مداخلات اجتماعی در کاهش شیوع HIV مؤثرتر از مداخلات رفتاری است

پژوهشی جدید از دانشگاه ماساچوست نشان داده است که مداخلات اجتماعی می‌توانند باعث کاهش قابل توجهی در شیوع ملی ویروس HIV شوند.  این مطالعه تأثیر یک مداخله فرضی ۱۰۰٪ مؤثر برای رفع موانع درمان و مراقبت HIV ناشی از افسردگی، بی‌خانمانی، فقر فردی و منطقه‌ای، نابرابری‌های آموزشی، نبود بیمه و بیکاری را بررسی کرده است.

به گزارش رسانه اخبار پزشکی مدنا، نتایج نشان می‌دهد چنین مداخله‌ای می‌تواند طی یک دهه، شیوع HIV را تا ۲۹٪ کاهش دهد. این مدل ریاضی، که ترکیبی نوآورانه از یادگیری ماشین، نظریه احتمال و شبیه‌سازی است، ابزاری مهم برای تصمیم‌گیران به منظور بهینه‌سازی برنامه‌های اجتماعی و کاربرد در سایر بیماری‌ها ارائه می‌دهد.

با وجود توانایی مهار ۱۰۰٪ ویروس از طریق دارو و جلوگیری کامل از گسترش بیماری، در سال ۲۰۲۲ همچنان ۳۱,۸۰۰ مورد جدید ابتلا به HIV ثبت شده است. به علاوه، هزینه مادام‌العمر درمان یک فرد مبتلا به HIV در آمریکا حدود ۴۲۰,۲۸۵ دلار است. چایترا گوپالاپا، استادیار مهندسی مکانیک و صنعتی در دانشگاه ماساچوست امهرست و نویسنده اصلی این مقاله، تأکید می‌کند که آسیب‌پذیری‌های اجتماعی، عامل اصلی تداوم همه‌گیری HIV هستند. طبق آمار، ۴۴٪ از افراد مبتلا به HIV دچار نوعی معلولیت هستند و ۴۳٪ از آن‌ها در خانوارهایی با درآمد زیر خط فقر زندگی می‌کنند.

در حالی که تحقیقات پیشین بیشتر بر عوامل رفتاری نظیر رفتارهای جنسی و استفاده مشترک از سوزن تمرکز داشتند، این مطالعه برای نخستین بار ارتباط میان عوامل اجتماعی و رفتارهای پرخطر مرتبط با HIV را کمی‌سازی کرده است. به گفته گوپالاپا: «صرفاً مداخلات رفتاری کافی نیستند. پرسش اینجاست که چه مداخلات دیگری لازم است؟»

این پژوهش با همکاری امیر خوش‌اقبال، دانشجوی دکتری، و پیتر هاس، استاد کالج اطلاعات و علوم کامپیوتر، صورت گرفته است. محققان ابتدا نسبت افراد مبتلا به HIV را که تحت تأثیر افسردگی، بی‌خانمانی، فقر فردی و منطقه‌ای، نابرابری آموزشی، نبود بیمه یا بیکاری قرار دارند، شناسایی کردند. نتایج نشان داد که ۷۸٪ از این افراد تحت تأثیر حداقل یکی از این عوامل اجتماعی هستند: ۵۸٪ از آن‌ها با یک یا دو عامل و ۲۰٪ با بیش از دو عامل روبه‌رو هستند.

این مدل در نظر می‌گیرد که هر عامل اجتماعی می‌تواند موانع متفاوتی برای درمان و مراقبت HIV ایجاد کند. به عنوان مثال، اگرچه درصد بیشتری از افراد مبتلا به HIV بیکار هستند (۱۴٪) نسبت به افرادی که بیمه ندارند (۳٪)، اما تحقیقات قبلی نشان داده است که بیمه تأثیر بیشتری بر دسترسی به مراقبت‌های HIV دارد. این مدل ترکیبی از نظریه احتمال و یادگیری ماشین است که به کمی‌سازی این پیچیدگی‌ها و شبیه‌سازی سناریوهای فرضی برای تحلیل تأثیر مداخلات اجتماعی کمک می‌کند.

گوپالاپا تأکید می‌کند که مداخلاتی نظیر کمک‌هزینه مسکن و غذا ممکن است هزینه‌بر باشند، اما درصد موارد ابتلا را کاهش می‌دهند و در بلندمدت از هزینه‌های سنگین درمانی جلوگیری می‌کنند. این مدل به تصمیم‌گیران کمک می‌کند تا ترکیب بهینه‌ای از برنامه‌های اجتماعی را برای کاهش هزینه‌ها و افزایش اثربخشی پیدا کنند. وی همچنین یادآور می‌شود که تأثیرات برنامه‌های اجتماعی فراتر از HIV است.

او می‌گوید: «بیماری‌ها به صورت مجزا رخ نمی‌دهند. همان عوامل اجتماعی که با HIV و عفونت‌های مقاربتی مرتبط هستند، با بیماری‌های روانی، قلبی‌عروقی، دیابت و مرگ‌ومیر مادران نیز در ارتباط‌اند. بنابراین، چگونه می‌توان این مداخلات را برای تصمیم‌گیری بهتر ادغام کرد؟»