Webinar Epidemiologi 2 : Wajah Indonesia Pasca Pandemi Covid-19
Daftar Isi:
Seorang anak lelaki berusia 2 tahun di pedesaan Guinea meninggal karena Ebola pada bulan Desember 2014. Selama dua tahun berikutnya, hampir 30.000 orang di Afrika Barat akan terinfeksi virus Ebola.
Mengapa, tidak seperti 17 wabah Ebola sebelumnya, apakah yang ini tumbuh begitu besar, begitu cepat? Apa, jika ada, yang bisa dilakukan untuk mencegah wabah di masa depan? Pertanyaan-pertanyaan ini, bersama dengan banyak pertanyaan lainnya, merupakan jantung dari bidang ilmiah baru peramalan wabah. Dan taruhannya tidak bisa lebih tinggi. Pada bulan Januari, World Economic Forum menyebut pandemi sebagai salah satu risiko terbesar bagi bisnis dan kehidupan manusia.
Selama beberapa abad terakhir, para ilmuwan menjadi lebih baik dalam memprediksi banyak aspek dunia, termasuk orbit planet-planet, pasang surut dan aliran pasang surut, dan jalur badai. Kemampuan untuk memahami sistem alami dan fisik dengan cukup baik untuk membuat perkiraan yang akurat mungkin merupakan salah satu pencapaian terbesar umat manusia.
Sebagian besar keberhasilan ramalan ini dimulai dengan wawasan mendasar Isaac Newton bahwa ada hukum universal yang tidak berubah yang mengatur fenomena alam di sekitar kita. Kemampuan untuk melakukan perhitungan besar dengan cepat telah mendorong perspektif Newton bahwa, dengan data dan daya komputasi yang cukup, fenomena paling kompleks dapat diprediksi.
Namun ada batasannya. Sebagai ilmuwan yang mempelajari jenis sistem prediksi ini, kami ragu bahwa akan mungkin untuk memprediksi dengan tepat apa yang akan terjadi selanjutnya dalam wabah penyakit, karena variabel yang paling penting dapat berubah begitu banyak dari satu wabah ke wabah yang lain.
Inilah sebabnya, seperti halnya peramalan cuaca, mengumpulkan data waktu nyata kemungkinan penting untuk memajukan kemampuan komunitas ilmiah untuk memprediksi wabah.
Epidemi Capricious
Gagasan bahwa para ilmuwan dapat memodelkan epidemi didasarkan pada gagasan bahwa lintasan setiap wabah dapat diprediksi karena sifat intrinsik dan tidak berubah.
Katakanlah suatu penyakit disebabkan oleh patogen yang menular. Infeksi penyakit itu dapat dirangkum dalam jumlah yang disebut "rasio reproduksi dasar," atau R0, angka yang menggambarkan seberapa luas suatu patogen kemungkinan akan menyebar dalam populasi tertentu.
Jika ahli epidemiologi cukup mengetahui tentang R0 patogen, harapannya adalah bahwa mereka dapat memprediksi aspek wabah berikutnya - dan mudah-mudahan mencegah wabah skala kecil dari menjadi epidemi skala besar. Mereka mungkin melakukan ini dengan memobilisasi sumber daya ke daerah-daerah di mana patogen memiliki nilai R0 yang tinggi. Atau mereka mungkin membatasi interaksi antara pembawa penyakit dan anggota masyarakat yang paling rentan, seringkali anak-anak dan orang tua.
Dengan cara ini, R0 ditafsirkan sebagai angka yang tidak dapat diubah. Tetapi penelitian modern menunjukkan bahwa ini tidak terjadi.
Sebagai contoh, perhatikan epidemi virus Zika. Untuk penyakit ini, R0 berkisar antara 0,5 hingga 6,3. Ini adalah rentang yang luar biasa, mulai dari penyakit yang akan hilang dengan sendirinya hingga yang akan menyebabkan epidemi jangka panjang.
Orang mungkin berpikir bahwa kisaran luas nilai R0 untuk Zika ini berasal dari ketidakpastian statistik - yang mungkin para ilmuwan hanya perlu lebih banyak data. Tapi itu kebanyakan salah. Untuk Zika, banyak sekali faktor, mulai dari iklim dan nyamuk hingga keberadaan virus terkait lainnya seperti Dengue dan peran penularan seksual, semuanya mengarah pada nilai R0 yang berbeda dalam pengaturan yang berbeda.
Ternyata ciri-ciri epidemi - penularan patogen, tingkat penularan, ketersediaan vaksin, dan sebagainya - berubah begitu cepat selama wabah tunggal sehingga para ilmuwan dapat memprediksi dinamika hanya dalam perjalanan wabah itu. Dengan kata lain, mempelajari wabah penyakit virus Ebola pada bulan April 2014 dapat membantu para ilmuwan untuk memahami wabah Ebola dalam pengaturan yang sama pada bulan berikutnya, tetapi sering kali kurang membantu untuk memahami dinamika epidemi Ebola di masa depan, seperti yang terjadi pada Mei 2018.
Epidemi seringkali bukan fenomena yang rapi dan terbungkus. Mereka adalah kejadian berisik di mana banyak variabel memainkan peran penting, tetapi bergeser. Tidak ada kebenaran mendasar dari penyakit ini - hanya kumpulan detail yang tidak stabil yang bervariasi, seringkali menjadi terjerat, saat penyakit ini menyebar.
Prediksi yang lebih baik
Jika para ilmuwan tidak yakin mereka dapat memahami sistem epidemiologi dengan cukup baik untuk memprediksi perilaku yang terkait, mengapa repot-repot mempelajarinya?
Jawabannya mungkin terletak pada apa yang kita sebut "fisika lunak" prediksi: Para ilmuwan harus berhenti berasumsi bahwa setiap wabah mengikuti aturan yang sama. Ketika membandingkan satu wabah dengan yang lain, mereka harus mengingat semua perbedaan kontekstual di antara mereka.
Sebagai contoh, ahli biologi telah mengungkap banyak detail tentang infeksi influenza. Mereka tahu bagaimana virus berikatan dengan sel inang, bagaimana mereka bereplikasi, dan bagaimana mereka berevolusi melawan obat antivirus. Tetapi satu epidemi mungkin telah dimulai ketika populasi besar menggunakan transportasi umum pada hari tertentu dalam sebulan, sementara yang lain mungkin diprakarsai oleh jemaat di sebuah layanan keagamaan. Meskipun kedua wabah ini berakar pada agen infeksi yang sama, perbedaan ini dan banyak perbedaan lainnya menunjukkan bahwa para ilmuwan mungkin perlu membingkai ulang bagaimana mereka memodelkan bagaimana masing-masing berkembang.
Untuk memahami rincian ini dengan lebih baik, para ilmuwan membutuhkan investasi yang signifikan dalam data waktu nyata. Pertimbangkan bahwa Layanan Cuaca Nasional menghabiskan lebih dari $ 1 miliar per tahun untuk mengumpulkan data dan membuat perkiraan. CDC hanya menghabiskan seperempat banyak pada statistik kesehatan masyarakat dan tidak memiliki anggaran khusus untuk perkiraan.
Pengawasan penyakit tetap menjadi salah satu bidang ilmu pengetahuan yang dipertaruhkan tertinggi. Pertimbangan yang cermat untuk keadaan unik yang mendasari wabah dan pengumpulan data yang lebih bertanggung jawab dapat menyelamatkan ribuan nyawa.
Artikel ini awalnya diterbitkan di The Conversation oleh C. Brandon Ogbunu, Randall Harp, dan Samuel V. Scarpino. Baca artikel asli di sini.
Wabah Masih Bisa Wabah Orang Amerika Saat Ini
Hampir seperempat penduduk London meninggal ketika Wabah Besar menghantam kota itu pada tahun 1665 - dan ternyata tidak pernah hilang. Pada hari Kamis, para arkeolog mengisolasi asal-usul epidemi mengerikan - Yersinia pestis - yang bermanifestasi dalam kelenjar getah bening yang membengkak dan darah memancar dari lubang-lubang tubuh. ...
A.I. Mencegah Wabah E. Coli Selanjutnya
A.I. membandingkan tanda tangan genetik sampel E.coli yang telah menyebabkan infeksi pada manusia dengan sampel bakteri dari manusia, memungkinkan penelitian untuk memprediksi wabah.
Wabah Masih Hidup, Tetapi Ilmu Pengetahuan Mengatakan Itu Mungkin Tidak Akan Membunuhmu
Ketika seorang anak di Idaho didiagnosis dengan wabah bulan lalu, orang-orang mulai panik, tetapi segelintir orang masih terinfeksi setiap tahun. Meskipun penyakit ini terus mematikan jika tidak diobati, penyakit ini masih jarang dan dapat diobati dengan antibiotik.