کرونا و آمار مغشوش

در این وانفسایی که ویروس کرونا به راه انداخته و همه را درگیر کرده است، آمار و ارقامی که از در و دیوارِ سایتهای خبری و شبکه های اجتماعی بر سرمان می ریزد، نه تنها مشکلی را حل نمی کند که به وخامت اوضاع هم می افزاید.

رقمی که بسیاری به دنبال یافتنش هستند، نرخ تلفات بر اثر کرونا است. می خواهند بدانند در صورت بیماری احتمال مرگ در چه حد است. برای کرونا این نرخ را از %2 تا %10 نقل کرده اند. ولی بدون داشتن تعریفی از نرخ تلفات نمی توان در مورد این ارقام داوری کرد.

سایت «Our World in Data» مقاله ای خوب دارد در مورد آماری که داده می شود. در زیر برداشتی آزاد از این مقاله را می آورم.

آمار تلفات یک بیماری را می توان توسط متغیرهای مختلفی تعریف کرد:

متغیر نخست: نرخ تلفات بیماری یا case fatality rate است. این نرخ نسبت افرادی است که در اثر بیماری مرده اند به تعداد افرادی که بیماری در آنها شناسایی شده است.

دوم: نرخ تلفات مبتلایان یا infection fatality rate است که نسبت افرادی است که بر اثر بیماری مرده اند به افرادی که آن بیماری را دارند.

سوم: نرخ خام تلفات یا crude fatality rate است که نسبت افرادی است که بر اثر بیماری مرده اند به کل جمعیت.

نرخ سوم کمتر استفاده می شود ولی معیاری است برای خطرناک بودن یک بیماری. گاهی یک بیماری بخش بزرگی از جمعیت یک کشور را از میان می برد. مثل طاعون و وبا در روزگار گذشته و ایدز در برخی کشورهای آفریقایی.

آنچه در اخبار بیشتر ذکر می شود، نرخ تلفات بیماری است که همان نرخ اول است. ولی این نرخ به هیچ وجه احتمال مرگ بر اثر بیماری را نمی دهد. نرخ دوم چنین احتمالی را بدست می دهد. ولی مشکل اینجا است که تعداد افرادی که شناسایی شده اند، بخصوص در مورد این بیماری که گاهی اثراتش خفیف است،بسیار کمتر از تعداد افراد شناسایی شده است. با این حساب، ارقامی که برای درصد تلفات ذکر می شود تخمین رو به بالایی است از احتمال مرگ بر اثر بیماری.

مسئلۀ دیگر به آمار تلفات مربوط است. آماری که هر روز داده می شود، تلفات تا آن زمان است. در شناسایی اینکه فردی بر اثر این بیماری مرده باشد خطا وجود دارد. بعلاوه، برخی از بیماران در اینده خواهند مرد. این دو حامل سبب می شود که ارقام تلفات بخمین رو به پایین احتمال مرگ بر اثر بیماری باشد.

در نهایت، حتی اگر آمار کلیۀ بیماران و تلفات را هم داشته باشیم، باز هم ارائۀ یک رقم برای دادن تصویر درست کافی نیست. مرک در اثر بیماری بسیار به نحوۀ مراقبتهای پزشکی و ویژگیهای جمعیت بستگی دارد. مثلاً کرونا در ایالت واشنگتن از یک خانۀ سالمندان شروع شد که به دلیل ویژگیهای افراد، بعداد تلفات بالایی داد. در بسیاری از مناطق با گذشت زمان نحوۀ برخورد با بیماری ممکن است با شناخت بهتر ما از بیماری و نیز با رفع شدن شوک اولیه و اختصاص منابع بیشتر به مراتب بهتر شود که به کاهش تلفات می انجامد. (این بخش که بخش خوشبینانه و امیدوارانۀ وقایع است کمتر در اخبار به چشم می خورد، ولی من روی آن خیلی حساب می کنم. دوستی می گفت در مشهد به جای فرستادن بهبود یافتگان از بیمارستان به خانه، آنها را برای مدتی در هتلهایی که به صورت نقاهتگاه درآورده اند نگاه می دارند تا خطر انتقال را کم کنند. این همان یادگیری است که هر چه زودتر اتفاق بیافتد بهتر است.). یا بر عکس، ممکن است بر اثر فشار بر سیستم بهداشتی قدرت مراقبت از بیمار کمتر شود که به افزایش مرگ بیانجامد. (که وجه بدبینانۀ داستان است و امیدوارم غلبه نکند).

این البته شامل همۀ دستکاری دولتها در آمار نمی شود که به وفور انجام می شود.

نتیجه: تنها چیزی که می می توانم بگویم این است که احتمال مرگ بر اثر بیماری کمتر از آنی است که ذکر می شود ولی احتمال درگیر شدن بیشتر از آنی است که از آمار مبتلایان بدست می آید. در نتیجه مطمئن ترین کار این است که تا برطرف شدن نسبی مشکل (حداقل تا وقتی که مطئمن باشیم در صورت بیماری در بیمارستان جایی برایمان هست) هر کاری که می توان کرد بکنیم تا بیمار نشویم.

و مهمتر از آن، تا وقتی که آمار و اطلاعات درستی از گسترش بیماری و میزان تلفات توسط مراکزی که این آمار را می توانند بدست بیاورند، داده نشده است، از اعتماد به آمار و تخمینها و پیش بینی ها پرهیز کنیم، حتی اگر نقل قول باشد از مقالات دانشگاهی. دلیل اصلی این است که مطالعات دانشگاهی تعداد زیادی فرض به همراه دارند که از چشم خوانندگان غیر متخصص پنهان می مانند و تغییر در هر کدام از آن فروش ممکن است نتیجه را بکلی عوض کند.