محاسبه آستانه بحرانی: عدد تکثیر پایه چگونه ایمنی گله‌ای را تعیین می‌کند؟

اگر یک فرد حامل ویروس سرخک وارد اتاقی پر از افراد کاملا مستعد شود، انتظار ریاضی این است که بین ۱۲ تا ۱۸ نفر از آن‌ها مبتلا از اتاق خارج شوند. این عدد صحیح خاص — یعنی عدد تکثیر پایه یا $R_0$ — صرفا معیاری برای سرعت انتقال ویروس نیست. این دقیقا همان مخرجی است که برای محاسبه نسبت واکسیناسیون بحرانی ($p_c$) استفاده می‌شود؛ یعنی همان درصد دقیقی از جمعیت که برای توقف شیوع بیماری باید واکسینه شوند.[1]

مفهوم ایمنی گله‌ای بارها در ارتباطات بهداشت عمومی مطرح می‌شود و اغلب با ادبیاتی تبلیغاتی به‌عنوان یک پایان طبیعی برای اپیدمی به تصویر کشیده می‌شود. با این حال، در مدل‌سازی اپیدمیولوژیک، این مفهوم یک آستانه ریاضی کاملا تعریف‌شده است. خود این اصطلاح اولین بار در دهه ۱۹۲۰ در ادبیات دامپزشکی برای توصیف ایمنی طبیعی در دام‌ها ظاهر شد، اما اپیدمیولوژی مدرن از آن برای تعریف نقطه‌ای استفاده می‌کند که در آن یک پاتوژن دیگر نمی‌تواند رشد نمایی خود را حفظ کند.[1][6]

هسته اصلی این محاسبه بر یک معادله به‌طرز شگفت‌آوری ساده استوار است: $p_c = 1 - (1/R_0)$. این فرمول دیکته می‌کند که آستانه بحرانی واکسیناسیون کاملا به عفونت‌زایی ذاتی بیماری در یک جمعیت کاملا بکر بستگی دارد. البته این فرمول فرض می‌کند که هر فرد به‌طور تصادفی و برابر با هر فرد دیگری در ارتباط است؛ یک وضعیت کاملا تئوریک که به عنوان اختلاط همگن شناخته می‌شود.[5]

اعمال این فرمول برای سرخک، که دارای $R_0$ بین ۱۲ تا ۱۸ است، آستانه واکسیناسیون مورد نیاز را بین ۹۲٪ تا ۹۴٫۴٪ نشان می‌دهد. از آنجا که این ویروس به‌شدت مسری است، حاشیه خطا عملا وجود ندارد. اگر جمعیت واکسینه‌شده به زیر این کف ۹۲ درصدی سقوط کند، افراد مستعد باقی‌مانده سوخت کافی را برای از سرگیری شیوع نمایی ویروس فراهم می‌کنند.[1][4]

ماهیت غیرخطی فرمول $p_c$ به این معناست که تغییرات در انتهای پایین مقیاس $R_0$ تاثیرات عظیمی بر نرخ واکسیناسیون مورد نیاز دارد، در حالی که تغییرات در انتهای بالای آن، افزایش‌های حاشیه‌ای کمتری به همراه دارد. برای یک پاتوژن فرضی با $R_0$ برابر ۲، آستانه ۵۰٪ است. اگر $R_0$ دو برابر شود و به ۴ برسد، آستانه به ۷۵٪ جهش می‌کند. اما دو برابر کردن مجدد آن از ۱۰ به ۲۰، آستانه را تنها از ۹۰٪ به ۹۵٪ تغییر می‌دهد.[5][7]

این واقعیت ریاضی در مراحل اولیه پاندمی SARS-CoV-2 در سال ۲۰۲۰ به یک نقطه مرکزی سردرگمی تبدیل شد. تخمین‌های اولیه، $R_0$ سویه اجدادی را بین ۲٫۵ تا ۳٫۰ قرار می‌داد که آستانه بحرانی تقریبا ۶۰٪ تا ۶۷٪ را پیشنهاد می‌کرد. با این حال، همان‌طور که ویروس جهش یافت، این پارامترها نیز به‌طور چشمگیری تغییر کردند.[3][6]

تا زمان ظهور سویه دلتا، محققان $R_0$ آن را تقریبا ۵٫۱ تخمین زدند. قرار دادن این عدد جدید در فرمول، نسبت واکسیناسیون بحرانی تئوریک را به ۸۰٫۳٪ افزایش داد. ویروس اساسا الزامات ریاضی برای محافظت در سطح جمعیت را تغییر داده بود و اهداف پیشین بهداشت عمومی را عملا منسوخ کرد.[3]

محققان در نشریه بیماری‌های عفونی بالینی با تاکید بر شکاف میان تعریف ریاضی و درک عمومی خاطرنشان کردند: «اصطلاح 'ایمنی گله‌ای' به‌طور گسترده استفاده می‌شود اما معانی متنوعی را به همراه دارد.» وقتی مقامات از ایمنی گله‌ای صحبت می‌کنند، اغلب به جای آستانه دقیق $p_c$، به محافظت غیرمستقیمی اشاره دارند که برای افراد واکسینه‌نشده فراهم می‌شود.[1]

فرمول پایه همچنین فرض می‌کند که واکسن ارائه‌شده، ایمنی استریل‌کننده کامل و مادام‌العمری را فراهم می‌کند. در واقعیت، اثربخشی واکسن ($E$) به‌ندرت ۱۰۰٪ است. برای در نظر گرفتن این موضوع، اپیدمیولوژیست‌ها معادله را به $p_c = (1 - 1/R_0) / E$ تغییر می‌دهند. اگر یک واکسن تنها ۸۰٪ در برابر عفونت موثر باشد، نرخ پوشش مورد نیاز باید به همان نسبت افزایش یابد تا همان اثر در سطح جمعیت حاصل شود.[2][5]

اگر آستانه مورد نیاز پس از تعدیل برای اثربخشی واکسن از ۱۰۰٪ فراتر رود، به این معناست که دستیابی به ایمنی گله‌ای تنها از طریق واکسیناسیون، صرف‌نظر از اینکه چند نفر واکسن را دریافت می‌کنند، از نظر ریاضی غیرممکن است. ویروس همچنان به‌صورت اندمیک در گردش خواهد بود، هرچند واکسن‌ها ممکن است همچنان از بیماری شدید و بستری شدن در بیمارستان جلوگیری کنند.[2]

دینامیک جمعیت در دنیای واقعی، ریاضیات بی‌نقص معادله $p_c$ را پیچیده‌تر می‌کند. فرض اختلاط همگن زمانی که افراد واکسینه‌نشده به‌لحاظ جغرافیایی یا اجتماعی تجمع می‌کنند، با شکست مواجه می‌شود. یک کشور ممکن است به نرخ واکسیناسیون کلی ۹۵ درصدی خود ببالد، اما اگر آن ۵ درصدی که واکسینه نشده‌اند همگی به یک مدرسه بروند یا در یک محله زندگی کنند، عدد تکثیر محلی به بالای ۱٫۰ جهش خواهد کرد.[5][6]

این اثر تجمعی دقیقا همان دلیلی است که سازمان‌های بهداشت جهانی به‌جای میانگین‌های ملی، نرخ‌های پوشش محلی را رصد می‌کنند. مطالعه‌ای که در MDPI منتشر شد و داده‌های سال‌های ۲۰۱۹ تا ۲۰۲۳ را تحلیل کرد، نشان داد که «پوشش واکسیناسیون سرخک و سطح ایمنی گله‌ای ضد سرخک در جهان و مناطق تحت پوشش سازمان جهانی بهداشت بدتر شده است» و حتی در کشورهایی با سابقه پوشش بالا، کانون‌های محلی مستعد ابتلا ایجاد کرده است.[4]

تمایز بین عدد تکثیر پایه ($R_0$) و عدد تکثیر موثر ($R_e$) برای درک این شیوع‌ها بسیار مهم است. در حالی که $R_0$ شیوع بالقوه را در یک جمعیت کاملا مستعد اندازه‌گیری می‌کند، $R_e$ شیوع واقعی را در جمعیتی با ایمنی موجود و مداخلات رفتاری می‌سنجد.[1][5]

وقتی $R_e$ به زیر ۱٫۰ کاهش می‌یابد، شیوع در حال افول است. هدف از رسیدن به آستانه $p_c$ این است که $R_e$ را به‌طور دائمی و بدون نیاز به مداخلات رفتاری مانند فاصله‌گذاری اجتماعی یا قرنطینه، به زیر ۱٫۰ برسانیم. در واقع، این کار اصطکاک ایمونولوژیک را جایگزین اصطکاک رفتاری می‌کند.[2]

همان‌طور که در ادبیات زیست‌پزشکی اشاره شده است: «ایمنی گله‌ای یک پدیده مهم — و اغلب بدفهمیده‌شده — در بهداشت عمومی است.» این یک سپر جادویی نیست که با رسیدن به یک درصد خاص ناگهان فعال شود، بلکه افزایش تدریجی اصطکاکی است که ویروس در تلاش برای یافتن میزبان بعدی خود با آن مواجه می‌شود.[6]

کاربرد واقعی فرمول $p_c$ در توانایی آن برای تعیین اهداف ملموس در کمپین‌های بهداشت عمومی نهفته است. این فرمول با ترجمه عفونت‌زایی بیولوژیکی یک پاتوژن به یک سهمیه جمعیتی مشخص، یک هدف قابل‌اندازه‌گیری ارائه می‌دهد. ایستگاه بازرسی قابل‌تایید بعدی برای اپیدمیولوژی جهانی این است که آیا سیستم‌های بهداشت بین‌المللی می‌توانند تا پایان این دهه، پوشش محلی را دوباره به بالای آستانه ۹۵ درصدی برای سرخک برسانند و شکاف‌های آسیب‌پذیری ایجادشده بین سال‌های ۲۰۱۹ تا ۲۰۲۳ را پر کنند یا خیر.[4][7]