مدیریت کرونا از طریق کلان داده

ضریب بالای مرگ و میر براثر ویروس کرونا باعث شد دولت ها اقدامات گوناگونی برای کنترل و مقابله با آن انجام دهند. در این بین، شماری از کشورها در سیاستگذاری سلامت با هدف کاهش پیامدهای شیوع ویروس موفق تر بودند. یکی از عوامل موفقیت این کشورها بهره گیری از کلان داده موجود در نظام اطلاعاتی حکمرانیشان برای دسته بندی شهروندان و عرضه هوشمند خدمات بود. بررسی تجربه کشورهای کره جنوبی، چین و سنگاپور و عملکرد این کشورها نشان می دهد بهره گیری از کلان داده و طراحی سیستم های نظارتی بر مبنای آن یکی از عوامل اصلی کنترل اثربخش و کارآمد پاندمی کرونا در این کشورها بوده است.

ضرورت و اهداف پژوهش

پاندمی کرونا به ایجاد آسیب های گسترده ای در سیستم های بهداشتی و اقتصادی و اجتماعی در سراسر جهان منجر شده است. کنترل این اپیدمی به درک ویژگی ها و رفتار آن نیاز دارد که با روش های گوناگونی ازجمله جمع آوری و تحلیل کلان داده مربوط، می توان به این هدف دست یافت . ابزارهای تحلیل کلان داده در ایجاد شناخت لازم برای تصمیم گیری ها و اقدام های احتیاطی دستگاه سیاستگذاری، نقشی اساسی ایفا می کنند. اهمیت این گونه ابزارها، به ویژه در موج اول پاندمی کرونا، یعنی از ۱۵ مارس ۲۰۲۰ تا ۳۰ ژوئن ۲۰۲۰، بسیار حیاتی بود. در آن دوره، هنوز واکسن کرونا ساخته نشده بود و میزان اثربخشی قرنطینه های گسترده هم محل تردید بود. در این وضعیت، اقدامات مبتنی بر کلان داده که مبتنی بر سرمایه گذاری های پشینی کشورهایی مانند کره جنوبی و چین و سنگاپور بود، دستگاه سیاست گذاری سلامت آن ها را برای خروج از ابهام یاری رساند و تا زمان ساخت واکسن، از جان شهروندان محافظت کرد. هدف گزارش حاضر بررسی تجربه سه کشور حوزه آسیای جنوب شرقی در مقابله با پاندمی کروناست که از ظرفیت کلان داده در این زمینه استفاده کردند.

برآورد یا پیش بینی سطح خطر به کمک کلان داده

برآورد سطح خطر به تعیین سطح مراقبت و اینکه کدام بیماران برای دریافت مراقبت های بیشتر در اولویت اند، کمک می کند. دستگاه سیاستگذاری سلامت می تواند با بهره گیری از کلان داده و برآورد دقیق تری که از سطح خطر به دست می آورد، منابع محدود خود را به صورت بهینه تری توزیع کند. هرچه میزان بهینه بودن این توزیع کمتر باشد، تعداد بیماران با وضعیت وخیم تر افزایش می یابد و حتی به ابتلای جدید دیگر هم می انجامد. بر اساس نتایج پژوهش ها، عفونت ناشی از ویروس کرونا ممکن است به بیماری های قلبی عروقی جدی یا حتی بیماری های خطرناک تر هم منجر شود. پژوهشگران به این نتیجه رسیده اند که شاخص «درجه حاد» می تواند در تصمیم گیری برای ترخیص بیماران در طول همه گیری کرونا کمک کند. مدل SIDARTHE هم افراد آلوده به ویروس را بر اساس تشخیص و شدت علائم از هم تفکیک می کند. این مدل هفت نوع وضعیت را در پاندمی کرونا تشخیص می  دهد: مستعد، آلوده، تشخیص داده شده، بیمار، بازشناسی شده، تهدیدشده، درمان شده و مرده. شبیه سازی این مدل در ایتالیا نشان داد سیاستگذار حوزه سلامت می تواند با تطبیق وضعیت هرکدام از شهروندان با این وضعیت ها، دقیق تر و هدفمندتر تصمیم بگیرد.

تجربه کشورهای منتخب در حکمرانی سلامت از طریق کلان داده

در ادامه، تجربه سه کشور کره جنوبی، چین و سنگاپور که در مبارزه با پاندمی کرونا توانستند به خوبی از کلان داده استفاده کنند، بررسی می شود.

کره جنوبی

کره جنوبی از کشورهایی است که کلان داده در سیاست های آن در سال های اخیر جایگاه بسیار مهمی داشته است. بیشتر موفقیت های دولت کره جنوبی در محدود کردن موج اول ویروس کرونا برآمده از توانمندی های نظارت دیجیتال است. این کشور بالاترین نسبت معاملات بدون پول نقد در جهان را دارد و یکی از بالاترین نرخ های مالکیت گوشی همراه هوشمند، یعنی ۷۶.۵ درصد متعلق به این کشور است. مقامات می توانند به داده های تراکنش های نقدی و اعتباری، گوشی های همراه و دوربین های مداربسته دسترسی داشته باشند. با استفاده از داده های جغرافیایی از هر سه منبع، یعنی شبکه تراکنش ها، گوشی های همراه و دوربین های مداربسته، مقامات می توانند تماس بین فرد آلوده و غیر آلوده را شناسایی کرده و ردیابی تماس را ساده کنند. مجموعه این داده ها کلان داده شهروندان کشور را تولید می کند که ردپای آن ها در حوزه های گوناگون، زیست اجتماعی را بازنمایی می کند. آنچه باعث شد کره جنوبی در کنترل پاندمی کرونا بتواند به خوبی از کلان داده استفاده کند، پیشرو بودن این کشور در زمینه هوش مصنوعی است. دولت کره توانست پس از فراگیری ویروس کرونا در زمان کوتاهی سیستم های هشداردهنده پیشرفته با استفاده از هوش مصنوعی و روش پایش متمرکز ۱۵ طراحی کند و به کار ببرد که در کنترل ویروس در این کشور بسیار مؤثر بود.

چین

پس از همه گیری کرونا در چین، دولت این کشور و سازمان های اجتماعی به طور فعال از فناوری کلان داده برای پیشگیری و کنترل بیماری استفاده کردند. در سال ۲۰۲۰ حدود ۶۳.۴ درصد از جمعیت چین گوشی همراه هوشمند داشتند که بر این اساس، چین در رتبه هشتم جهان قرار می گرفت. سیگنال تلفن همراه داده های موقعیت مکانی را تولید می کند و به کاربر اجازه می دهد بر اساس موقعیت ایستگاه پایه، شناسایی و ردیابی شود. همچنین، پس از شیوع ویروس کرونا در چین دولت به سمت جمع آوری داده های جدیدی از طریق منابع دولتی، تجاری، رفاه عمومی، مقالات دانشگاهی، گزارش های عمومی و کار میدانی رفت. این داده ها به دولت چین کمک کرد روند گسترش بیماری کرونا در این کشور را ردیابی کند. منسجم و یکپارچه نبودن سیستم جمع آوری، مدیریت و تحلیل کلان داده یکی از موانع بهره گیری از این فناوری در زمینه درمان بود. یکی از راه های حل این مشکل، متصل کردن داده های سیستم گزارش بیماری با داده های دو نهاد مهم مرکز کنترل و پیشگیری از بیماری های چین ها و موسسه رفاه عمومی دولتی بود. با اتصال سیستم نظارت و هشدار اولیه به سیستم گزارش بیماری بیمارستان ها، فناوری کلان داده در مدت زمانی کوتاه برای استخراج و تحلیل کلان داده پزشکی آماده شد.

سنگاپور

محوریت بهره گیری از کلان داده در تجربه مبارزه با پاندمی کرونا در سنگاپور برنامه های گوشی همراه بود. داده های لازم از طریق این برنامه ها جمع آوری می شد. مهم ترین برنامه با نام TraceTogether روز ۲۰ مارس ۲۰۲۰ راه اندازی شد. این برنامه با مبادله سیگنال های بلوتوث در فاصله کوتاه بین گوشی های همراه برای تشخیص سایر کاربران برنامه که در آن نزدیکی هستند، کار می کند. این برنامه برای اثرگذاری باید دست کم ۶۰ درصد از جمعیت سنگاپور را پوشش می داد؛ اما به دلیل مشکلاتی همچون نیاز به باز بودن مداوم در پس زمینه گوشی همراه و مصرف زیاد شارژ باتری در گوشی هایی همچون اپل و همچنین جلوگیری از دسترسی برنامه های فعال در پس زمینه به بلوتوث در گوشی هایی مانند آیفون، فقط حدود ۲۰ درصد از جمعیت سنگاپور از این اپلیکیشن استقبال کردند. از این رو، دولت به سمت طراحی و اجرای سیستم جدیدی از نظارت رفت. در این سیستم، افراد برای ورود به مکان های عمومی باید با استفاده از گوشی همراه یا کارت ملی هویت خود را تایید می کردند. کاربران هنگام خروج هم دوباره چک می شدند. اگر بعدا مشخص می شد از افراد حاضر در آن مکان فردی به ویروس کرونا مبتلا بوده است، به همه افراد حاضر در آن مکان، هشدار داده می شد.

توصیه های سیاستی به منظور استفاده از کلان داده

با توجه به تجربه کشورهای مورد بررسی در این پژوهش توصیه های زیر ارائه می  شود:

• طراحی نظام جامع کلان داده در حوزه های مالی، ارتباطاتی و سلامت و نیز ایجاد پرونده مشخص الکترونیکی برای هر شهروند که وضعیت آن با هر ثبت شرح حال در سیستم نظام سلامت به روز شود؛
• داده های مربوط به پاندمی کرونا به صورت منطقه ای و تحلیل آن ها برای شناسایی و گروه بندی مناطق پرریسک در طول زمان جمع آوری شود؛
• سازوکاری مشارکتی با دسترسی عمومی برای اعلام شرح حال و وضعیت هر بیمار خارج و داخل بیمارستان طراحی شده و به شبکه پزشکان و پرستاران برای ارائه توصیه های لازم متصل شود.

جمع بندی

کنترل اپیدمی کرونا به درک ویژگی ها و رفتار آن نیاز دارد که با روش های گوناگونی ازجمله جمع آوری و تحلیل کلان داده مربوط، می توان به این هدف دست یافت و شماری از کشورها از این روش استفاده کرده اند. در کره جنوبی، چین و سنگاپور پیشرفت در زمینه کلان داده و هوش مصنوعی به عنوان زمینه ای مناسب برای اقدام به موقع دولت در مدیریت کرونا بسیار موثر بود. نظام جامع طراحی شده در این کشورها با بهره گیری از الگوی جمع آوری و تحلیل داده موجود در سه حوزه تراکنش های مالی، شبکه گوشی همراه و شبکه دوربین های مداربسته توانست این مشکل را به سرعت حل کند. پژوهش حاضر با توجه به تجربه این سه کشور توصیه هایی مانند طراحی نظام جامع کلان داده در حوزه های مالی، ارتباطاتی و سلامت در ایران را ارائه نموده است.

این مطالعه در اندیشکده تحلیلی دیتاک توسط علیرضا حدادی و محمدرضا دادگستر انجام شده است.