epidemiological studies
Overview
The research paper emphasizes the critical need to incorporate social vulnerability into mathematical models used for infectious disease management, particularly in light of challenges posed by COVID-19, climate change, and conflict. A scoping review was conducted following established frameworks to assess how social vulnerability has been integrated into existing models. The review identified 89 relevant articles from an initial pool of 4,075, revealing that two-thirds employed compartmental models while a quarter utilized agent-based models. The findings indicated a predominant reliance on routine demographic indicators such as age and sex, with a notable lack of consideration for cultural and social behaviors that significantly influence health outcomes.
The study concludes that while some researchers have begun to address social vulnerability, it is often done in a fragmented manner, neglecting a holistic approach. This oversight limits the effectiveness of interventions and strategies for infectious disease control. The authors highlight the necessity for greater transparency in data sources, consistent reporting practices, and collaboration with local experts, alongside a focused effort on modeling cultural indicators. Addressing these challenges is essential for enhancing the accuracy and relevance of mathematical models, ultimately leading to more equitable and effective public health responses.
Introduction
The introduction of this research paper highlights the increasing global vulnerability to infectious diseases exacerbated by COVID-19, climate change, and conflict, collectively referred to as the “3 Cs.” Despite advancements in medical science, infectious diseases remain a significant threat, accounting for over 13 million deaths in 2015 and an estimated 18 million during the first year of the COVID-19 pandemic. The paper emphasizes the role of social vulnerability (SV) in disease dynamics, noting that marginalized populations face greater challenges in coping with health crises due to systemic inequalities. The authors discuss various factors contributing to SV, including social determinants of health (SDH), cultural practices, geographic location, and movement behaviors, which collectively influence health outcomes and disease transmission.
The paper also critiques the current state of mathematical modeling in infectious disease research, particularly the lack of integration of SV measures. It identifies common modeling approaches, such as compartmental models and agent-based models (ABMs), and underscores the importance of incorporating SV to enhance the accuracy and reliability of predictions. The authors argue that neglecting SV can lead to biased forecasts and ineffective public health interventions. To address this gap, the paper presents a scoping review aimed at evaluating how SV has been integrated into mathematical models for infectious diseases, with the goal of informing future research and improving disease preparedness and response strategies.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. It details the selection criteria for participants, the design of the experiments, and the statistical techniques used for data analysis. Specific methodologies, such as controlled trials or observational studies, are described to ensure reproducibility and reliability of the findings.
Additionally, the section may include information on the tools and technologies utilized for data collection, such as surveys, laboratory equipment, or software for statistical analysis. The rationale behind the chosen methods is also discussed, emphasizing their appropriateness for addressing the research questions posed in the study. Overall, this section serves to provide a comprehensive framework for understanding how the research was conducted and the validity of its conclusions.
Results
In this study, a comprehensive review identified 4,075 articles related to infectious disease modeling, with 89 ultimately included for data extraction after rigorous screening. The majority of these studies (n = 42, 47.2%) were published in the last five years, particularly during the COVID-19 pandemic, which accounted for 66.7% of the 30 articles published in 2020-2021. The geographic distribution of the studies was predominantly from high-income countries (HICs), with the United States and Canada being the most represented. Notably, only a small fraction of studies (5.6%) originated solely from low- and middle-income countries (LMICs).
The modeling approaches varied, with 65.2% of articles employing variations of the Susceptible, Infectious, Recovered (SIR) compartmental model, while agent-based models (ABMs) were utilized in 27.0% of the studies. The analysis revealed that compartmental models were more frequently applied to LMIC settings, whereas ABMs were predominantly associated with HIC institutions. Social vulnerability (SV) indicators were incorporated in nearly half of the models, with demographic factors and social determinants of health (SDH) measures being the most common. Limitations in generalizability and disease complexity were frequently noted, highlighting the challenges in accurately modeling infectious diseases within diverse populations.
Discussion
The discussion section of the paper emphasizes the critical need to incorporate social vulnerability (SV) into mathematical models of infectious diseases, particularly in light of the COVID-19 pandemic and other global health crises. The study identifies that while demographic indicators such as age and sex are commonly used, they do not provide a comprehensive understanding of SV. Only one article included cultural and social behavior indicators, highlighting a significant gap in the existing literature. The authors argue that the methodologies employed often lack a holistic approach, with compartmental models being the most prevalent. These models typically stratify by SV measures but may oversimplify real-world dynamics, while agent-based models (ABMs) offer greater complexity and flexibility but are less frequently utilized due to resource constraints.
The authors call for greater transparency in reporting data sources and model limitations, as well as the inclusion of local expertise in research, especially from low- and middle-income countries (LMICs). They note that many studies are conducted by institutions in high-income countries, which may lead to a lack of contextually relevant data. The paper concludes that while there has been progress in recognizing the importance of SV in disease modeling, future research must prioritize a more inclusive approach that considers a wider range of indicators, including cultural factors, to enhance the accuracy and effectiveness of public health interventions.