DOI: https://doi.org/10.1016/j.ssmph.2025.101775
PMID: https://pubmed.ncbi.nlm.nih.gov/40177027
تاريخ النشر: 2025-03-12
المؤلف: Diane Auderset وآخرون
الموضوع الرئيسي: دراسات وبائية حول COVID-19
نظرة عامة
أبرزت جائحة COVID-19 الفجوات الكبيرة في تأثير الأمراض المعدية بناءً على الجنس، حيث تلعب العوامل البيولوجية والمعايير الاجتماعية أدوارًا حاسمة في التأثير على نتائج الصحة وديناميات الانتقال. يظهر الرجال مخاطر شدة مرتفعة بسبب الاختلافات البيولوجية، بينما تواجه النساء معدلات عدوى متزايدة مرتبطة بالأدوار الجندرية التي تؤثر على التعرض، والامتثال للتدابير الوقائية، والوصول إلى الرعاية الصحية. على الرغم من هذه الفجوات، غالبًا ما تتجاهل نماذج الأمراض المعدية التقليدية الجنس، مما يؤدي إلى فجوات في الفهم واستراتيجيات الصحة العامة.
يقترح هذا البحث إطارًا مفاهيميًا يستخدم نموذج القابلية-المعرضة-المعدية-المتعافية/المتوفاة (SEIR/D) لتوضيح كيفية تأثير الجنس على القابلية، والتعرض، والانتقال، والتعافي، والوفيات. من خلال مراجعة سردية للدراسات ذات الصلة، يحدد الإطار الآليات الاجتماعية والبيولوجية الرئيسية، مثل التعرض المهني المرتبط بالجنس والاختلافات في سلوك البحث عن الرعاية الصحية، إلى جانب الاختلافات المستندة إلى الجنس في الاستجابة المناعية وشدة المرض. كما يتناول التحيزات المحتملة في البيانات الوبائية، بما في ذلك الفجوات في الاختبار والاستشفاء، والتي قد تؤثر على نتائج النماذج. من خلال الدعوة إلى التعاون بين التخصصات بين النماذج، وعلماء الاجتماع، والأطباء، يؤكد البحث على أهمية دمج الجنس في نماذج الأمراض المعدية لتعزيز دقة التنبؤ، وإبلاغ استراتيجيات التدخل، وتعزيز العدالة الصحية في استجابات الجائحة.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم لنمذجة الرياضيات في فهم ديناميات انتقال الأمراض المعدية، خاصة خلال جائحة COVID-19. تشمل هذه النماذج، التي تتضمن أطرًا تقسيمية مثل نموذج SEIR/D، تصنيف السكان إلى حالات منفصلة – القابلون (S)، المعرضون (E)، المعديون (I)، المتعافون (R)، والمتوفون (D) – وتحاكي الانتقالات بين هذه الحالات بناءً على معايير مثل معدلات الاتصال واحتمالات الانتقال. كانت النماذج أداة أساسية في التنبؤ بالانتشار، وتوجيه التدخلات الصحية العامة، وتحسين تخصيص الموارد من خلال توضيح التأثيرات المحتملة للتدخلات غير الصيدلانية (NPIs) مثل التباعد الجسدي والإغلاقات (Ferguson et al., 2020; Kong et al., 2022).
تسلط الورقة الضوء على كيفية أن هذه النماذج لم تُعلم فقط التوقعات المبكرة التي شكلت قرارات السياسة في المملكة المتحدة والولايات المتحدة، ولكنها أيضًا تكيفت لتشمل العوامل الاجتماعية والسلوكية التي تؤثر على انتشار المرض. في غياب اللقاحات خلال المراحل المبكرة من الجائحة، أصبحت NPIs الاستراتيجية الرئيسية للسيطرة على المرض، حيث مكنت النماذج من محاكاة تأثيراتها من خلال تعديل المعايير المتعلقة بمعدلات الاتصال (Leung, 2021). علاوة على ذلك، تم استخدام النماذج لإبلاغ استراتيجيات توزيع اللقاح، مع التأكيد على أولوية العمر لتقليل الوفيات (Wagner et al., 2022). على الرغم من فائدتها، غالبًا ما تكون دقة هذه النماذج محدودة بسبب الافتراضات المتعلقة بتنوع السكان، مما يبرز الحاجة إلى تحسين مستمر في أساليب النمذجة.
الطرق
يستعرض قسم “الطرق” في الورقة البحثية التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات المجمعة من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج المعنية.
شمل جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج إحصائية، وتطبيق تقنيات مثل تحليل الانحدار وANOVA لتفسير النتائج. يؤكد القسم على أهمية إمكانية التكرار والشفافية في الطرق المستخدمة، موضحًا حجم العينة، ومعايير الاختيار، وأي تحيزات محتملة تم تناولها خلال الدراسة. بشكل عام، كانت الطرق المستخدمة مصممة لاختبار الفرضيات بدقة والمساهمة في قوة النتائج.
النتائج
يقدم قسم النتائج إطارًا مفاهيميًا يوضح تأثير الجنس على ديناميات نماذج SEIR/D (القابلون، المعرضون، المعديون، المتعافون/المتوفون). يدمج الإطار معايير محددة للجنس في النموذج الوبائي التقليدي، مما يبرز كيف يمكن أن تُعزى الاختلافات في القابلية، والتعرض، ومعدلات التعافي إلى عوامل بيولوجية وسوسيوثقافية.
تشير النتائج الرئيسية إلى أن دمج الاختلافات بين الجنسين يؤدي إلى توقعات أكثر دقة لانتشار المرض والنتائج. يُظهر النموذج أن التدخلات المحددة للجنس يمكن أن تغير بشكل كبير مسار الوباء، مما يشير إلى أنه يجب تخصيص استراتيجيات الصحة العامة لتأخذ في الاعتبار هذه الاختلافات لتعزيز الفعالية. بشكل عام، تؤكد الدراسة على أهمية نهج دقيق في النمذجة الوبائية لفهم وتخفيف تأثيرات الأمراض المعدية عبر مجموعات سكانية مختلفة.
المناقشة
تؤكد قسم المناقشة في الورقة البحثية على الحاجة الملحة لدمج الجنس في نماذج وبائيات COVID-19، مع تسليط الضوء على الفجوات الكبيرة في الانتقال، وشدة المرض، ونتائج الوفيات بين الرجال والنساء. تشير الأدلة إلى أن الرجال غالبًا ما يتم اختبارهم بشكل أقل تكرارًا، ومع ذلك يظهرون معدلات إيجابية أعلى، ومعدلات استشفاء، ونسب وفيات مقارنة بالنساء. تُعزى هذه الاختلافات إلى تفاعل معقد من العوامل البيولوجية، مثل الاختلافات في الاستجابة الهرمونية والمناعية، والعوامل الاجتماعية المتعلقة بأدوار وسلوكيات الجنس. تقترح الورقة إطارًا مفاهيميًا لتوضيح كيفية تأثير الجنس على ديناميات انتقال COVID-19 ضمن نموذج SEIR/D، بهدف تعزيز دقة نماذج الأمراض المعدية من خلال دمج هذه العوامل.
تحدد مراجعة الأدبيات التي أجريت لهذه الدراسة الآليات الرئيسية التي تؤثر من خلالها الجنس على نتائج COVID-19، بما في ذلك القابلية للإصابة، ومخاطر التعرض، والامتثال للتدخلات غير الصيدلانية (NPIs)، والعدوى. تشير النتائج إلى أن الاختلافات البيولوجية، مثل الاختلافات في الاستجابة المناعية والتأثيرات الهرمونية، تساهم في تفاوت القابلية ومعدلات التعافي. تشكل الأدوار الاجتماعية المرتبطة بالجنس مخاطر التعرض بشكل كبير، حيث تكون النساء غالبًا في أدوار رعاية تزيد من تواصلهم مع الفيروس، بينما يكون الرجال أكثر عرضة للمشاركة في بيئات عمل عالية المخاطر. بالإضافة إلى ذلك، يختلف الامتثال لـ NPIs حسب الجنس، حيث تُظهر النساء عمومًا امتثالًا أعلى. تسلط المراجعة أيضًا الضوء على الحاجة إلى تحسين جمع البيانات والتحليل الذي يأخذ في الاعتبار الجنس لتوفير معلومات أفضل لاستجابات الصحة العامة والتدخلات.
القيود
تنشأ قيود نمذجة الأمراض المعدية التقليدية بشكل أساسي من اعتمادها على افتراضات تجانس السكان، والتي تتجاهل التباينات الحرجة في ديناميات الانتقال، والقابلية، والشدة عبر مجموعات سكانية مختلفة. تؤثر عوامل مثل العمر، والجنس/النوع، والحالة الاجتماعية والاقتصادية بشكل كبير على معدلات الاتصال ومخاطر التعرض، مما يشير إلى أن دمج هذه المتغيرات أمر ضروري لتعزيز دقة التنبؤ وإبلاغ التدخلات الصحية العامة الفعالة (Gomes et al., 2024; Prem et al., 2017).
أظهرت الأبحاث أن النماذج التي تأخذ في الاعتبار هذه التباينات، وخاصة الاختلافات المرتبطة بالعمر في أنماط الاتصال والامتثال للسلوكيات الوقائية، تنتج توقعات أكثر موثوقية لانتشار المرض (Bavel et al., 2020; Prem et al., 2017). علاوة على ذلك، هناك توافق متزايد بين العلماء على دمج الأبعاد الاجتماعية والهيكلية في نماذج الأمراض المعدية، حيث تلعب المعايير الثقافية وأنماط السلوك دورًا حاسمًا في تشكيل ديناميات الانتقال (Bedson et al., 2021; Buckee et al., 2021; Manna et al., 2024). على سبيل المثال، أظهرت دراسة أن البلدان ذات القيم الثقافية الفردية، التي تعطي الأولوية للاستقلال الشخصي على المسؤولية الجماعية، أظهرت انخفاضًا في الامتثال للتدابير الوقائية، مما يتوافق مع زيادة في معدلات الإصابة والوفيات بسبب COVID-19 (Naidoo et al., 2024).
DOI: https://doi.org/10.1016/j.ssmph.2025.101775
PMID: https://pubmed.ncbi.nlm.nih.gov/40177027
Publication Date: 2025-03-12
Author(s): Diane Auderset et al.
Primary Topic: COVID-19 epidemiological studies
Overview
The COVID-19 pandemic highlighted significant disparities in the impact of infectious diseases based on gender and sex, with biological factors and social norms playing crucial roles in influencing health outcomes and transmission dynamics. Men exhibit heightened severity risks due to biological differences, while women face increased infection rates linked to gendered roles affecting exposure, adherence to preventive measures, and healthcare access. Despite these disparities, traditional infectious disease models often neglect gender and sex, resulting in gaps in understanding and public health strategies.
This paper proposes a conceptual framework utilizing the Susceptible-Exposed-Infectious-Recovered/Deceased (SEIR/D) model to elucidate how gender and sex affect susceptibility, exposure, transmission, recovery, and mortality. Through a narrative review of relevant studies, the framework identifies key social and biological mechanisms, such as gendered occupational exposure and differences in healthcare-seeking behavior, alongside sex-based variations in immune response and disease severity. It also addresses potential biases in epidemiological data, including disparities in testing and hospitalization, which may skew model outputs. By advocating for interdisciplinary collaboration among modellers, social scientists, and clinicians, the paper emphasizes the importance of integrating gender and sex into infectious disease models to enhance predictive accuracy, inform intervention strategies, and promote health equity in pandemic responses.
Introduction
The introduction of this research paper emphasizes the critical role of mathematical modeling in understanding the transmission dynamics of infectious diseases, particularly during the COVID-19 pandemic. These models, which include compartmental frameworks such as the SEIR/D model, categorize the population into discrete states—Susceptible (S), Exposed (E), Infectious (I), Recovered (R), and Deceased (D)—and simulate transitions between these states based on parameters like contact rates and transmission probabilities. The models have been instrumental in forecasting outbreaks, guiding public health interventions, and optimizing resource allocation by illustrating the potential impacts of non-pharmaceutical interventions (NPIs) such as physical distancing and lockdowns (Ferguson et al., 2020; Kong et al., 2022).
The paper highlights how these models not only informed early projections that shaped policy decisions in the UK and USA but also adapted to incorporate social and behavioral factors influencing disease spread. In the absence of vaccines during the early stages of the pandemic, NPIs became the primary strategy for disease control, with models enabling simulations of their effects by adjusting parameters related to contact rates (Leung, 2021). Furthermore, the models have been used to inform vaccine distribution strategies, emphasizing age-based prioritization to mitigate mortality (Wagner et al., 2022). Despite their utility, the accuracy of these models is often limited by assumptions regarding population heterogeneity, underscoring the need for continual refinement in modeling approaches.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using statistical software, applying techniques such as regression analysis and ANOVA to interpret the results. The section emphasizes the importance of replicability and transparency in the methods used, detailing the sample size, selection criteria, and any potential biases that were addressed during the study. Overall, the methods employed were designed to rigorously test the hypotheses and contribute to the robustness of the findings.
Results
The results section presents a conceptual framework that elucidates the influence of gender and sex on the dynamics of SEIR/D (Susceptible, Exposed, Infectious, Recovered/Deceased) models. The framework integrates gender-specific parameters into the traditional epidemiological model, highlighting how variations in susceptibility, exposure, and recovery rates can be attributed to biological and sociocultural factors.
Key findings indicate that incorporating gender and sex differences leads to more accurate predictions of disease spread and outcomes. The model demonstrates that gender-specific interventions can significantly alter the trajectory of an epidemic, suggesting that public health strategies should be tailored to account for these differences to enhance effectiveness. Overall, the study underscores the importance of a nuanced approach in epidemiological modeling to better understand and mitigate the impacts of infectious diseases across different populations.
Discussion
The discussion section of the research paper emphasizes the critical need to incorporate gender and sex into models of COVID-19 epidemiology, highlighting significant disparities in transmission, disease severity, and mortality outcomes between men and women. Evidence indicates that men are often tested less frequently, yet they exhibit higher positivity rates, hospitalization rates, and case-fatality ratios compared to women. These differences are attributed to a complex interplay of biological factors, such as hormonal and immune response variations, and social determinants related to gender roles and behaviors. The paper proposes a conceptual framework to elucidate how gender and sex influence COVID-19 transmission dynamics within the SEIR/D model, aiming to enhance the accuracy of infectious disease models by integrating these factors.
The literature review conducted for this study identifies key mechanisms through which gender and sex impact COVID-19 outcomes, including susceptibility to infection, exposure risks, adherence to non-pharmaceutical interventions (NPIs), and contagiousness. Findings suggest that biological differences, such as immune response variations and hormonal influences, contribute to differential susceptibility and recovery rates. Gendered social roles significantly shape exposure risks, with women often in caregiving roles that increase their contact with the virus, while men are more likely to engage in high-risk occupational settings. Additionally, adherence to NPIs varies by gender, with women generally demonstrating higher compliance. The review also highlights the need for improved data collection and analysis that considers gender and sex to better inform public health responses and interventions.
Limitations
The limitations of traditional infectious disease modeling primarily stem from their reliance on assumptions of population homogeneity, which overlook critical heterogeneities in transmission dynamics, susceptibility, and severity across different demographic groups. Factors such as age, gender/sex, and socioeconomic status significantly influence contact rates and exposure risks, suggesting that incorporating these variables is essential for enhancing prediction accuracy and informing effective public health interventions (Gomes et al., 2024; Prem et al., 2017).
Research has shown that models that account for these heterogeneities, particularly age-related differences in contact patterns and compliance with protective behaviors, yield more reliable forecasts of disease spread (Bavel et al., 2020; Prem et al., 2017). Furthermore, there is a growing consensus among scholars to integrate social and structural dimensions into infectious disease models, as cultural norms and behavioral patterns play a crucial role in shaping transmission dynamics (Bedson et al., 2021; Buckee et al., 2021; Manna et al., 2024). For instance, a study highlighted that countries with individualistic cultural values, which prioritize personal autonomy over collective responsibility, exhibited lower adherence to protective measures, correlating with increased COVID-19 incidence and mortality rates (Naidoo et al., 2024).