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.