Streszczenie: BrakOdpowiedziDlaURL
Z problemem dystrybucji szczepionek zmaga się wiele krajów. Również Polska. Których obywateli szczepić najpierw: starszych czy młodszych? Kto powinien być w grupie 0 – emeryci, lekarze, osoby z chorobami współistniejącymi, czy ludzie w wieku produkcyjnym? Nie byłoby tych dylematów, gdyby szczepionek było pod dostatkiem dla wszystkich. Ale tak nie jest. W jaki więc sposób powinna być prowadzona dystrybucja, by była sprawiedliwa i skuteczna?
Z tym problemem zmierzyli się naukowcy z University of Wisconsin School of Medicine and Public Health and UW Health. Opracowali oni algorytm, który obejmuje m.in. wiek i status społeczno‑ekonomiczny osoby, aby nadać priorytet dystrybucji szczepionek w tych populacjach, które narażone są na podobne ryzyko zakażenia związane z wykonywaną pracą. Jednocześnie, uwzględnienie dodatkowych zmiennych pomaga zidentyfikować te osoby, które bardziej narażone na poważne komplikacje lub śmierć z powodu COVID‑19.
Algorytm dla wielu zmiennych
Zespół naukowców, pod kierownictwem Grace Flood, dyrektor ds. analityki klinicznej i raportowania w Office of Population Health (biuro zdrowia ludności, działające przy University of Wisconsin School of Medicine and Public Health) opracował algorytm przede wszystkim po to, by zapewnić sprawiedliwą dystrybucję szczepionki wśród personelu medycznego, pracującego na pierwszej linii.
Uniwersytet zdecydował jednak o powszechnym udostępnieniu narzędzia, by i inne organizacje, również rządy, bądź międzynarodowe korporacje, mogły z niego skorzystać, przygotowując własne plany dystrybucji szczepionek. Narzędzie może być więc używane także przez instytucje planujące szczepienia, gdy te obejmować będą coraz większą populację. Tym bardziej, że chęć, lub konieczność, wyszczepienia kolejnych grup społecznych może spowodować klasyczną lukę między podażą a popytem.
Wiedząc, że przez jakiś czas będziemy mieć ograniczoną ilość dawek szczepionki, chcieliśmy opracować algorytm sprawiedliwego rozprowadzania szczepień wśród osób znajdujących się w grupach ryzyka – tłumaczy Grace Flood .
Ważny wskaźnik: podatność społeczna na zagrożenia naturalne
Poza wiekiem osób zagrożonych zachorowaniem, algorytm wykorzystuje m.in. funkcjonujący w Stanach Zjednoczonych model wskaźnika podatności społecznej na zagrożenia naturalne (Social Vulnerability Index, SVI); podobne model wykorzystywane są także w innych krajach jako element szacowania ryzyka związanego z zagrożeniami naturalnymi) do zmierzenia podatności konkretnych osób na ciężki przebieg COVID‑19 związany z miejscem zamieszkania. Modele SVI są tworzone, by pomóc służbom ratowniczym określić, które regiony danego kraju będą wymagały największego wsparcia w następstwie klęsk żywiołowych lub sytuacji zagrożenia zdrowia publicznego.
SVI, opracowane dla Stanów Zjednoczonych, obejmuje 15 zmiennych w czterech kategoriach: status społeczno‑ekonomiczny, struktura mieszkaniowa i niepełnosprawność, status mniejszości i język oraz warunki mieszkaniowe i transport. W przypadku USA rasa i pochodzenie etniczne są ściśle skorelowane z wyższą liczbą hospitalizacji i śmiertelnością związaną z COVID‑19.
Opracowanie narzędzia przez Grace Flood i jej zespół jest zgodne z wytycznymi przedstawionymi przez National Academies of Sciences, Engineering and Medicine (Narodowe Akademie Nauk, Inżynierii i Medycyny), które zaleciły wykorzystanie SVI do sprawiedliwej dystrybucji szczepionek. Ponieważ Wisconsin publikuje dane o zgonach z powodu COVID‑19 twórcy algorytmu mogli określić, jak mówi Grace Flodd, „związek między wiekiem a SVI w zakresie ryzyka zgonu” oraz potwierdzić, że połączenie parametru wieku i zmiennych SVI zapewnia dokładne oszacowanie indywidualnego ryzyka.
Dane dotyczące wieku pacjentów i zmiennych SVI są powszechnie dostępnymi informacjami więc algorytm, który zawiera oba elementy, może służyć jako jeden z najlepszych sposobów dystrybucji szczepionek, dopóki podaż nie osiągnie popytu – wyjaśnia Flood.
Naukowcy opublikowali swój algorytm w Annals of Family Medicine, COVID‑19 Collection i można go pobrać ze strony internetowej projektu.
Intuicja czy twarde dane?
Każdy kraj przyjął własną politykę szczepień przeciwko COVID‑19. W Wlk. Brytanii w pierwszej fazie szczepionki są podawane osobom znajdujących się w jednej z 9 grup ryzyka, głównymi kryteriami są wiek, praca w służbie zdrowia i występowanie dodatkowego obciążenia (choroby współistniejące). Francja pierwszą turę szczepień przeznacza dla osób narażonych na ciężkie formy COVID‑19 (w celu zmniejszenia liczby hospitalizacji i zgonów) i ludzi w wysokim stopniu narażonych na kontakt z wirusem, tj. personelu medycznego i pracowników opieki socjalnej. W Hiszpanii populację podzielono na 15 grup. W pierwszej fazie szczepione będą osoby z czterech grup: mieszkańcy domów opieki (osoby starsze i niepełnosprawne) oraz ich personel, personel podstawowej opieki zdrowotnej, pozostały pracownicy służby zdrowia i opieki społecznej, osoby w dużym stopniu niesamodzielne, mieszkające w domu. Większość krajów stosuje więc dwa podstawowe kryteria: wiek i narażenie na kontakt z chorym, teoretycznie większy u osób pracujących w służbie zdrowia.
Zupełnie inny model przyjęła Indonezja, która zdecydowała się szczepić najpierw personel medyczny, ale kolejną grupą ludzie w wieku 18‑59 lat. Natomiast seniorzy zostaną zaszczepieni na samym końcu. Indonezja zdecydowała się na takie rozwiązanie, ponieważ, jak powiedział w rozmowie z BBC Indonesia prof. Amin Soebandrio z Universitas Indonesia, prawie 80 proc. zakażeń w tym kraju dotyczy osób stosunkowo młodych i pracujących. A tradycyjny model wielopokoleniowych rodzin sprzyja przenoszeniu wirusa z aktywnych zawodowo młodych ludzi na starszych. Nie bez znaczenia jest zapewne też aspekt ekonomiczny, choć minister zdrowia Indonezji Budi Gunadi Sadikin podkreśla, że przede wszystkim chodzi o względy medyczne.
Można więc założyć, że władze Indonezji stosują rozwiązanie znane z samolotów – w razie katastrofy maski tlenowe najpierw rodzice nakładają sobie, potem dzieciom. Nie oznacza to jednak, że akurat ten sposób dystrybucji ma mieć sens. Zmiennych jest bowiem wiele. Każda arbitralna decyzja dotycząca dystrybucji szczepionek przeciwko COVID‑19 może budzić sprzeciw.
Natomiast algorytm opracowany przez zespół Grace Flood uwzględnia wiele zmiennych i może być modyfikowany zgodnie z parametrami SVI pasującymi do specyfiki danego kraju.
Algorytmy na każdą okazję
Oczywiście, algorytm proponowany przez amerykańską uczelnię można zastosować do sprawiedliwego rozdziału innego rodzaju dóbr w danej chwili rzadkich, np. maseczek, ubrań jednorazowych, żywności, wody, a nawet energii. Ale siłą myślenia algorytmicznego jest fakt, że może ono wspomóc każdego rodzaju firmę i w praktycznie każdej sytuacji, która wymaga podejmowania decyzji uwzględniających wiele zmiennych i szybkiego dostosowania się do sytuacji, gdy konkretny parametr ulega zmianie.
Świetnym przykładem błyskawicznego wdrożenia nowych algorytmów, w tym konkretnym przypadku związanych z logistyką dostaw, jest np. firma P&G. W wywiadzie dla „Forbesa” Vittorio Cretella, CIO Procter & Gamble przyznał, że w trakcie pandemii, połączenie danych z dotyczących łańcucha dostaw z tymi związanymi z pandemią oraz uzupełnienie ich o takie parametry jak skupiskach konsumentów i miejsce ich zamieszkania (klasyczne dla SIV zmienne) pozwoliły P&G zapewnić płynność dostaw, zgodną z konkretnym zapotrzebowaniem. Jak powiedział Vittorio Cretella dla „Forbesa”: Kiedy wprowadzono lockdown, naszym priorytetem było zapewnienie dostępności produktów w sklepach. Wiedzieliśmy, że musimy zarządzać naszym łańcuchem dostaw w sposób w pełni cyfrowy.
A przy okazji przypomnijmy – o tym, że na świecie pojawił się nowy zjadliwy wirus jako pierwszy wiedział… algorytm opracowany przez kanadyjską firmę BlueDot, która specjalizuje się w… ułatwianiu przedsiębiorstwom zarządzaniem globalnymi łańcuchami dostaw, ochronie mobilnych pracowników, zapewnianiu ciągłości i budowanie odporności na epidemie. Algorytm wiedział o epidemii w Wuhan już 31 grudnia 2019 r. WHO poinformowało o zagrożeniu dopiero 9 stycznia 2020 r. Algorytm był więc szybszy niż ogólnoświatowa organizacja.
