המודלים מצביעים השנה על התפרצות מוקדמת, ועל זני שפעת חזקים במיוחד >>
המימרה אומרת: אם ראית עונת שפעת אחת, ראית רק עונת שפעת אחת. משערים שהשפעת משתנה כל כך משנה לשנה, שהיא למעשה בלתי ניתנת לחיזוי. אך במהלך שש השנים האחרונות ניסו ב-CDC לחזות מראש כל עונת שפעת. והמודלים שלהם אינם מנבאים עונת שפעת קלה השנה. כל שנה מאז 2013 ערך ה-CDC תחרות הנקראת FluSight, שבה חוקרים מציגים את דגמי ההסתברות שלהם זה לעומת זה, כדי לראות איזה מהם יכול לנבא באופן הטוב ביותר את מהלך עונת השפעת. המודל הזוכה בשנה שעברה, ַדנְ ֶטה, הוצג תחת ניהולו של דייב אוסתוס מהמעבדה הלאומית בלוס אלאמוס. והרי החדשות הרעות: "דנטה מודאג במקצת שהעונה תהיה עונה גרועה, שתתחיל מוקדם," אומר אוסתוס. זאת משום שרמת התחלואה לעונה זו עד כה היתה גבוהה מהרגיל לתקופה זו של השנה, הוא מסביר. השפעת פרצה לראשונה בשבוע הראשון של נובמבר, כשבדרך כלל היא מתחילה שבוע או שבועיים אחרי חג ההודיה (שחל בסוף נובמבר), ואוסתוס מציין כי "לעתים קרובות כשהעונה מקדימה, זה מעיד כי זו תהיה בדרך כלל עונה קשה יותר." ייתכן שתתפלאו במקצת לשמוע שכיום יש לנו תחזיות לגבי השפעת. זאת משום שה-CDC החל לפרסם ידיעות לציבור המבוססות על תחזיות אלה רק בשתיים או שלוש העונות האחרונות. "נדרשו מספר עונות כדי שה-CDC יגיע למצב הזה, משום שרצינו להבין כיצד המודלים פועלים בזמן אמת," אומר מאתיו ביגרסטאף, אפידמיולוג ב-CDC העומד בראש מאמצי FluSight. "רצינו לבנות רשומות מעקב. ברגע שהשגנו זאת, והיתה לנו תחושה טובה לגבי המצב בכל רחבי ארצות הברית, התחלנו לפרסם את הידיעות." כעת הם משווים הערכות מכל המדינות בארה"ב לגבי מועד ההתפרצות הצפוי של השפעת.
אך הם עברו דרך ארוכה עד שהגיעו לשלב זה, והמודלים עדיין אינם מושלמים.
אחד האתגרים הגדולים ביותר בחיזוי השפעת הוא שהחוקרים עובדים תמיד עם נתונים ישנים. מדי שבוע, מפרסם ה-CDC נתוני influenza-like illness ILI, או נתונים של מחלות דמויות שפעת, מה שמעניק לאנשי בריאות הציבור הערכה של כמה אנשים חלו בשפעת. בתי חולים ומרפאות מסוימים אוספים נתונים אלה לפי מספר האנשים שהגיעו אליהם מדי שבוע עם תסמיני שפעת, ולאחר מכן שולחים את הנתונים ל-CDC. אך הם תמיד בעיכוב של שבוע או שבועיים, משום שנדרש זמן לאסוף את כל המידע הזה. התחזיות סובלות מכך שהן תמיד נמצאות בפיגור, ומשום כך חוקרים רבים מחפשים שיטה הנקראת "תחזית בהווה" – nowcasting
הרעיון הוא שבמקום לחכות ולראות כמה אנשים ניגשו לרופאים עם תסמינים דמויי שפעת, החוקרים יוכלו לבדוק נתוני חיפושים באינטרנט, כדי לראות כמה אנשים מחפשים במנועי חיפוש תסמיני שפעת או דברים דומים. אך מידע זה עלול להטעות. "האתגר ביחס למיפוי נתוני חיפוש באינטרנט מול נתוני מחלות דמויות שפעת הוא שביכולתנו לראות כמה אנשים חיפשו את המילה "שיעול" בגוגל, אך איננו יודעים מדוע הם חיפשו אותה," מסביר אוסתוס. "אולי מישהו היה צריך להגיש עבודה לשיעור ביולוגיה בבית הספר על הצטננות, ולכן הדבר אינו משקף באמת את מצבו הבריאותי."
גוגל עצמה ניסתה לערוך תחזיות בהווה (nowcast) במשך שנים, אך במידה מועטה של הצלחה, לפני שנטשה לגמרי את היוזמה. המודל הזוכה של אוסתוס עצמו לא השתמש כלל בנתוני חיפוש באינטרנט, אם כי הדגם הנוסף שלו, שכן השתמש בנתונים מסוג זה, זכה במקום השני. אך אין פירושו של דבר שתחזיות nowcast הן חסרות תועלת – לדברי אוסתוס אין בהן צורך כדי לערוך תחזית מדויקת, אך אין פירושו של דבר שהן אינן יכולות להועיל. אחד המודלים הראשונים שלו השנה, דנטה+, משלב תחזיות nowcast בתקווה שתיקונים עדינים מסוימים יוכלו לשפר את המודל הכולל.
המטרה הסופית הוא להיות מסוגלים לחזות מתי והיכן תפרוץ השפעת, כדי שכל אחד יוכל להתכונן לקראתה.
מקרה לציון: ההתפרצות המוקדמת האפשרית השנה. היעד של התחזיות הוא בסופו של דבר לשנות את ההתנהגות, אחרת אין בהן טעם רב. באופן אידיאלי, ה-CDC היה רוצה להניע אנשים לקבל חיסונים נגד שפעת בשלב מוקדם, והם מקווים שאם תהיה בידיהם תחזית, הדבר ישפר את שיעורי ההתחסנות. "אם אנחנו רואים תחזיות שמתחילות להפגין בטחון גבוה יותר שתהיה התפרצות בסוף דצמבר, נוכל לומר לאנשים 'זו ההזדמנות האחרונה שלכם'," מסביר ביגרסטאף. לא ברור בדיוק באיזו מידה התחזיות ידרבנו אנשים להתחסן, אך אחד הגורמים התורמים לשיעורי ההתחסנות הוא בדרך כלל תפיסת הסיכון – ותחזיות יוכלו להגביר את הסיכויים.
תחזיות יוכלו גם לעזור בצד הלוגיסטי. בתי חולים ומרפאות יוכלו להבין טוב יותר מתי להגביר את איוש הצוות או להזמין יותר אספקה, אילו יידעו שהשפעת עומדת לפרוץ באזורם בקרוב. בתי ספר יוכלו לתכנן סגירה בשיא העונה. יצרנים יוכלו לשלוח אספקה לפי תחזיות ברמה מדינתית או אזורית. "כמעט כל עונת שפעת אנו עדים לחוסר נקודתי בתרופות אנטי-ויראליות, וזה לא בגלל מחסור ברמה לאומית," אומר ביגרסטאף. "זה בגלל שיש לנו חוסרים נקודתיים באיזורים מסוימים שאולי השפעת פרצה בהם מוקדם יותר." ככל שהתחזיות שלנו יהיו מוצלחות יותר, כן נוכל יותר למנוע מצבים מסוג זה.
והחדשות הטובות הן שחוקרים לומדים בכל עונה שחולפת כיצד לשפר את התחזיות, ממש כמו חזאי מזג האוויר. כל עשור, הצליחו תחזיות מזג האוויר לחזות במדויק יום נוסף לעתיד, מציין אוסתוס, ולדעתו תחזיות השפעת מתקדמות באותו כיוון. התקדמות איטית אך יציבה היא המפתח, ואם יש קפיצות ודילוגים, הרי זה לטובה. "למרות שנהוג לומר: 'אם ראית עונת שפעת אחת, ראית רק עונת שפעת אחת,' קיימת בבירור עונתיות," אומר אוסתוס. "יש מאפיינים משותפים המתגלים כמעט כל הזמן, וביכולתנו ללמוד מהם."
\
