کد خبر: ۲۱۲۲۱۰
تاریخ انتشار: ۱۸ مرداد ۱۴۰۰ - ۱۱:۱۵

محققان دانشگاه نیویورک در تازه‌ترین مطالعات خود میزان تاثیر ترس بر گسترش بیماری کرونا را مورد بررسی قرار داده و به نتایج قابل تاملی دست یافتند.

یک مدل ریاضی جدید برای پیش بینی شیوع بیماری‌های عفونی شامل ترس (هم از بیماری و هم از واکسن) برای درک بهتر اینکه چگونه همه گیری‌ها می‌توانند در موج‌های متعدد عفونت‌ها رخ دهند، مانند مواردی که با کووید-۱۹ مشاهده می‌کنیم، با عنوان مدل بیماری‌های سه گانه و ترس‌ها توسط محققان دانشکده بهداشت عمومی جهانی دانشگاه نیویورک NYU توسعه یافته و در مجله The Royal Society Interface منتشر شده است.

رفتار‌های انسانی مانند فاصله گذاری اجتماعی (که مانع از گسترش می‌شود) و امتناع از واکسن (که باعث ترویج آن می‌شود) پویایی همه گیری‌ها را برای قرن‌ها شکل داده است؛ با این حال مدل‌های سنتی اپیدمی به طور چشمگیری رفتار‌های انسانی و ترس‌ها را نادیده گرفته‌اند.

جاشوا اپستاین، استاد اپیدمیولوژی در دانشکده بهداشت عمومی جهانی NYU، مدیر موسسه آزمایشگاه مدل سازی مبتنی بر عامل NYU و نویسنده اصلی این مطالعه گفت: احساساتی مانند ترس می‌تواند بر رفتار منطقی غلبه کرده و تغییرات رفتاری غیر سازنده را ایجاد کند. ترس از یک بیماری مسری می‌تواند نحوه رفتار افراد مستعد را تغییر دهد؛ آن‌ها ممکن است برای محافظت از خود اقدامی انجام دهند، اما با از بین رفتن ترس، ممکن است این اقدامات پیشگیرانه را زودتر از موعد کنار بگذارند.

به عنوان مثال ترس از ابتلا به ویروسی مانند سارس-کوو۲ می‌تواند باعث شود افراد سالم در خانه خود را قرنطینه کرده و از ماسک استفاده کنند و به این ترتیب از گسترش جلوگیری می‌شود اما زمانی که میزان شیوع کاهش می‌یابد، ترس می‌تواند از بین برود و سبب شود خیلی زود قرنطینه یا ماسک را کنار بگذارند، در حالی که هنوز تعداد زیادی از افراد آلوده در گردش هستند. این سوخت لازم را به شکل افراد مستعد، روی توده ریخته و موج جدیدی را رقم می‌زند.

به همین ترتیب ترس از کووید-۱۹ میلیون‌ها نفر را به واکسیناسیون برانگیخته است، اما با مهار گسترش واکسن‌ها و به همراه آن ترس از بیماری، ممکن است افراد از واکسن بیشتر از بیماری بترسند و واکسیناسیون را کنار بگذارند و دوباره باعث احیای بیماری شوند.

برای اولین بار، مدل «سرایت سه گانه» این پویایی روانی را با پویایی بیماری مرتبط می‌کند و مکانیسم‌های رفتاری جدیدی را برای ماندگاری همه گیر و امواج متوالی عفونت کشف می‌کند.

اپشتاین می‌گوید: اگر ترس از کووید-۱۹ بیش از ترس از واکسن باشد، ممکن است باعث واکسیناسیون شود و بنابراین ویروس را سرکوب می‌کند، اما اگر افراد فکر می‌کنند واکسن ترسناک‌تر از بیماری است یا در مورد جدی بودن کووید-۱۹ تردید کنند و یا به دلیل ترس‌های بی اساس از واکسن که با اطلاعات غلط تغذیه می‌شود، بر اساس مدل ما افراد از واکسن اجتناب می‌کنند و یک چرخه جدید بیماری می‌تواند رشد کند.

اپشتاین اضافه کرد: ما شاهد اجرای این بازی در زمان واقعی در مناطقی هستیم که میزان واکسیناسیون کمتری دارد، جایی که نوع دلتا به سرعت در حال گسترش است و موارد در حال افزایش است. مدل ریاضی ایجاد شده توسط اپشتاین و همکارانش عوامل رفتاری مانند نسبت جمعیتی که از بیماری یا واکسن می‌ترسند و اینکه چگونه عوارض جانبی ناشی از واکسیناسیون علاوه بر در نظر گرفتن میزان انتقال بیماری، درصد جمعیت واکسینه شده و میزان واکسیناسیون می‌تواند باعث ایجاد ترس شود؛ این در حالی است که مدل ما تشخیص می‌دهد که ترس ماندگار نیست و می‌تواند در نتیجه اطلاعات نادرست یا به روزرسانی‌های هشداردهنده در جمعیت گسترش یابد یا با گذشت زمان یا اخبار اطمینان بخش محو شود.

 او گفت: علوم اعصاب نشان می‌دهد که ترس خود می‌تواند مسری باشد، اما ترس نیزمی‌تواند از بین برود. در مدل ما افراد ممکن است بر ترس خود از بیماری و واکسن با گذشت زمان یعنی هنگامی که شیوع بیماری کاهش می‌یابد، یا از تعامل با بهبودیافتگان غلبه کنند. افرادی که واکسن دریافت کرده بودند حداقل عوارض جانبی را داشته‌اند.

این مدل نشان می‌دهد که این دو ترس به گونه‌ای تکامل یافته و با یکدیگر تعامل دارند. این پویایی‌ها، به نوبه خود می‌توانند انتقال بیماری را تقویت یا سرکوب کنند که بر رفتار تاثیر گذاشته، باعث ایجاد مجدد بیماری و امواج متعدد می‌شود.

ارز هاتنا، استادیار بالینی اپیدمیولوژی در مدرسه بهداشت عمومی NYU و یکی دیگر از محققان این مطالعه گفت: مدل  «سرایت سه گانه» ما از عصب شناسی یادگیری ترس، انقراض و انتقال استفاده می‌کند تا مکانیسم‌های جدیدی را برای موج‌های همه گیر متعدد از نوعی که در همه گیری فعلی سارس-کوو۲ مشاهده می‌کنیم و روش‌های جدید برای کاهش میزان گسترش آن نشان دهد.

ارسال نظر
نام:
ایمیل:
* نظر:
شماره پیامک:۳۰۰۰۷۶۴۲ شماره تلگرام:۰۹۱۳۲۰۰۸۶۴۰
پربیننده ترین
ویدئو