Volume 20, Issue 4 (11-2021)                   TB 2021, 20(4): 63-78 | Back to browse issues page

Ethics code: IR.UM.REC.1400.026


XML Persian Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Jalali R, Etemadfard H, Kharaghani H, Shad R, Sadeghi V. Prioritization and Allocation Model of COVID-19 Vaccine in Neighborhoods of Mashhad Using AHP and Fuzzy Logic. TB 2021; 20 (4) :63-78
URL: http://tbj.ssu.ac.ir/article-1-3203-en.html
FUM , etemadfard@um.ac.ir
Full-Text [PDF 820 kb]   (418 Downloads)     |   Abstract (HTML)  (976 Views)
Full-Text:   (503 Views)
مدل اولویت‌بندی و تخصیص واکسن کرونا در محلات شهر مشهد با استفاده از AHP و منطق فازی
نویسندگان: ریحانه جلالی1، حسین اعتمادفرد2، حامد خرقانی3، روزبه شاد4، وحید صادقی 5
1. دانشجوی کارشناسی ارشد سیستم اطلاعات مکانی (GIS)، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.
2. نویسنده مسئول: استادیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.
تلفن تماس:  05138805443            Email: etemadfard@um.ac.ir
3. دانشجوی کارشناسی ارشد سیستم اطلاعات مکانی (GIS)، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران.
4. دانشیار گروه مهندسی عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد
 5. استادیار گروه مهندسی نقشه برداری و ژئوماتیک، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران.
چکیده
 
مقدمه: گسترش جهانی ویروس کرونا در سال 2019 و آمار بالای مرگ و میر طی این بیماری مبیّن تصمیم­گیری و یافتن راه­حلی برای کنترل و جلوگیری از شیوع آن می­باشد. یکی از مؤثرترین راه‌ها برای پیشگیری و مقابله، استفاده از واکسن است که باتوجه به عرضه محدود آن، عموما توزیع آن اولویت­بندی شده و تخصیص بین افراد صورت می­گیرد.
روش بررسی: در این مطالعه توصیفی- همبستگی برای دست­یابی به هدف اولویت­بندی و تخصیص واکسن کرونا در محلات شهر مشهد از GIS، ابزار AHP و منطق فازی استفاده شده است و اولویت­بندی محلات در چهار سناریو، شامل سناریو AHP، سناریو دستورالعمل WHO، سناریو دستورالعمل وزارت بهداشت و درمان ایران و سناریو خرد جمعی بومی سازی شده تحلیل گردید.
یافته‌ها: خروجی اولویت­بندی محلات حاصل از چهار سناریو مذکور در 5 کلاس مشخص گردیده است. در سناریو AHP، کم­ترین درصد(89/8) و در سناریو خرد جمعی بومی سازی شده بیشترین درصد(22/42) به محلات دارای اولویت 1 اختصاص یافت. از نظر پراکندگی مکانی تنها در سناریو نخست نظم مشخصی مشاهده شد. هم چنین در بین نتایج عموما همبستگی بالایی مشاهده نمی‌شود و تنها سناریو وزارت بهداشت و درمان ایران و خرد جمعی بومی سازی شده دارای هم بستگی 82/0 است.
نتیجه گیری: با توجه به کمبود واکسن، تخصیص مکانی براساس دستورالعمل‌های ارائه شده به عنوان یک روش‌ مطمئن که می‌تواند معیارهای اساسی تخصیص منابع محدود درمانی را برآورده سازد، در این تحقیق به اجرا درآمد و 180 محله  شهر مشهد در سناریوهای مختلف دارای اولویت‌های مشخص شدند که می‌تواند به تصمیم‌گیران حوزه سلامت کمک نماید.
 
واژه­های کلیدی: کرونا، تخصیص واکسن، تحلیل سلسله مراتبی، منطق فازی،
COVID-19

مقدمه

با شیوع ویروس کرونا (COVID-19) از شهر ووهان چین در سراسر جهان، چالشی بزرگ برای انسان‌ها ایجاد شد و بسیاری از جنبه‌های زندگی بشر، نظیر فعالیت‌های اقتصادی، اجتماعی و سیاسی را تحت تاثیر قرار داد (1). از آغاز پاندمی کرونا تا نیمه فروردین ماه 1400 در مجموع حدود 131.577.000 نفر در جهان به این ویروس مبتلا شدند. در این میان نزدیک به 2.863.000 نفر که 63160 از آنان ایرانی بودند، جان خود را براثر کرونا از دست داده‌اند (2). به منظور جلوگیری و کاهش ابتلا به این سندرم تنفسی محدودیت‌های مختلفی توسط دولت‌ها در نقاط مختلف جهان اعمال شد، اما یکی از موثرترین راه‌ها برای مقابله با آن استفاده از واکسن کرونا است. از آن جایی که شرایط تمام افراد جامعه یکسان نیست بایستی نحوه توزیع واکسن در بین افراد اولویت‌بندی گردد. تصمیم گیری در مورد چگونگی اولویت­بندی و تخصیص منابع محدود واکسن COVID-19 باید با بهترین دانش موجود در مورد همه‌گیری و اقدامات قابل اجرا در جهت کنترل آن، دوره بالینی COVID-19، سرعت انتقال‌پذیری ویروس، میزان اثربخشی و ایمنی واکسن‌های موجود و ویژگی‌های تحویل آن‌ها انجام پذیرد (3). در این راستا اولویت­بندی مکانی یکی از گزینه‌های موجود برای توزیع و تخصیص واکسن کرونا متناسب با شرایط موجود جامعه و ارزیابی خطر گروه‌های مختلف جمعیتی می‌باشد.

سیستم اطلاعات مکانی (GIS) به عنوان ابزاری کارآمد برای مدیریت و تحلیل حجم زیادی از داده‌های مکانی، در تصمیم‌گیری‌های مرتبط با حوزه سلامت همواره مورد توجه بوده است(5 ،4). هم چنین ابزارهای دیگری نظیر تحلیل سلسه مراتبی(AHP) و منطق فازی(Fuzzy logic) سبب افزایش دقت و سهولت در تصمیم‌گیری می‌شوند(10-6). استفاده از این   روش­ها در مطالعات حوزه سلامت و بهداشت و درمان در ایران نیز سابقه دارد ولی‌پور و همکاران در تحقیقی شیوع بیماری مالاریا را با استفاده از GIS و AHP در استان هرمزگان مدل سازی و مناطق با پتانسیل شیوع (ریسک بالا) را مشخص کردند(11). بررسی پراکندگی برخی بیماری های واگیردار براساس GIS در استان چهارمحال و بختیاری پژوهشی دیگر بود که توسط قائد امینی و همکاران انجام شد. آن‌ها در این تحقیق بیماری های واگیردار مطرح مشخص نمودند و عوامل موثر بر پراکنش محیطی، انواع بیماری‌های واگیردار شایع در این استان و هم چنین موقعیت ایستگاه های پراکنش بیماری‌ها را تعیین کردند(12). قاسمی و همکاران با تحلیل فضایی بیماری سالک و تاثیر پارامتر رطوبت و پوشش گیاهی با استفاده از سنجش از دور و GIS در                شهرستان­های استان یزد طی بازه زمانی 1384 تا 1393 نشان دادند که مرکز میانگین کل بیماری بر شهرستان یزد منطبق است و جهت آن به سمت شهرستان‌های مهریز و تفت یعنی جنوب غربی این استان کشیده شده است(13). عباسی و رفیعی در مطالعه خود به دنبال شناسایی الگو و نحوه توزیع مکانی تب مالت در استان همدان با استفاده از GIS بودند و دریافتند که  الگوی توزیع مکانی بیماری تب مالت در استان همدان خوشه‌ای بوده و از این نتیجه به منظور مدیریت بهینه کنترل و مهار این بیماری می‌توان بهره برد(14).

با آغاز پاندمی کرونا تحقیقات مختلفی در زمینه مدل‌سازی مکانی و تجزیه و تحلیل شیوع این ویروس با استفاده از GIS انجام گرفته است که از جمله می‌توان به تلاش پورقاسمی و دیگران اشاره کرد که در پژوهشی به تهیه مدل مکانی، نقشه ریسک، تشخیص تغییرات و تجزیه و تحلیل شیوع ویروس کرونا در ایران پرداختند. آن‌ها با بهره‌گیری از GIS در تحقیقات خود دریافتند که از 19 فوریه تا 14 ژوئن سال 2020، میانگین نرخ رشد مرگ ناشی از کرونا و تعداد کل موارد در ایران به ترتیب 08/1 و 10/1 بوده است(15). الخمیس و همکاران الگوهای زمانی و مکانی شیوع همه‌گیری ویروس کرونا را در سطح کشور کویت بررسی کردند. نتایج این تحقیق بیانگر آن است که رشد و همه گیری ویروس کرونا در کویت در حال رشد است و ابتلا به کرونا در میان کارگران مهاجر به دلیل شرایط زندگی بد و حضور در مناطق پر جمعیت گسترشی قابل توجه داشته است(16). کوادروس و همکاران یک مدل ریاضی مکانی برای شبیه سازی انتقال بیماری COVID-19 با توجه به توزیع ناهمگون مراقبت‌های بهداشتی در اوهایو ایالات متحده ایجاد کردند. آن‌ها با به کارگیری داده‌های تعداد کل مبتلایان، تعداد بستری شدگان، تعداد پذیرفته شدگان در ICU و تعداد مرگ ناشی از ویروس کرونا، تحلیل‌های  انجام دادند که نتایج آن‌ها نشان داد سرعت گسترش بیماری در مناطق مختلف جغرافیایی متفاوت است. در بعضی از مناطق به دلایلی نظیر جمعیت بیشتر، ارتباط جاده‌ای بالاتر و حمل و نقل هوایی سرعت انتشار سریع‌تر است(17).

یکی دیگر از موارد حائز اهمیت در حوزه بهداشت و درمان تخصیص عادلانه و مناسب منابع دارویی است. مطالعات پیشین عموما چهار معیار را برای تخصیص در زمان همه‌گیری و کمبود منابع معرفی می‌کنند: به حداکثر رساندن منافع حاصل از منابع کمیاب، برخورد یکسان با مردم، در نظر گرفتن ارزش ابزاری برای افرادی که می‌توانند ناجی زندگی دیگران باشند و اولویت‌دهی به بدترین وضع موجود به عنوان مثال اولویت‌دهی به بیماران جوان که در صورت مرگ عمر کوتاهی داشتند (18). گوپتا و همکارانش به منظور اولویت بندی واکسن کرونا، کاهش عوارض و مرگ و میر، کاهش خسارات اقتصادی و اجتماعی و کاهش نابرابری‌های بهداشتی را به عنوان سه هدف خود معرفی کردند. آن‌ها 5 روش اولویت بندی را در نظر گرفتند اما معتقد هستند هیچ روشی وجود ندارد تا بتواند هر سه هدف را به طور مطلوبی ارضا کند(19). فالوچی و همکاران در پژوهش خود به بررسی تطابق اصول اخلاقی شهروندان ایالات متحده با رهنمودها و توصیه‌های پیشنهادی در جهت تخصیص منابع درمان کووید-19 پرداختند. آن‌ها در سناریوهای مختلف نتایج متفاوتی یافتند که نشان از ناهمگنی سناریوهای مختلف تخصیص با نظرات شهروندان آمریکایی دارد(20). در تحقیقات داخلی، بهروزی و همکاران در تحقیقی ادبیات مربوط به تعیین تعداد و تخصیص بهینه تختهای بیمارستانی و فرآیند جریان بیماران و رویکردهای اصلی مورد استفاده در این زمینه به همراه معایب و مزایای استفاده از هر کدام از این روش ها را بررسی کرده‌اند(21). جعفری و دیگران به مدل سازی یک شبکه زنجیره تامین دارو که به طور همزمان به تصمیمات دراز مدت نظیر مکان یابی بهینه تسهیلات و تصمیمات تاکتیکی نظیر تخصیص بهینه جریان پرداختند(22).

با توجه به اهمیت واکسیانسیون کرونا در جهت جلوگیری از رشد و انتقال این بیماری، محدود بودن منابع واکسیانسیون و هم چنین نبود مطالعه‌ای مرتبط با اولویت‌بندی و تخصیص واکسن کرونا در داخل کشور، پژوهش حاضر با هدف مدلسازی اولویت­بندی و تخصیص واکسن کرونا با استفاده از AHP و منطق فازی در شهر مشهد انجام شده است. در روش اول با استفاده از AHP معیارهای مورد نیاز برای اولویت‌بندی انتخاب و وزن‌دهی طی فرآیند مقایسات زوجی انجام گردید. در روش دوم با تعریف سه سناریو براساس دستورالعمل WHO، دستورالعمل وزارت بهداشت و درمان جمهوری اسلامی ایران و خرد جمعی بومی سازی شده با منابع اطلاعاتی موجود، از منطق فازی برای اولویت‌بندی تخصیص واکسن کرونا استفاده شده است. بعد از استفاده از مبانی هر دو روش ذکر شده، با استفاده از 4/10ArcGIS  تحلیل‌های مکانی و نمایش اولویت‌بندی‌ها انجام شده است.

روش بررسی

شهر مشهد با جمعیت 184/001/3 نفر (23) مرکز استان خراسان رضوی است. این شهر در شمال شرقی خراسان رضوی و در36 درجه و 17 دقیقه عرض شمالی و 59 درجه 33 دقیقه طول شرقی جغرافیایی قرار دارد (شکل 1). مشهد همواره به عنوان یکی از قطب‌های اصلی گردشگری بوده و با توجه به وجود 36 بیمارستان و 276 درمانگاه، طی سال‌های اخیر به عنوان یکی از شهرهای مهم در حوزه گردشگری سلامت نیز مطرح شده است. مشهد دارای 13 منطقه شهرداری و 180 محله با وسعت‌های مکانی، جمعیتی و امکانات رفاهی متفاوت است که این تفاوت‌ها یکی از عوامل تاثیر گذار در اولویت‌بندی و تخصیص واکسن کرونا در این شهر خواهد بود.

داده­های مورد استفاده در این پژوهش لایه­های مکانی شهر مشهد شامل لایه توزیع مکانی جمعیتی و تقسیم بندی سنی این اطلاعات، بیمارستان‌ها، درمانگاه‌ها، اورژانس‌ها، پایگاه‌های­ انتقال خون، بهزیستی، مراکز انتظامی، گرم خانه‌ها، دفاتر پیشخوان و جایگاه‌های سامان­دهی کارگران می­باشد. پس از آماده­سازی لایه­های اطلاعاتی در محیط نرم­افزار ArcMap 10.4.1 تعداد هرکدام از لایه­ها و مراکز ذکر شده در هر محله شهر مشهد محاسبه و تمامی اطلاعات مورد نیاز در یک فایل اکسل جمع آوری گردید. این مطالعه در زمستان 1399 انجام شده است.

شکل 1: نقشه مناطق 13 گانه شهر مشهد و تقسیم­بندی محلات شهر

همان طور که پیش­تر اشاره شد، در این پژوهش از دو روش منطق فازی و فرایند تحلیل سلسله مراتبی برای انجام کار و                  اولویت­بندی محلات استفاده شده است که در ادامه این روابط و تئوری مربوط به این دو روش ارائه می‌گردد. هم چنین در ادامه، معرفی مختصری از GIS به عنوان ابزاری اصلی در پیاده سازی و کاربست این روش­ها آورده شده است.

منطق فازی برای اولین بار در سال  1965 توسط لطفی زاده ابداع شد،  منطق فازی به عنوان نظریه­ای ریاضی یک ابزار کارآمد برای مدل­سازی ریاضی ابهام و عدم دقت موجود در فرآیندهای شناختی انسانی بـه شـمار می­رود (24). منطق کلاسیک یک منطق دو دوئی از تئوری مجموعه­ها است که در منطق دوتایی تئوری مجموعه­ها، نقطه x می­تواند یا در خارج از مجموعه A یا داخل مجموعه باشد. این بدان معنی است که، تابع مشخصه یا تابع عضویت x می­تواند ارزش صفر یا یک را بگیرد. ارزش یک نشان می­دهد که نقطه x در مجموعه قرار دارد و ارزش صفر نشان می­دهد که نقطه x خارج از مجموعه است(25). در کنار منطق کلاسیک، منطق فازی را داریم که فراتر از منطق کلاسیک رفته و فضای نامحدود بین اعداد صفر و یک را نیز در منطق و استدلال­های خود به کار برده و یک عضویت درجه بندی شده در این منطق مطرح می‌­شود. به عبارتی یک عنصر مانند x تا درجه­ای می­تواند عضو مجموعه باشد درحالی که در منطق کلاسیک یک عنصر به طور کامل عضو مجموعه می­باشد یا به­طور کامل خارج از آن است. تئوری فازی، عضویت اعضای مجموعه از طریق تابع u (x) که x نشان­دهنده یک عضو مشخص و u تابعی است که درجه عضویتx  در آن مجموعه را تعیین می‌کند؛ تابع u مقداری بین صفر و یک است (26). سیستم­های فازی بر دانش یا قواعد استوار هستند. در یک سیستم فازی پایگاه دانـش با قوانین اگرـ آنگاه فازی مهم‌ترین نقش را دارد و هرقانون اگر- آنگاه فـازی، یک عبارت است که بعضی کلمات آن به وسیله توابع عضویت مشخص شده، تعریف می‌گردد (27). در قوانین اگر آن گاه به جای استفاده از فرمول­های ریاضی از توصیفات و اصطلاحات کیفی برای انجام فرآیند منطق فازی استفاده می­شود. در حالی که سیستم­های فازی پدیده­های غیرقطعی و دارای ابهام را توصیف می­کنند، اما تئوری فازی تئوری دقیقی است. تئوری      مجموعه­های فازی سعی در ایجاد نزدیکی بیشتری بین دقت ریاضیات کلاسیک و نیز ابهام کلی متغییرهای زبانی در دنیای واقعی دارد. این ویژگی منطق فازی، زمینه مناسب برای استدلال و کنترل تصمیم­گیری در شرایط عدم اطمینان فراهم می­کند (28).

روش تحلیل فرآیند سلسله مراتبی توسط توماس ساعتی توسعه داده شده است. فرآیند AHP یک تکنیک تصمیم­گیری چند معیاره (MCDM) منعطف می­باشد است که به وسیله آن می‌توان مسائل پیچیده را در سطوح مختلف حل کرد. فرآیند این امکان را می­دهد که معیارهای کیفی غیرمشهود به معیارهای کمی مشهود و قابل قضاوت تبدیل شوند. روشAHP  بر مبنای سه بخش است که شامل مدل سازی، قضاوت ترجیحی و تلفیق اولویت­ها می­باشد (29). در گام نخست، AHP مساله پیچیده MCDM را به صورت سلسله مراتبی به اجزای تصمیم به هم مرتبط (معیارها و گزینه‌های تصمیم گیری) تجزیه می­کند. با AHP ، اهداف، معیارها و گزینه­ها در یک ساختار سلسله مراتبی درختی مرتب می­شوند. گام دوم انجام مقایساتی بین گزینه­ها و معیارها است. زمانی که مساله تجزیه می­شود و سلسله مراتب ساخته می شود، فرآیند اولویت­دهی به منظور تعیین اهمیت نسبی معیارها انجام می­شود. در AHPچندین مقایسه دو به دو بر مبنای یک مقیاس مقایسه استاندارد ۹ سطحی انجام          می­شود. نتیجه مقایسه زوجی بر روی n معیار را می­توان در یک ماتریس ارزیابی A=  خلاصه کرد:

 

 A =  ,

(1)

 


عناصر این ماتریس همگی مثبت بوده و با توجه به اصل شروط معکوس در AHP در هر مقایسه زوجی، دو مقدار عددی     و  را خواهیم داشت، اگر اهمیت عنصر i نسبت به j برابر k باشد، اهمیت j نسبت به i برابر  خواهد بود؛ که تعیین اهمیت و ترجیح در مقایسات زوجی از طیف 1 تا 9 می­باشد. در این طیف عدد 9 به معنای ارجحیت کامل است و عدد 1 ترجیح یکسان را بیان می‌کند. در آخرین مرحله، فرآیند ریاضی شروع به نرمالیزه و پیدا کردن وزنهای نسبی برای هر ماتریس می­کند(30). به منظور بررسی سازگاری در پاسخ‌های خبرگان نرخ ناسازگاری تعریف می‌شود. اگر این نرخ کمتر از 1/0 باشد می­توان نتیجه گرفت که سطح مطلوبی از سازگاری در مقایسات زوجی وجود داشته است و در غیر این صورت این نرخ نشان­دهنده ناسازگاری               می­باشد(31).

سیستم اطلاعات مکانی یک سیستم کامپیوتری است که اطلاعات مرجع جغرافیایی را تجزیه و تحلیل و نمایش می دهد. این سیستم از داده هایی استفاده می کند که به یک مکان منحصر به فرد متصل شده اند. به معنای دقیق، GIS یک سیستم کامپیوتری است که قادر به جمع آوری، ذخیره سازی، مدیریت، تجزیه و تحلیل، مدل سازی و نمایش اطلاعات مکانی است. در واقع یک سیستم GIS لایه­هایی از اطلاعات مربوط به یک مکان را با هم ترکیب می­کند تا درک بهتری از آن مکان ارائه دهد(32).

 سخت افزار، نرم افزار، داده، رویه ها و نیروی انسانی پنج جزء ضروری از زیرساخت GIS می­باشند. این اجزا به شیوه ای یکپارچه شده اند که یک GIS به درستی عمل می کند(33). پایگاه­های داده­های GIS شامل داده­های مکانی و داده­های غیرمکانی می­باشند که امکان فهم وسیع­تر و گسترده­تری از روابط بین پدیده­ها را فراهم می­کند. داده­های غیرمکانی که داده­های توصیفی نیز نامیده می­شوند، آن دسته از اطلاعات می­باشند که مستقل از هندسه پدیده­ها هستند؛ درحالی که داده­های مکانی شامل روابط مکانی و موقعیت پدیده­ها می­باشند. سامانه­های اطلاعات مکانی سلامت، سیستم­های یکپارچه­ای شامل ابزارهای مدیریت، درخواست، تحلیل و ارائه­ی داده­های سلامتی مکان­ محور هستند. هنگامی که این سیستم­ها برای استفاده در پژوهش­های سلامت آماده می­شوند، ممکن است از آن­ها برای ارزیابی بیماری و خدمات سلامتی برای درمان و پیشگیری از رخ دادن دوباره­ی مشکلات استفاده نمایند.

از آنجا که GIS شامل اطلاعات سلامتی و بیماری برای مناطق خاص و همچنین شکل­های مختلف داده­های زیست محیطی است، می­توان رابطه بین منطقه زندگی یک جمعیت و وضعیت رفاهی آن­ها را در مقایسه با استفاده از نقشه­های کاغذی سنتی، به روش عمیق­تر و آگاهانه­تر ایجاد کرد.

در نتیجه GIS در مطالعات سلامتی می­تواند کمیت و کیفیت پژوهش­های واگیرشناسی و نیز ارائه و دسترسی به مراقبت­های سلامتی را بهبود بخشد. دیگر کاربردهای GIS در علم اطلاعات سلامتی شامل برنامه­ریزی موثر خدمات سلامت، دسترسی بهتر، تدارکات و تشخیص مناطق مشکل­دار است(34).

این مطالعه در کمیته اخلاق دانشگاه فردوسی مشهد با کد اخلاق IR.UM.REC.1400.026 مورد تایید قرار گرفت و هم چنین در این مطالعه رضایت افراد شرکت‌کننده، به صورت آگاهانه اخذ شد و اطلاعات اخذ شده از طریق پرسشنامه بطور محرمانه نگهداری شد.

یافته­ها

در پژوهش حاضر برای اولویت­بندی و تخصیص واکسیناسیون COVID-19 در محلات شهر مشهد از دو روش وزن­دهی AHP و منطق فازی استفاده شده است و اولویت­بندی در چهار سناریو مورد بررسی قرار گرفته است. در روش اول طی وزن­دهی AHP، برای هر معیار براساس میزان اهمیت و ارجحیت آن وانجام مراحل روش AHP، وزنی اختصاص می­گیرد و اولویت­بندی محلات در 5 کلاس طبقه­بندی می­شود. روش دوم براساس سناریوهای مختلف و استفاده از منطق فازی انجام شده­است. سناریوها شامل سناریو مبتنی بر دستورالعمل WHO، سناریو مبتنی بر وزارت بهداشت و درمان ایران و سناریو مبتنی بر خرد جمعی بومی سازی شده می­باشد. در هر سناریو با توجه به دیدگاه آن سناریو به اختصاص واکسن کرونا به گروه­های مختلف جامعه، معیارهای مربوطه مشخص و در ادامه با استفاده از منطق فازی و تشکیل توابع عضویت و قوانین فازی برای هر سناریو به اولویت­بندی محلات پرداخته شده ­است. در این روش نیز همانند روش AHP اولویت­ها در 5 کلاس طبقه­بندی شده­اند. در ادامه این بخش به توضیح کامل هر روش و سناریوهای مختلف پرداخته شده است.

روش اول: استفاده از AHP: در سناریو نخست، اولویت­بندی محلات براساس وزن­دهی AHP انجام شده است. برای این­کار ابتدا معیارها که شامل بیمارستان، درمانگاه، اورژانس، پایگاه انتقال خون، ایستگاه کارگران، گرمخانه، بهزیستی، مراکز انتظامی، دفاتر پیشخوان و افراد مسن می­باشد، مشخص می­شود. سپس در نرم­افزار اکسل ماتریس مقایسات زوجی بین معیارها براساس اهمیت و ارجحیت معیارها نسبت بهم در شیوع ویروس کووید 19 تشکیل شده و وزن مربوط به هر معیار محاسبه می­گردد (جدول1). در نهایت با وارد کردن اطلاعات موردنیاز و وزن­های محاسبه شده در محیط نرم­افزار ArcMap اولویت­بندی براساس وزن­دهی AHP انجام می‌شود.

جدول1: وزن‌های AHP معیارها

معیار

وزن

بیمارستان

319/0

درمانگاه

154/0

اورژانس

174/0

کارگران

034/0

گرمخانه

035/0

بهزیستی

065/0

مراکز انتظامی

071/0

دفاتر پیشخون

024/0

پایگاه انتقال خون

112/0

افراد مسن

012/0

روش دوم: استفاده از منطق فازی :در این روش اولویت­بندی براساس منطق فازی در سه سناریو متفاوت که به ترتیب بر دستور العمل WHO، وزارت بهداشت و درمان جمهوری اسلامی ایران و خرد جمعی بومی سازی شده توسط محققین استوار است، انجام گردیده و قوانین مختلف فازی مورد استفاده معرفی شده است.

سناریو مبتنی بر دستورالعمل WHO: در سناریو دوم برای بدست­آوردن اولویت­بندی واکسیناسیون کووید 19 از منطق فازی و قوانین WHO استفاده شده است. ابتدا با توجه به گزارش اعلام شده توسط سازمان جهانی بهداشت برای تخصیص واکسن COVID­-19، معیارهای مراکز بهداشتی و

درمانی (شامل بیمارستان، درمانگاه و اورژانس)، افراد مسن، مراکز بهزیستی، مراکز انتظامی و ایستگاه کارگران در نظر گرفته شده است. بعد از تعیین معیارها با فرض اهمیت مدافعان خط مقدم در مراکز بهداشتی و درمانی و در مرحله بعد تعداد افراد مسن در هر محله و در ادامه به ترتیب مراکز بهزیستی(به عنوان گروه­هایی که قادر به داشتن فاصله فیزیکی نیستند)، ایستگاه کارگران و مراکز انتظامی در زنجیره انتقال ویروس کووید 19 دارای اهمیت هستند؛ بنابراین به همین ترتیب و باتوجه به ارحجیت معیارها نسبت به ­هم منطق فازی پیاده‌سازی شده است. برای بررسی از طریق منطق فازی در نرم­افزارMATLAB R2013a توابع عضویت مرتبط با هر معیار رسم گشته که در پیوست به نمایش گذاشته شده و با درنظرگرفتن اولویت­های واکسیناسیون سازمان جهانی بهداشت قوانین منطق فازی تعریف گردیده ­است. در نهایت اولویت­های بدست­آمده از نرم­افزار متلب را در محیط ArcMap وارد کرده و بعد از انجام پردازش­های لازم اولویت­بندی را برای هر محله نمایش داده شده است.

 سناریو مبتنی بر دستورالعمل وزارت بهداشت و درمان ایران: در سومین سناریو مطابق حالت قبل اولویت­بندی با استفاده از منطق فازی انجام شده است، با این تفاوت که معیارها براساس اولویت­های اعلام شده توسط سازمان بهداشت ایران انتخاب و بررسی گشته است. معیارهای این حالت شامل مراکز درمانی و بهداشتی، افراد مسن، مراکز بهزیستی، مراکز انتظامی، ایستگاه کارگران، گرمخانه و دفاتر پیشخوان و خدمت­رسان می­باشد. توابع عضویت معیارها به این حالت در شکل پیوست موجود است.

سناریو مبتنی بر خرد جمعی بومی سازی شده: در سناریو چهارم نیز اولویت­بندی با منطق فازی انجام شده­است. با این تفاوت که در سناریوهای قبلی که براساس معیارهای واکسیناسیون اعلام شده توسط سازمان جهانی بهداشت و وزارت بهداشت و درمان ایران صورت گرفته، اما در سناریو مبتنی بر خرد جمعی جهت مطالعه بیشتر و مقایسه در صورت درنظر گرفتن معیارهای مرتبط با شیوع کرونا و متفاوت با سایر سناریوها، گردآوردندگان این پژوهش براساس دانش خود معیارهایی که در رابطه با شیوع ویروس کرونا و در نتیجه واکسیناسیون تاثیرگذار هستند را تعیین کرده و در سناریو چهارم مورد بررسی قرار گرفته­است. به همین ترتیب تعداد جمعیت هر محله که عاملی بسیار تاثیرگذار در انتقال و شیوع ویروس است، از نظر پژوهندگان به عنوان معیاری برای اولویت­بندی واکسیناسیون مشخص شده­است. ازجمله سایر معیارهای این سناریو مراکز درمانی و بهداشتی، افراد مسن، مراکز بهزیستی، مراکز انتظامی، ایستگاه کارگران، گرمخانه و دفاتر پیشخوان و خدمت­رسان می­باشند. همانند دو حالت اول منطق فازی برای این حالت نیز توابع عضویت رسم شده و قوانین به ترتیب اهمیت معیارهای مراکز درمانی و بهداشتی، افراد مسن و جمعیت و سایر مراکز پرخطر نظیر بهزیستی، مراکز انتظامی، گرمخانه، ایستگاه کارگران و دفاتر پیشخوان وارد شده است. افراد صاحب­نظر در این تحقیق همگی دارای تحصیلات مرتبط می­باشند که 60% را تحصیلات دکتری و 40% را کارشناسی ارشد تشکیل می­دهد، هم چنین از این بین 80% مرد و 20% زن تشکیل دهنده افراد صاحب نظر هستند.

با استفاده از داده‌های جمع آوری شده از شهرداری مشهد و پس

از تحلیل‌های انجام گرفته برای 4 سناریو در نظر گرفته شده، شکل 2 نمایانگر نتایج حاصل از اولویت­بندی محلات مشهد است که بااستفاده از نرم فزار ArcGIS در 5 کلاس انجام شده است.

در شکل ذکر شده اعداد 1 تا 5 به ترتیب  نماینگر  بیشترین

اولویت تا کمترین اولویت در محلات برای واکسینه کردن است. همان­طور که در شکل 2 مشخص است شکل­های الف تا ت به­ترتیب نشان­دهنده نقشه وزن­دهی AHP، دستورالعمل WHO، دستورالعمل وزارت بهداشت و درمان ایران و خرد جمعی بومی سازی شده می­باشد.

 

 

                                                                 

 

 

 

 

 

 

پ

ت

الف

ب

 

 

 

 

 

 

 

 

 

 

 


شکل2: اولویت­بندی و تخصیص واکسن COVID­­-19 برای محلات شهر مشهد در 4 سناریو مدنظر

 

 

 

نقشه اولویت‌بندی با استفاده از AHP محلات مرکزی در اطراف حرم مطهر امام رضا (ع) بیشترین اولویت و حاشیه شهر دارای کمترین اولویت می­باشد. در نقشه مبتنی بر دستورالعمل WHO که براساس منطق فازی تحلیل شده ­است، محلات دارای اولویت بالا به صورت پراکنده در بخش­های مرکزی شهر قرار گرفته و نسبت به سناریو نخست دارای محلات با اولویت یک بیشتری است.

در نقشه وزارت بهداشت و درمان ایران که آن نیز براساس منطق فازی مورد ارزیابی قرارگرفته است، مانند نقشه WHO اولویت­های با اهمیت بیشتر به صورت پراکنده پخش شده و شامل افزایش قابل توجه است. در این سناریو نیز مانند دو سناریو پیشین محلات حومه شهر درجه اهمیت کمتری دارند. در نقشه سناریو دانش در مقایسه سایر ارزیابی‌ها تعداد محلات با اولویت بالاتر افزایش یافته است و توزیع آن‌ها مانند دو سناریو دیگر منطق فازی از نظم خاصی پیروی نمی‌کند.

با توجه به تحلیل‌های آماری و شمارش محلات با اولویت‌های

متفاوت در هریک از سناریوهای شرح داده شده، جدول 2 بیانگر میزان محلات تخصیص یافته در هر یک از اولویت‌های 1 تا 5 می‌باشد. براساس این جدول بیشترین محلات با اولویت 1 در سناریو چهارم (خرد جمعی بومی سازی شده) و کمترین درصد محلات با اولویت 1 در سناریو اول روش (AHP) است. همچنین نتایج نشان می‌دهد سناریو مبتنی بر دستورالعمل WHO بیشترین تعداد محلات با اولویت کم (اولویت 4 و 5) را دارد.

همان­طور که مشاهده می­شود میزان همبستگی بین سناریوهای تعریف شده در این پژوهش از نظر تعداد محلات هر اولویت در جدول 3 آورده شده است. با بررسی میزان شباهت و ارتباط نتایج بین سناریوهای مختلف مشاهده می‌شود که بین سناریو مبتنی بر وزارت بهداشت و درمان ایران و سناریو خرد جمعی بومی سازی شده شباهت زیادی وجود دارد. همچنین دستور العمل WHO با دستورالعمل وزارت بهداشت و روش AHP دارای همبستگی نسبی هستند این در حالی است که بین سناریو AHP و سناریوهای داخلی ارتباط معناداری وجود ندارد.

 

 

 

سناریو چهارم

سناریو سوم

سناریو دوم

سناریو اول

سناریو/اولویت

22/42

11/31

78/12

89/8

اولویت اول

56/0

78/2

89/8

11/21

اولویت دوم

78/22

56/15

56/20

78/27

اولویت سوم

89/23

00/30

11/36

78/27

اولویت چهارم

56/10

56/20

67/21

44/14

اولویت پنجم

 

جدول 2: درصد محلات اختصاص یافته به هر اولویت در هر سناریو

 

 

 

 

 

 

 

  سناریو خرد جمعی

سناریو وزارت بهداشت و درمان

سناریوWHO

   سناریو AHP

3148/0-

2651/0-

5408/0

1

سناریوAHP

15584/0

5563/0

1

5408/0

سناریوWHO

8273/0

1

5563/0

2651/0-

سناریو وزارت بهداشت و درمان

1

8273/0

1584/0

3148/0-

سناریو خرد جمعی

 

جدول 3: همبستگی میان سناریوهای ذکر شده

 

 

 

 

 

بحث و نتیجه­ گیری

همان‌طور که پیش از این ذکر شد، پژوهش حاضر با هدف اولویت‌بندی واکسیناسیون عمومی در محلات شهر مشهد با استفاده از منطق فازی و AHP در محیط GIS انجام گرفته است. اولویت­بندی و تخصیص منابع محدود دارویی و درمانی در زمان همه‌گیری ویروس‌ها و ایجاد شرایط بحرانی یکی از موارد ضروری برای کنترل صحیح شیوع بیماری می‌باشد. واکسن کووید-19 از جمله منابع مهم و حیاتی برای جلوگیری از گسترش فراگیر این ویروس است که به علت محدودیت در تولید و کمبود، بایستی  برای استفاده اولویت­بندی و تخصیص شود. تخصیص مکانی براساس دستورالعمل‌های ارائه شده به عنوان یکی از راه‌های قابل اطمینان که می‌تواند معیارهای پایه‌ای تخصیص منابع محدود درمانی را برآورده سازد در این تحقیق به اجرا درآمده است. برای دستیابی به این هدف، با تعریف چهار سناریو که ذیل دو روش AHP و منطق فازی دسته بندی می‌گردد نتایج متفاوتی حاصل شد. در سناریو نخست با استفاده از روش AHP وزن‌دهی معیارهای انتخابی انجام شده و سپس با استفاده از نرم افزار ArcMap اولویت‌بندی محلات شهر حاصل و به نمایش گذاشته می‌شود. در سه سناریو بعدی از منطق فازی جهت تخصیص  واکسن کرونا در محلات شهر مشهد استفاده گردید با این تفاوت که انتخاب معیارها به ترتیب برای سناریو دوم تا چهارم براساس دستورالعمل WHO، وزارت بهداشت و درمان ایران و خرد جمعی بومی سازی شده انجام پذیرفته است. با بررسی نتایج حاصل از 4 سناریو مذکور، تفاوت اولویت‌بندی محلات شهر مشهد از دو جهت کمی و کیفی مشخص می‌شود. از نظر تعداد، سناریو مربوط به خرد جمعی بومی سازی شده توسط نگارندگان، بیشترین تعداد محلات دارای اولویت یک و ضروری برای واکسیناسیون را دارا است و بعد از آن به ترتیب دستورالعمل مبتنی بر وزارت بهداشت و درمان ایران، دستور العمل ارائه شده توسط WHO و در نهایت سناریو روش AHP از نظر فراوانی محلات دارای اولویت یک قرار می‌گیرد. از نظر نحوه پراکندگی محلات با اولویت‌های متفاوت، تنها سناریو نخست از نظم خاصی پیروی می‌کند به گونه‌ای که محلات اطراف حرم مطهر دارای بیشترین اولویت است و به تدریج با دور شدن از آن اولویت محلات کمتر می‌شود. همچنین همبستگی میان سناریوها نشان از ارتباط بالای میان سناریو سوم و چهارم دارد ولی در اغلب موارد همبستگی بالایی میان سناریوها مشاهده نمی‌شود. باتوجه به خروجی هریک از چهار سناریو و نظر به اینکه در تمام این سناریوها محلات مرکز شهر دارای اولویت بالاتری هستند، پیشنهاد می­شود واکسیناسیون از محلات مرکزی شروع شده و به ترتیب اولویت در سایر محلات واکسیناسیون انجام شود تا تاثیر واکسینه شدن به سرعت افزایش یابد. مساله حاضر محدودیت­های را نیز شامل می­شود که می­توان به عدم وجود داده­های موردنیاز برای برخی معیارهای واکسیناسیون اعلام شده توسط سازمان جهانی بهداشت و وزارت بهداشت و درمان ایران اشاره کرد؛ مانند تعداد دانشجویان خوابگاهی در هر محله مشهد و یا تعداد رانندگان وسیله نقلیه عمومی که به جهت شغل خود ارتباط مستمر با عموم مردم عاملی تاثیرگذار در انتقال ویروس کرونا هستند. با این وجود توصیه می­شود در مطالعات آتی در صورت دست­یابی به این اطلاعات به منظور بررسی هرچه دقیق­تر مساله واکسیناسیون تمام موارد و معیارهای تاثیرگذار در تحقیق لحاظ شود.

تشکر و قدردانی

از شهرداری مشهد و اعضای آزمایشگاه فتوگرامتری، سنجش از دور و GIS دانشگاه فردوسی مشهد جهت در دسترس قرار دادن داده­های خام مورد استفاده در این پژوهش و همچنین تکمیل پرسشنامه‌های AHP کمال تشکر را داریم.

تضاد منافع

نویسندگان این مقاله تعهد می‌نمایند که هیچ‌گونه تضاد منافعی وجود ندارد.


Type of Study: Applicable | Subject: General
Received: 2021/05/2 | Accepted: 2021/07/4 | Published: 2021/11/1

Add your comments about this article : Your username or Email:
CAPTCHA

Send email to the article author


Rights and permissions
Creative Commons License This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

© 2024 CC BY-NC 4.0 | Tolooebehdasht

Designed & Developed by : Yektaweb