تداوم خدمات سلامت ضروری در زمان همه‌گیری کووید-19: یک نامه به سردبیر

سردبیر محترمبیماری کووید19 و واکنش‌ نظام سلامت نسبت به آن می‌تواند اثرات منفی بر دسترسی مردم به خدمات سلامت ضروری داشته باشد و موجب افزایش ابتلا و مرگ ناشی از سایر بیماری‌ها به‌ویژه در گروه‌های آسیب‌پذیر مانند کودکان، سالمندان و بیماران مزمن شود. خدمات سلامت ضروری نظیر واکسیناسیون کودکان، مراقبت‌های دوران بارداری، پایش کودکان زیر پنج سال، خدمات تنظیم خانواده، مراقبت‌های سلامت روان و پیگیری بیماران مزمن ممکن است در دوران شیوع بیماری کووید19 با اختلال مواجه شوند.دسترسی مردم به خدمات سلامت در زمان شیوع بیماری کووید19 تحت تاثیر عوامل عرضه و تقاضا است. افزایش تعداد بیماران کووید19 در بیمارستان‌ها و مراکز بهداشتی درمانی موجب کاهش منابع و ابتلای کارکنان آنها به این بیماری می‌شود. در نتیجه، منابع انسانی و فیزیکی نظام سلامت به سمت تشخیص، درمان و کنترل بیماری کووید19 در این مراکز منتقل می‌شوند که منجر به کاهش یا حتی تعلیق ارایه برخی از خدمات غیراضطراری سلامت می‌شود. بسته شدن مرزها و اعمال محدودیت حمل و نقل موجب کاهش دسترسی به تجهیزات و داروها می‌شود (محدودیت در عرضه). از طرف دیگر، بیماران هم ممکن است به‌دلیل عدم اطمینان به کارکنان مراکز بهداشتی درمانی در پیشگیری و کنترل عفونت، ترس از ابتلا به بیماری کووید19، محدودیت‌های سفر اعمال شده توسط دولت و مشکلات مالی به مراکز بهداشتی درمانی مراجعه نکنند (محدودیت در تقاضا). سازمان بهداشت جهانی پیمایشی در سال 2020 میلادی برای تعیین اثرات کووید19 بر 25 خدمت سلامت ضروری در 105 کشور جهان انجام داد. حدود 90% کشورها اختلال در ارایه خدمات سلامت ضروری را گزارش کردند. ارایه خدمات اورژانسی در 16 کشور با اختلال مواجه شد. کشورهای عضو منطقه مدیترانه شرقی بیشترین اختلال را در ارایه خدمات سلامت اساسی داشتند. خدمات واکسیناسیون، تشخیص و درمان بیماری‌های غیرواگیر، خدمات تنظیم خانواده، مراقبت‌های بارداری و تشخیص و درمان سرطان با بیشترین اختلال مواجه بودند. عواملی مانند کاهش مراجعه بیماران سرپایی، محدودیت‌های قرنطینه‌ای، کمبود کارکنان و منابع، کنسلی خدمات سلامت غیراورژانسی و مشکلات مالی بیماران موجب کاهش استفاده از خدمات سلامت ضروری شده بود. فقط 55% کشورها اقداماتی را برای تضمین ارایه خدمات سلامت ضروری به‌کار گرفتند.1 در پیمایش سال 2021 سازمان بهداشت جهانی، حدود 89% کشورها اختلال در ارایه خدمات سلامت ضروری داشتند که بیشتر در مراقبت‌های بهداشتی اولیه و خدمات بازتوانی و تسکینی اتفاق افتاد. خدمات اورژانسی در 20% کشورها با اختلال مواجه شده بود. در دو سوم کشورها اعمال جراحی انتخابی کنسل شده بود. به‌عبارتی، ارایه خدمات سلامت ضروری در زمان همه‌گیری کووید19 با اختلال همراه بوده است.مرگ ناشی از عدم ارایه خدمات سلامت ضروری، ممکن است از مرگ ناشی از خود بیماری کووید19 نیز بیشتر باشد. به‌عنوان مثال، شیوع ابولا در غرب آفریقا در سال 2014 میلادی منجر به مرگ حدود 11 هزار نفر شد. در مقابل، 11 تا 26 هزار مرگ دیگر به‌دلیل وقفه در واکسیناسیون و درمان بیماری‌هایی مانند ایدز، مالاریا ، سل و سرخک رخ داد.3 در ایران نیز در سه ماهه اول سال 1400 شاهد چندین مورد ابتلا به سرخک بودیم.نظام سلامت باید از تاب‌آوری کافی برخوردار باشد تا ضمن کاهش ریسک ابتلای مردم و کارکنان سلامت به بیماری‌هایی مانند کووید19، خدمات سلامت ضروری را هم به مردم ارایه دهد. تاب‌آوری نظام سلامت در حقیقت، توانایی و ظرفیت پیش‌بینی، پیشگیری، جذب، تطبیق و تغییر نظام سلامت به هنگام مواجه با شوک و بحران و ارایه مستمر خدمات سلامت در زمان مدیریت شوک و بحران است. بنابراین، اجزای نظام سلامت شامل حاکمیت و رهبری، تامین مالی، نیروی انسانی، تجهیزات، ملزومات و داروها، سیستم اطلاعات و ارایه خدمات سلامت باید تقویت شوند.بکارگیری اصلاحات افقی برای تقویت نظام سلامت ضروری است. سیاستگذاران و مدیران نظام سلامت ضمن کنترل بیماری کووید باید اطمینان یابند که خدمات سلامت ضروری نادیده گرفته نمی‌شوند. پایش مستمر میزان استفاده از خدمات سلامت ضروری، شناسایی اختلالات ایجاد شده و علل آنها و بکارگیری اقدامات اصلاحی منجر به کاهش اثرات سلامتی ثانویه پاندمی کووید19 خواهد شد. در این راستا بکارگیری اقداماتی نظیر اولویت‌بندی خدمات سلامت ضروری، تعریف بسته خدمات سلامت ضروری، استخدام کارکنان اضافی، توسعه و اغتنای شغلی کارکنان، بکارگیری تیم‌های مراقبت سیار، پشتیبانی حمل و نقل بیماران، ارایه مراقبت در خانه،مشاوره‌های آنلاین پزشکی، مراقبت از راه دور، تمدید آنلاین نسخ بیماران مزمن، کاهش پرداخت مستقیم بیماران و اطلاع‌رسانی به مردم در زمینه تغییرات ایجاد شده مفید است.

Continuity of essential health services during the COVID-19 pandemic: a letter to editor

Background: The clinical field has vast sick data that has not been analyzed. Discovering a way to analyze this raw data and turn it into an information treasure can save many lives. Using data mining methods is an efficient way to analyze this large amount of raw data. It can predict the future with accurate knowledge of the past, providing new insights into disease diagnosis and prevention. Several data mining methods exist but finding a suitable one is very important. Today, coronavirus disease (COVID19) has become one of the causing deadly diseases in the world. The early diagnosis of pandemic coronavirus disease has a significant impact in preventing death. This study aims to extract the key indications of the disease and find the best data mining methods that enhance the accuracy of coronavirus disease diagnosis.Methods: In this study, to obtain high accuracy in diagnosing COVID19 disease, a complete and effective workflow over data mining methods was proposed, which includes these steps: data preanalyzing, indication selection, model creation, the measure of performance, and display of results. Data and related indications of patients with COVID19 were collected from Kerman Afzalipour Hospital and Rafsanjan, Ali Ebn Abi Taleb Hospital. Prediction structures were made and tested via different combinations of the disease indications and seven data mining methods. To discover the best key indications, three criteria including accuracy, validation and Fvalue were applied and to discover the best data mining methods, accuracy and validation criteria were considered. For each data mining method, the criteria were measured independently and all results were reported for analysis. Finally, the best key indications and data mining methods that can diagnose COVID19 disease with high accuracy were extracted.Results: 9 key indications and 3 data mining methods were obtained. Experimental results show that the discovered key indications and the bestoperating data mining method (i.e. SVM) attain an accuracy of 83.19% for the diagnosis of coronavirus disease.Conclusion: Due to key indications and data mining methods obtained from this study, it is possible to use this method to diagnose coronavirus disease in different people of different clinical indications with high accuracy.