شش چالش در مدل سازی سیاست های بهداشت همگانی
چکیده
به طور کلی، تمامی اقدامات سازمان یافته برای جلوگیری از بیماری، ارتقاء سلامت و افزایش طول عمر در میان جمعیت، تعریفی است که سازمان بهداشت جهانی در مورد بهداشت همگانی ارائه کرده است (سازمان بهداشت جهانی، 2014). مدل سازی ریاضیاتی نقش مهمی را در یافتن مناسب ترین و مقرون به صرفه ترین روش ها برای دستیابی به اهداف فوق ایفاء می کند. به طور معمول، برنامه های بهداشت همگانی را در بلند مدت اجرا می کنند. این برنامه ها برای بیشتر مردم جامعه، منافع زیادی دارند. به ندرت اتفاق می افتد که کارآزمایی های بالینی آنقدر بزرگ باشند که اثرات این منافع را به درستی بیان کنند. می توان داده های مبتی بر مشاهده را برای ارزیابی برنامه ای استفاده کرد که شروع شده است، اما برای پیش بینی تأثیری که در آینده سیاست پیشنهادی خواهد داشت، ارزش کمی دارند. علاوه بر این، اغلب، کارورزان بهداشت همگانی می بایست به تهدیدات جدیدی پاسخ دهند که در خصوص آنها اطلاعات چندانی موجود نیست یا اطلاعات قبلی در مورد آنها برای ارزیابی تهدید وجود نداشته است. مدل های محاسباتی و ریاضیاتی می توانند در امر ارزیابی تهدیدات و تأثیرات احتمالی در ابتدای این فرآیند و سپس در تفسیر داده های سیستم های پیچیده و چندعاملی کمک کنند. به همین ترتیب، این مدل ها می توانند ابزار مهمی برای هدایت فعالیت بهداشت همگانی باشند. با این حال، به منظور دستیابی به ارتباطی موفق بین طراحی و بهداشت همگانی، چندین چالش وجود دارد. در اینجا، برخی از آنها را مطرح می کنیم.
نتیجه گیری
تغییر سیاست بهداشت ملی یا بین المللی به عنوان نتیجه ی مستقیم کار خودتان می تواند برای تحلیلگر بسیار رضایت بخش باشد. با این حال، برای اینکه این اتفاق رخ دهد و به منظور اطمینان از این موضوع که سیاست به شکلی مناسب نشان دهنده ی کار طراحی است، مشارکت کردن مناسب با سیاست گذاران ضروری است. مشارکت موفقیت آمیز فرآیندی بلندمدت است و درک عمیق تر نیازها و محدودیت های سیاست گذاران را شامل می شود که با تمایل به تغییر مدل ها به منظور تلاش کردن و بهتر نشان دادن این نیازها و محدودیت ها ادغام می شود. در عین حال، هم مدل سازان و هم شرکای سیاست آنان باید بسیار کار کنند، نتایج را به طور مناسبی تفسیر و بخصوص به طور مناسبی عدم قطعیت را بیان نمایند. این مشارکت باید به تضمین این موضوع کمک کند که سیاست گذاران، قیدها و محدودیت های این مدل ها را بهتر بشناسند، در حالی که این امر فرصت بیشتری را برای استفاده از مدل ها به عنوان ابزار تصمیم گیری به آنان می دهد. مشارکت عمیق تر با سیاست گذاران به مدل سازان در امر یافتن بهترین روش ها برای بیان واضح و به لحاظ علمی دقیق اطلاعات به منظور هدایت توسعه ی سیاست کمک خواهد کرد.
Abstract
The World Health Organisation's definition of public health refers to all organized measures to prevent disease, promote health, and prolong life among the population as a whole (World Health Organization, 2014). Mathematical modelling plays an increasingly important role in helping to guide the most high impact and cost-effective means of achieving these goals. Public health programmes are usually implemented over a long period of time with broad benefits to many in the community. Clinical trials are seldom large enough to capture these effects. Observational data may be used to evaluate a programme after it is underway, but have limited value in helping to predict the future impact of a proposed policy. Furthermore, public health practitioners are often required to respond to new threats, for which there is little or no previous data on which to assess the threat. Computational and mathematical models can help to assess potential threats and impacts early in the process, and later aid in interpreting data from complex and multifactorial systems. As such, these models can be critical tools in guiding public health action. However, there are a number of challenges in achieving a successful interface between modelling and public health. Here, we discuss some of these challenges.
Conclusions
Having national or international health policy change as a direct consequence of your own work can be enormously fulfilling for the analyst. However, for this to occur, and to ensure that the policy adequately represents the modelling work, proper engagement with policy makers is necessary. Productive engagement is a longterm process, and involves a deeper understanding ofthe needs and constraints of policy makers combined with a willingness to alter models inorder to try andbetter reflecttheseneeds andconstraints. At the same time, both modellers and their policy partners must work hard to appropriately interpret results, in particular appropriately communicating uncertainty. This engagement should help ensure that policy makers understand the limitations and constraints ofthe models better, while giving them more opportunities to usemodels as tools for decisions. Deeper engagement with policy makers will help modellers find the best ways of communicating clear and scientifically accurate information to best guide the development of policy.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
مقدمه
1. بیان محدودیت های مدل سازی
2. حفظ ارزش مدل ها در مواجهه با افق های فکری بلند مدت
3. انجام مدل سازی مفید در بافت «قوه های سیاه»
4. ادغام مدل سازان و مدل سازی در فرآیند سیاست
5. تجزیه و تحلیل اقتصادی و حمایت از تصمیم گیری
6. ایجاد چرخه ای که در آن نتایج بر تصمیمات و تصمیمات بر نتایج تأثیر می گذارند
نتیجه گیری
Abstract
Introduction
1. Communicating the limits of modelling
2. Maintaining the value of models in the face of long time horizons
3. Usefully deploying modelling in the context of ‘black swan
4. Integrating modellers and model-building into the policy process
5. Economic analysis and decision support
6. Creating a cycle where results inform decisions and vice versa
Conclusions
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه