Data-Driven Change-Point SEIR Modeling of the 2025 COVID-19 Epidemic Wave in China: Model Comparison, Robustness Analysis, and Residual Diagnostics

الأوبئة ليست أحداثاً ثابتة؛ بل هي قصص حية تُكتب بحركة الناس والفيروسات. لفهم هذه القصص، غالباً ما يستخدم العلماء خريطة ذهنية بسيطة تسمى "النموذج التقسيمي". تخيل سكاناً مقسمين إلى أربع مجموعات: أولئك المعرضون للإصابة بالمرض، وأولئك الذين أصيبوا به ولكن لم يظهر عليهم المرض بعد، وأولئك المرضى الذين يمكنهم نشر العدوى، وأولئك الذين تعافوا أو خرجوا من الدورة. هذا الإطار، المعروف باسم (SEIR)، يسمح للباحثين بتتبع كيفية تدفق العدوى عبر المجتمع بمرور الوقت. والمحرك الذي يدفع هذا التدفق هو معدل الانتقال، وهو رقم يمثل مدى سهولة انتقال الفيروس من شخص لآخر. لعقود من الزمن، كان الافتراض الشائع في هذه النماذج هو أن هذا المعدل يظل ثابتاً، مثل ريح مستمرة تهب عبر حقل. ومع ذلك، نادراً ما تسير الفاشيات في العالم الحقيقي بهذا التوحيد. فاللقاحات، والتغيرات في كيفية تفاعل الناس، والمتغيرات الجديدة للفيروس، والتحولات الموسمية، كلها عوامل يمكن أن تغير اتجاه الريح، وأحياناً بشكل مفاجئ. ويكمن التحدي أمام العلماء في تحديد متى وكيف تحدث هذه التحولات دون مجرد التخمين بناءً على ما تبدو عليه البيانات في الرسم البياني.

في دراسة نُشرت في أغسطس 2026، تناولت الباحثة ليلين شو هذا السؤال من خلال فحص موجة كوفيد-19 لعام 2025 في الصين. أظهرت البيانات نمطاً واضحاً: ارتفعت الحالات بشكل حاد في الربيع، ووصلت إلى ذروتها في أواخر مايو، ثم بدأت انخفاضاً طويلاً ومستقراً طوال الصيف. كان السؤال المركزي هو ما إذا كان يمكن تفسير هذه الرحلة بأكملها من خلال معدل انتقال واحد وثابت، أم أن سلوك الفيروس قد تغير جوهرياً في نقطة ما. ولإيجاد الإجابة، لم تكتفِ "شو" باختيار اليوم الذي بلغت فيه الحالات ذروتها وتصريح أن معدل الانتقال قد تغير حينها. بدلاً من ذلك، عاملت الدراسة توقيت التغيير كأنه لغز يجب حله بواسطة البيانات نفسها. اختبرت الباحثة آلاف التواريخ المحتملة، مطابقة النموذج مع أعداد الحالات اليومية لكل نقطة تحول محتملة. وكان الهدف هو إيجاد التاريخ المحدد الذي يتوافق فيه الوصف الرياضي للفاشية مع الأرقام الواقعية بأفضل شكل، باستخدام طريقة إحصائية صارمة تكافئ الدقة وتفرض عقوبة على التعقيد غير الضروري.

كشف التحليل أن نموذجاً يفترض معدل انتقال ثابتاً فشل في التقاط الشكل الحقيقي للوباء. فلم يستطع تفسير الارتفاع السريع في مايو والانخفاض المستمر الذي تلاه في آن واحد. ومع ذلك، عندما سُمح للنموذج بأن يحتوي على معدلين مختلفين للانتقال — أحدهما قبل تاريخ محدد والآخر بعده — تحسن الملاءمة بشكل كبير. أشارت البيانات إلى أن 24 مايو 2025 كان الموعد الأكثر احتمالاً للتغيير. كان هذا التاريخ يسبق يوم ذروة الحالات اليومية المرصودة بيومين، وهو توقيت منطقي بيولوجياً لأن الإصابات التي حدثت قبل التغيير ستستمر في التطور والتبليغ عنها لبضعة أيام بعد ذلك. وقبل نقطة التحول هذه، أشار النموذج إلى أن الفيروس كان ينتشر في نظام توسعي، حيث من المرجح أن يصيب كل شخص مصاب أكثر من شخص آخر. وبعد التغيير، انخفض معدل الانتقال بشكل كبير، مما نقل الوباء إلى مرحلة انكماش حيث لم يعد الفيروس قادراً على الحفاظ على نموه.

لقد بذلت الدراسة جهوداً كبيرة لضمان أن هذا الاستنتاج لم يكن مجرد صدفة ناتجة عن الأرقام المختارة. اختبرت الباحثة النموذج مقابل مجموعة واسعة من الافتراضات حول المدة التي يظل فيها الأشخاص معديين والمدة التي يقضونها في فترة الحضانة قبل ظهور الأعراض. وفي كل سيناريو، ظل الاستنتاج الجوهري صحيحاً: انتقل الوباء من حالة التوسع إلى حالة الانكماش. كما ظل الاستنتاج مستقراً حتى عندما عدلت الباحثة مقياس البيانات، مع الإقرار بأن الحالات المبلغ عنها ليست سوى جزء من جميع الإصابات الفعلية. يشير هذا الثبات إلى أن التحول في انتقال العدوى كان سمة هيكلية حقيقية لموجة عام 2025، وليس نتاجاً لكيفية قياس أو تفسير البيانات. وتجنبت الدراسة صراحةً الادعاء بأن سياسة حكومية معينة أو تدخلاً محدداً تسبب في هذا الانخفاض، بل حددت التغيير في شدة الانتقال كحقيقة، تاركةً الأسباب المحددة — سواء كانت تغيرات سلوكية، أو متغيرات جديدة، أو عوامل أخرى — ليتم التحقيق فيها بشكل منفصل.

حتى مع هذا النموذج المحسن، وجد الباحثون أن القصة لم تكن سلسة تماماً. فعندما نظروا في الفروقات بين تنبؤات النموذج والأرقام المبلغ عنها فعلياً، ظهر نمط أسبوعي واضح. فقد مال النموذج إلى المبالغة في تقدير الحالات في عطلات نهاية الأسبوع والتقليل منها خلال أيام الأسبوع. وهذه ظاهرة شائعة في مراقبة الأمراض، ومن المرجح أن تكون ناتجة عن حقيقة أن عمليات الاختبار، والمعالجة المخبرية، والتبليغ غالباً ما تتباطأ في عطلات نهاية الأسبوع وتتسارع خلال الأسبوع. يسلط هذا الاكتشاف الضوء على تمييز مهم: لقد نجح النموذج في التقاط المسار العام للوباء على مدار عدة أشهر، لكنه لم يستطع تفسير الإيقاعات الإدارية اليومية لنظام التبليغ. وتخلص الدراسة إلى أنه بينما تعد النماذج البسيطة أدوات قوية لفهم الصورة الكبيرة للفاشية، إلا أنه يجب اقترانها بفحوصات دقيقة لفهم ما تغفله. ومن خلال ترك البيانات تتحدث عن نفسها بدلاً من فرض معدل ثابت واحد، قدمت الدراسة صورة أوضح وأكثر صدقاً لكيفية تطور موجة عام 2025 في الصين، من فترة النمو السريع إلى انخفاض طويل ومستقر.