Bloomberg-ის სამეცნიერო ჟურნალისტი ფაიე ფლემი დაწვრილებით ხსნის, რატომ შეიძლება იყოს არასწორი მხოლოდ შემთხვევათა რაოდენობაზე ფოკუსირება:

მნიშვნელობა არ აქვს იმ ფაქტს, რომ გასულ კვირას აშშ-მ კორონავირუსით ინფიცირების მაჩვენებლით ჩინეთს გადაუსწრო (30 მარტის მონაცემებით, აშშ-ში 158 571 შემთხვევაა დაფიქსირებული, ჩინეთში კი 81 470). ეს მონაცემები არ გვაჩვენებს, რომელ ქვეყანაში რამდენი ადამიანია რეალურად ინფიცირებული, არც იმაზე გვიქმნის წარმოდგენას, რამდენად სწრაფად ვრცელდება დაავადება, რადგან აშშ-ის შემთხვევაში მოსახლეობის მხოლოდ მცირე ნაწილია შემოწმებული.

"ეს ფაქტობრივად უსარგებლო მონაცემია", - ამბობს სტივ გუდმენი, სტენფორდის უნივერსიტეტის ეპიდემიოლოგიის პროფესორი. უამრავი ადამიანის შემთხვევაში კორონავირუსი იმდენად შეუმჩნევლად მიმდინარეობს, რომ ისინი, სავარაუდოდ, შემოწმების ობიექტები არ გახდებიან. დადასტურებული შემთხვევების ზრდა კი ფართო ტესტირებისა და ვირუსის გავრცელების კომბინაციის შედეგია.

იმისთვის, რომ ქვეყანაში კორონავირუსის გავრცელებაზე ნათელი წარმოდგენა შეგვექმნას და დავთვალოთ, რამდენი ადამიანი შეიძლება გახდეს ავად, გადაიტვირთება თუ არა საავადმყოფოები და ა.შ, საჭიროა უფრო "ჭკვიანური" სტატისტიკა და კოორდინირებული ანალიზი.

"1,5 მილიარდი ადამიანით დასახლებულ ჩინეთში 80 000 შემთხვევა ფაქტობრივად დაუჯერებელია", - ამბობს ნიგამ შაჰი, სტენფორდში ბიოსამედიცინო სტატისტიკის ასისტენტ-პროფესორი. ინდოეთში ფიქსირებული 754 შემთხვევაც ტესტების ნაკლებობას უნდა მივაწეროთ და არა იმას, რომ იქ დაავადება ჯერ კიდევ არაა მოდებული. კორონავირუსზე დადებითი პასუხი არც იმაზე გვიქმნის წარმოდგენას, რამდენი იქნება სიკვდილიანობა, რადგან დაავადება უმეტესად მსუბუქად მიმდინარეობს.

აბა რას უნდა დავაკვირდეთ?

ერთ-ერთი საინტერესო მონაცემი ამ კუთხით ჰოსპიტალიზაციების რაოდენობაა. ეს იდეა რამდენიმე სტატისტიკოსმა გამოთქვა. მაგალითად, ბერკლის უნივერსიტეტის ასისტენტ-პროფესორი ჯეიკონ სტეინჰარდი და სტენფორდის კურსდამთავრებული სტივ იადლოვსკი ფიქრობენ, რომ ჰოსპიტალიზაციების მომატება (ზოგადად, და არა მხოლოდ კორონავირუსის დიაგნოზით, მაგალითად, პნევმონიების რიცხვის მატება) უკეთ აჩვენებს დაავადების გავრცელებას და არაა დამოკიდებული ტესტირების მასშტაბზე.

რა თქმა უნდა, არც ეს სტატისტიკაა იდეალური: თუ საავადმყოფოები და რეანიმაციები გადაიტვირთება, შეიძლება ისეთი ხალხი გაისტუმრონ სახლში, ვისაც სხვა შემთხვევაში სამკურნალოდ დაიტოვებდნენ, თუმცა ჰოსპიტალიზაციის მონაცემების ანალიზი მომავალში საავადმყოფოების გადატვირთვისგან გვიცავს.

სტივ გუდმენი დარწმუნებულია, რომ მალე მეცნიერები დაიწყებენ ისეთი მონაცემების შეგროვებაც, რომლებიც პანდემიის ბუნების გაგებაში დაგვეხმარება.

"ამჟამად ბნელ ოთახში ვაცეცებთ ხელებს და დაზუსტებით ვერავინ იტყვის, რამდენია ინფიცირებული ადამიანების წილი".

ხშირად გვესმის, რომ კორონავირუსის სიკვდილიანობა 1%-ია (ხან ნაკლები, ხან მეტი), თუმცა სიკვდილიანობის წილს ვერ დავადგენთ, თუ რეალურად დაავადებული ადამიანების რიცხვი არ გვეცოდინება.

მნიშვნელოვანი ასევე "საველე შემოწმებების" შედეგი. როგორც ექიმები ამბობენ, დაავადების გავრცელების განსაზღვრისას მხოლოდ დადებითი პასუხების რაოდენობას კი არა, მთლიანად ჩატარებული ტესტების რაოდენობას უნდა დავეყრდნოთ. ასევე, უნდა დავაკვირდეთ, მოიმატებს თუ არა გარდაცვლილების რიცხვი საავადმყოფოებში, თუნდაც ამ ადამიანებს კორონავირუსი არ ჰქონდეთ დადგენილი. ამჟამად ამ მონაცემებს ცოტა ქვეყანა თუ ითვლის.

ეფექტური მეთოდია ასევე შემთხვევითი ტესტირება, რათა სიმპტომების გარეშე მიმდინარე კორონავირუსის შემთხვევები დავადგინოთ და ბოლოს - ანტისხეულებზე დამყარებული ტესტები, რათა გავარკვიოთ, რამდენმა ადამიანმა გადაიტანა კორონავირუსი წარსულში.

სწორ რიცხვებზე ფოკუსირებით მეცნიერებს შეუძლიათ განსაზღვრონ, რამდენად ანელებს კარანტინის ზომები დაავადების გავრცელებას და როდის შევძლებთ შეზღუდვების შემსუბუქებას. თითოეული ზომა, რომელსაც ვიღებთ, დაავადებულების რიცხვის ტენდენციაზე ერთ ან ორ კვირაში აისახება.