تجزیه‌ و تحلیل مبتنی بر سناریو شیوع کرونا در ایران توسط مدل‌سازی پویائی‌شناسی سیستم‌ها - با محوریت سیستم حمل‌ونقل

امروزه بیماری کرونا به یکی از تهدیدات بزرگ جهانی تبدیل‌شده است. ریسک بالای این بیماری در انتقال بین انسان‌ها و نبود دارو و واکسن برای مقابله با آن موجب شده است که برنامه‌ریزی‌های متعددی برای پیشگیری و تخمین روندهای مرتبط با آن انجام شود.کرونا برای اولین بار در تاریخ 31 دسامبر 2019 در شهر ووهان چین گزارش‌شده است. این بیماری پس از مدت‌زمان کوتاهی در کشورهای دیگر گسترش‌ یافت و به یک بیماری همه‌گیر جهانی تبدیل‌ شد. ازآنجاکه نحوه برنامه‌ریزی در استفاده از سیستم حمل‌ونقل توسط مردم تاثیر مهمی در کنترل یا اشاعه این بیماری دارد، با محور قرار دادن این عنصر یک مدل پویائی شناسی سیستم‌ها در این مقاله ارائه‌شده است. این مدل به ‌بررسی دو سناریو متفاوت در خصوص افراد مبتلا، میزان مرگ‌ومیر و میزان بهبودی می‌پردازد. این سیستم باتوجه به زیرسیستم‌های مختلفی مانند سیستم‌های مراقبت‌های بهداشتی، حمل‌ونقل، تماس بین مردم و ظرفیت‌های شبکه‌های مواد غذایی و دارویی طراحی‌شده است. در مدل پیشنهادی این مقاله از یک ساختار جریان برای نشان دادن چگونگی تاثیر بخش‌های مختلف سیستم‌ها و زیرسیستم‌های وابسته بر شیوع این بیماری در طولانی‌مدت استفاده می‌شود. نتایج گرفته‌شده از مدل پیشنهادی نشان می‌دهد که بخش‌های مختلف سیستم اصلی و زیرسیستم‌های مرتبط با آن در مدل‌سازی پویائی شناسی سیستم‌ها دارای حساسیت‌ها و تاثیرات متفاوتی هستند. تحلیل این مدل باتوجه به نتایج دو سناریو بررسی‌شده در اتخاذ تصمیم توسط دولتمردان مفید خواهد بود. نتایج مرتبط با مدل پیشنهادی با فرض عدم‌وجود واکسن یا داروی موثر در یک سال آینده بیانگر این است که تغییر در یک قسمت از سیستم می‌تواند مرگ‌ومیر کرونا را در شش ماه از 10500 نفر به بیش از 1.6 میلیون نفر افزایش دهد. بنابراین میزان مرگ‌ومیر این بیماری به سیاست‌گذاری‌ها و رفتارهای عوامل موثر در مدل وابسته است و با برنامه‌ریزی مناسب در مقابل هر سناریو می‌توان میزان مرگ‌ومیر را کاهش داد.

ScenarioBased Analysis about COVID19 Outbreak in Iran using Systematic Dynamics Modeling with a Focus on the Transportation System

Today, coronavirus (COVID19) 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. COVID19 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 COVID19 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 decisionmaking 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 COVID19 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.