Geographic Sensitivity of COVID-19 Outcomes: A Multiscale Analysis of Temporal and Spatial Non-Stationarity in the Contiguous United States
تُظهر هذه الدراسة أن التفاوتات في حالات كوفيد-19 على مستوى المقاطعات في الولايات المتحدة المتصلة ناتجة عن عدم الاستقرار الزماني والمكاني متعدد المقاييس، ولا سيما حدوث انقلاب في تدرج الوفيات بين المناطق الحضرية والريفية بمرور الوقت، بدلاً من كونها ناتجة عن نقاط ضعف اجتماعية وبيئية ثابتة، مما يفسر سبب فشل التحليلات التراكمية في تحديد مؤشرات ثابتة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
لطالما كانت جغرافيا المرض سؤالاً مركزياً في الصحة العامة. فعلى مدى عقود، حاول العلماء رسم خرائط توضح لماذا تعاني بعض الأماكن من مرض ما أكثر من غيرها، بحثاً عن سمات ثابتة في المجتمع — مثل الفقر، أو الكثافة السكنية، أو الوصول إلى الرعاية الصحية — قد تجعل موقعاً ما أكثر عرضة للخطر بطبيعته. يفترض هذا النهج أن مخاطر المكان هي خاصية ثابتة، مثل لون المنزل، تظل كما هي بغض النظر عن وقت حدوث تفشٍ ما. ومع ذلك، تحدت جائحة كوفيد-19 هذه الرؤية؛ إذ لم يضرب الفيروس الولايات المتحدة بأكملها في وقت واحد، بل وصل إلى أماكن مختلفة في أوقات مختلفة، كما تغيرت الأدوات المتاحة لمحاربته بشكل جذري على مدار ثلاث سنوات. إن فهم كيفية تحول مخاطر موقع ما مع تطور الأزمة، بدلاً من مجرد البحث عن سبب واحد ثابت، أمر ضروري لاستيعاب التأثير غير المتكافئ للجائحة.
يكشف تحليل جديد للجائحة عبر الولايات المتحدة المتصلة أن قصة من أصيب ومن مات كانت أكثر ديناميكية مما اقترحته الدراسات السابقة. فقد فحص الباحثون البيانات من 2,754 مقاطعة، وتتبعوا الحالات والوفيات اليومية من يناير 2020 حتى مارس 2023. وربطوا هذه النتمايات بعشرات العوامل المحلية، بما في ذلك الهشاشة الاجتماعية، وجودة الهواء، ومعدلات الأمراض المزمنة. واختبرت الدراسة افتراضين شائعين: الأول هو أن خصائص المقاطعة تتنبأ بإجمالي عدد الإصابات والوفيات لديها بطريقة مستقرة، والثاني هو أن هذه العلاقات تظل ثابتة في كل مكان عبر الخريطة. وقد دحضت النتائج فكرة أن المقاطعة تحمل مستوى ثابتاً من المخاطر. وبدلاً من ذلك، تُظهر البيانات أن العوامل التي تُلقى عليها اللائمة عادةً في التفاوتات لم تحمل أي معلومات تقريباً حول إجمالي عدد الإصات التي شهدتها المقاطعة. وعندما تعلق الأمر بالوفيات، كان المتنبئ الوحيد الثابت هو ببساطة حجم سكان المقاطعة، ولكن حتى هذه العلاقة انقلبت تماماً على مدار الجائحة.
إن الاكتشاف الأكثر إثارة للدهشة هو كيف تغيرت العلاقة بين حجم المقاطعة ومعدلات الوفيات اتجاهها. ففي ربيع عام 2020، عندما وصل الفيروس لأول ለመ، واجهت المقاطعات الكبيرة ذات الكثافة السكانية العالية خطراً أكبر بك jauh للوفاة. حيث شهدت مقاطعة يزيد حجم سكانها بمقدار انحراف معياري واحد عن المتوسط خطراً في الوفاة أعلى بنسبة 29 بالمئة تقريباً من المقاطعة الأصغر. وكان هذا منطقياً في ذلك الوقت، حيث انتشر الفيروس بسرعة عبر مدن كبرى مثل نيويورك قبل وجود اللقاحات أو العلاجات الفعالة. ومع ذلك، ومع تقدم الجائحة خلال صيف عام 2020 وما تلاها من موجات، انعكس هذا النمط. ففي كل موجة لاحقة، كانت المقاطعات الكبيرة تمتلك في الواقع معدلات وفيات أقل، تراوحت بين 10 إلى 24 بالمئة أقل من نظيراتها الأصغر. وكان هذا التحول مكتملاً لدرجة أن الميزة المبكرة للبلدات الصغيرة والميزة اللاحقة للمدن الكبرى ألغتا بعضهما البعض عندما نظر الباحثون إلى الجائحة بأكملها ككتلة زمنية واحدة. وهذا يفسر لماذا وجدت الدراسات السابقة التي لخصت جميع البيانات نتائج ضعيفة أو مربكة؛ إذ كانت تجمع بين واقعين متضادين في رقم واحد مضلل.
لم يكن هذا الانعكاس ناتجاً عن نقص في البيانات أو مجرد عوامل ديموغرافية. فقد قام الباحثون بتعديل معدلات التطعيم، التي كانت وقائية للغاية في الموجات اللاحقة، كما عدلوا بالنسبة للعمر، نظراً لأن الفئات العمرية الأكبر سناً هي الأكثر عرضة للخطر. وحتى بعد هذه التعديلات، ظل النمط قائماً: فقد ضُربت المدن الكبيرة بقوة في البداية، وعانت البلدات الصغيرة أكثر في وقت لاحق. ووجدت الدراسة أيضاً أن النطاق الجغرافي لهذا التأثير قد تغير. ففي البداية، كانت المخاطر العالية في المدن الكبيرة ظاهرة محلية للغاية، متركزة في عدد قليل من المناطق الحضرية الساحلية. ومع تحول الفيروس إلى مرض مستوطن وانتشاره في جميع أنحاء البلاد، توسع تأثير حجم المقاطعة ليشمل البلاد بأكملها، مؤثراً على المناطق الريفية والحضرية على حد سواء.
كما اختبر الباحثون ما إذا كانت العلاقة بين العوامل المحلية ومعدلات الوفيات تختلف باختلاف المكان، وهو مفهوم يُعرف باسم "عدم الاستقرار المكاني". واستخدموا نماذج إحصائية متقدمة لمعرفة ما إذا كان تأثير عامل معين، مثل الفقر أو جودة الهواء، يختلف من جزء في البلاد إلى آخر. ووجدوا أن معظم العوامل الاجتماعية والبيئية لم تختلف باختلاف الموقع؛ إذ كان تأثيرها ثابتاً في جميع أنحاء البلاد. وكانت الأشياء الوحيدة التي تباينت حقاً حسب المكان هي خطر الوفاة الأساسي وتأثير حجم السكان. وهذا يشير إلى أن فكرة "خريطة الهشاشة الثابتة"، حيث تكون أنواع معينة من الأحياء دائماً أكثر عرضة للخطر، لا تتوافق مع واقع الجائحة. بدلاً من ذلك، كانت جغرافيا المخاطر مرنة، شكلها توقيت وصول الفيروس ونطاق انتشاره المتغير.
في نهاية المطاف، يجادل هذا العمل بأنه لفهم المخاطر الصحية القائمة على المكان، يجب أن ننظر إلى كل من الزمان والمكان في آن واحد. فاللقطة الواحدة أو الإجمالي التراكمي لا يمكنهما استيعاب ظاهرة تعكس نفسها على مدار ثلاث سنوات. لم تكشف الجائحة عن مشهد ثابت للهشاشة، بل كشفت عن مشهد ديناميكي حيث تغيرت المخاطر المرتبطة بالتواجد في مدينة كبيرة أو بلدة صغيرة مع تطور الأزمة. ومن خلال الاعتراف بأن هذه العلاقات ليست ثابتة، يمكن لمسؤولي الصحة العامة التنبؤ بشكل أفضل بكيفية تحرك التفشيات المستقبلية وأين ستضرب بقوة، متجاوزين البحث عن الأسباب الدائمة لفهم الطبيعة المتغيرة للمخاطر نفسها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.