Bir salgın başladığında herkes aynı soruları sorar: Okullar kapanacak mı? Hastaneler dolacak mı? Aşı yeterince koruyacak mı? Bu soruların cevabı tahminle verilmez. Cevapların arkasında matematik, veri ve hesaplama gücü vardır. İşte bulaşıcı hastalık modellemesi tam da bu yüzden yapılır.
Modelleme neyi amaçlar?
Bulaşıcı hastalık modellemesi yalnızca akademik bir egzersiz değildir; gerçek dünyada sonuçları olan bir araçtır. Modeller, sağlık otoritelerinin, hastanelerin ve karar vericilerin pratik—ve çoğu zaman hayati—sorularına cevap üretmek için kullanılır.
COVID-19 ile somutlaşan gerçek sorular
Yakın tarihli COVID-19 pandemisi, hesaplamalı epidemiyolojinin cevaplamakla yükümlü olduğu sorular açısından neredeyse tükenmez bir örnek havuzu sundu. Aşağıdaki sorular temsilî örneklerdir; ancak alanın genişliğini göstermeye yeter:
- Temmuz 2021 itibarıyla Amerikalıların yaklaşık %60’ı aşılanmıştı. Ebeveynler çocuklarının Eylül ayında tam zamanlı yüz yüze eğitime dönebileceğini beklemeli miydi?
- SARS-CoV-2’nin çeşitli varyantları vardır. “Endişe verici varyantlar” (VOCs) semptomatik hastalığa daha yüksek eğilim gösterebilir. Eğer bir aşı belirli bir varyanta karşı belli bir oranda daha az etkiliyse ve o varyantın belirli bir seroprevalansı varsa, etkin şekilde korunmuş bireylerin toplam oranı nedir?
- Virginia’da 2007 aktif yoğun bakım yatağı bulunmaktadır. Yaklaşık %70 doluluk oranı varken, sağlık sistemi kapasitesinin aşılmaması için birim zaman başına en fazla kaç yeni vaka ortaya çıkabilir?
Neden bu kadar ciddi?
Bulaşıcı hastalık modellemesi heyecan verici ve zorlayıcı olabilir. Ancak aynı zamanda bir hayat-memat meselesidir. Bu nedenle modelleme yaparken doğru yöntemleri kullanmak hayati önem taşır.
John Snow: nicel düşüncenin erken örneği
Kullandığımız araçların çoğu modern olsa da, sağlık ve hastalığı matematiksel yöntemlerle modelleme fikri yeni değildir. John Snow (1813–1858) bu yaklaşımı pratikte kullanan erken isimlerdendir. 1854 yılında Londra’daki kolera salgını sırasında vakaları ikamet adreslerine göre haritaladı ve enfeksiyonun odak noktasının Broad Street’teki su pompası olduğunu çıkarsadı.
Bugün kernel yoğunluk tahminleri kullanarak maksimum olasılık lokusunu öngörebilirdik; ancak epidemiyolojinin erken dönemlerinde tahmin yürütme, bilimsel akıl yürütmeyle birlikte ilerliyordu.
1854 Londra kolera salgını, hastalığın nicel yöntemlerle araştırılması ve nedenlerinin belirlenmesi yaklaşımının erken bir örneğidir.
— Epidemiyolojide nicel yaklaşımın tarihsel bir dönüm noktasıBulaşıcı hastalık sürecinin dört bileşeni
Bulaşıcı hastalık modellemesi yalnızca “neden-sonuç” ilişkilerini incelemekten ibaret değildir. Modelleyiciler, bulaşıcı hastalık sürecinin dört temel unsuruna odaklanır:
- Patojen (etken)
- Etkilenen insanlar ve/veya hayvanlar (popülasyon)
- Zaman içinde enfeksiyon süreci
- Mekân içinde enfeksiyon süreci
Bu dört unsur pratikte nadiren tamamen ayrılır. Modelleme; farklı patojenlerin nicel modellerini, patojenler arası farklılıkların salgın seyrini izleme ve yöntem seçimini nasıl etkilediğini, zamanın enfeksiyon sürecindeki merkezi rolünü ve mekânsal yayılımı ele alır. Tüm bunlar, insan ve insan-dışı hayvan popülasyonları içinde gerçekleşir.
Halk sağlığında modellemenin yeri
Bu alanlarda ilerlerken halk sağlığının ana yetkinlikleri boyunca da bir yolculuk yaparız: hastalık araştırması, hastalık kontrolü ve hastalık önleme. Hesaplamalı bulaşıcı hastalık modellemesi, bu süreçlerde pek çok disiplinle etkileşime girer.
COVID-19 pandemisi, belirsizlik altında dinamik bir süreci analiz etmede nicel modellemenin sağladığı muazzam değeri görünür kıldı. Nicel modelleme akademik ilgi alanından çıkıp halk sağlığı tartışmalarının ana akımına yerleşti. Bu yaklaşımın, yeni patojen tehditlerine yanıt verirken uzun süre daha önemli bir “yön” oluşturacağı öngörülüyor: bulaşıcı hastalık hekimliği, mikrobiyoloji ve halk sağlığı politikasıyla birlikte.
Pandora’nın kutusu, tehlike ve umut
Hesiod’un Pandora’nın Kutusu anlatımı, tehlikelerle dolu bir dünyada yaşadığımızı hatırlatır. Bulaşıcı hastalıklar özellikle gelişmekte olan ülkelerde milyonlarca insanı sakat bırakmaya ve öldürmeye devam eder. Yine de umut vardır. Bu umudun bir parçası, insanların matematik, genomik, veri bilimi, istatistik ve hesaplamalı bilimi bir araya getirerek bu probleme uygulayabilmesidir.
Bulaşıcı hastalık modellemesi, bu daha geniş umut hikâyesinin bir parçasıdır.
Kimler bu alanda çalışabilir?
Bulaşıcı hastalık modelleyicileri farklı geçmişlerden gelebilir: tıp, bilgisayar bilimi, matematik, geleneksel epidemiyoloji eğitimi veya başka disiplinler. Ama amaç, kişinin geçmişi ne olursa olsun, nicel ve hesaplamalı bulaşıcı hastalık modellemesinin prensipleri konusunda sağlam bir temel edinmesidir.
Son söz
Bulaşıcı hastalık modellemesi, yalnızca sayılarla uğraşmak değildir. Bu alan; matematiği, veriyi ve hesaplamayı bir araya getirerek, halk sağlığı açısından kritik sorulara yanıt üretmeye çalışır. Bu yüzden hem bilimsel hem de insani bir sorumluluktur.