تجزيه‌ و تحليل مبتني بر سناريو شيوع كرونا در ايران توسط مدل‌ سازي پويائي‌ شناسي سيستم‌ها - با محوريت سيستم حمل‌ و نقل

Scenario-Based Analysis about COVID-19 Outbreak in Iran using Systematic Dynamics Modeling - with a Focus on the Transportation System

امروزه بيماري كرونا به يكي از تهديدات بزرگ جهاني تبديل‌شده است. ريسك بالاي اين بيماري در انتقال بين انسان‌ها و نبود دارو و واكسن براي مقابله با آن موجب شده است كه برنامه‌ريزي‌هاي متعددي براي پيشگيري و تخمين روندهاي مرتبط با آن انجام شود.كرونا براي اولين بار در تاريخ 31 دسامبر 2019 در شهر ووهان چين گزارش‌شده است. اين بيماري پس از مدت‌زمان كوتاهي در كشورهاي ديگر گسترش‌ يافت و به يك بيماري همه‌گير جهاني تبديل‌ شد. ازآنجاكه نحوه برنامه‌ريزي در استفاده از سيستم حمل‌ و نقل توسط مردم تأثير مهمي در كنترل يا اشاعه اين بيماري دارد، با محور قرار دادن اين عنصر يك مدل پويائي شناسي سيستم‌ها در اين مقاله ارائه‌شده است. اين مدل به ‌بررسي دو سناريو متفاوت در خصوص افراد مبتلا، ميزان مرگ‌ و مير و ميزان بهبودي مي‌پردازد. اين سيستم با توجه به زيرسيستم‌هاي مختلفي مانند سيستم‌هاي مراقبت‌هاي بهداشتي، حمل‌ونقل، تماس بين مردم و ظرفيت‌هاي شبكه‌هاي مواد غذايي و دارويي طراحي‌شده است. در مدل پيشنهادي اين مقاله از يك ساختار جريان براي نشان دادن چگونگي تأثير بخش‌هاي مختلف سيستم‌ها و زيرسيستم‌هاي وابسته بر شيوع اين بيماري در طولاني‌مدت استفاده مي‌شود. نتايج گرفته‌شده از مدل پيشنهادي نشان مي‌دهد كه بخش‌هاي مختلف سيستم اصلي و زيرسيستم‌هاي مرتبط با آن در مدل‌سازي پويائي شناسي سيستم‌ها داراي حساسيت‌ها و تأثيرات متفاوتي هستند. تحليل اين مدل باتوجه به نتايج دو سناريو بررسي‌شده در اتخاذ تصميم توسط دولتمردان مفيد خواهد بود. نتايج مرتبط با مدل پيشنهادي با فرض عدم‌وجود واكسن يا داروي مؤثر در يك سال آينده بيانگر اين است كه تغيير در يك قسمت از سيستم مي‌تواند مرگ‌ومير كرونا را در شش ماه از 10500 نفر به بيش از 1.6 ميليون نفر افزايش دهد. بنابراين ميزان مرگ‌ و مير اين بيماري به سياست‌گذاري‌ها و رفتارهاي عوامل مؤثر در مدل وابسته است و با برنامه‌ريزي مناسب در مقابل هر سناريو مي‌توان ميزان مرگ‌ و مير را كاهش داد.

Today, coronavirus (COVID-19) has become a major global threat. A lot of programs are proposed to prevent and estimate its associated processes due to the high risk of its transmitting among humans and the lack of drugs and vaccines to stop it. COVID-19 was first reported on 31 December 2019 in Wuhan, China. After a short time, the disease spread to other countries and became a global disease. According to the lives of most people, the transportation system has a significant impact on controlling or spreading the disease. Therefore, this subsystem is considered as an element of a proposed system dynamics model in this article. This model examines two different scenarios for infected people, mortality rates, and recovery rates. The system is designed according to various subsystems such as health care systems, transportation, public contact, and the capacity of food and drug networks. In the proposed model of this paper, a flow structure is utilized to show the effects of different sections of systems and subsystems depend on the COVID-19 outbreak over a long time. The results of the proposed model show that different parts of the main system and its related subsystems have different sensitivities and effects. Analyzing this model will be useful for government decision-making based on the results of the two scenarios examined. It is assumed that there is no effective vaccine or drug in the next 6 months. The results of the proposed model show that different changes in subsystems could increase COVID-19 mortality in six months from 10,500 to more than 1.6 million. Therefore, the mortality rate of this disease depends on the policies and behaviors of the factors influencing the model. Consequently, the mortality rate can be reduced based on proper planning against each scenario.