اثرات عبور از مرز ۱.۵°C گرمایش جهانی بر بار بیماری و نابرابری‌های سلامت: تحلیل AI از داده‌های جهانی

خلاصه سریع برای خواننده

• مطالعه‌ای مبتنی بر الگوریتم‌های AI (Random Forest و XGBoost) و روش‌های توضیحی (SHAP) رابطه بین افزایش دما و بار بیماری را مدل‌سازی کرده است.

<li در سناریوی گرمایش ۱.۵°C نسبت به سال پایه ۲۰۱۹، مرگ‌های مرتبط با گرما حدود +66.7% و DALY مرتبط با گرما +71.9% افزایش می‌یابد.

• اگر گرمایش به 2.0°C یا 2.5°C برسد، افزایش‌ها به‌طور چشمگیرتر و غیرخطی رشد می‌کنند و مرگ‌های مرتبط با گرما و بار بیماری قلبی به‌طور واضحی بالا می‌رود.
• تأثیرات مدل‌شده به‌طور غیرمتناسبی جمعیت‌های کم‌منبع و آسیب‌پذیر را هدف می‌گیرد؛ سیاست‌های کاهش انتشار و سازگاری سلامت ضروری‌اند.
• نتایج براساس مدل‌ها و مفروضات است؛ تفسیر نتایج باید با احتیاط و در نظر گرفتن محدودیت‌های داده و علت‌یابی انجام شود.

مقدمه

افزایش دمای متوسط جهانی نسبت به دوران پیشاصنعتی یکی از مهم‌ترین چالش‌های سلامت عمومی در قرن بیست‌ویکم است. مرزهایی مانند 1.5°C که در توافق‌نامه‌های بین‌المللی مطرح شد، تلاش برای محدود کردن خسارت‌های اقلیمی را نمایندگی می‌کند. پژوهشی که در مجله PLOS One منتشر شده، با استفاده از ترکیب روش‌های کاوشی و توضیحی مبتنی بر هوش مصنوعی، کوشیده است تا دستاوردهای کمی و مکانیزم‌های ارتباطی بین افزایش دما و بار بیماری (شامل مرگ‌ها و DALYها) را در سناریوهای گرمایش ۱.۵°C، ۲.۰°C و ۲.۵°C برآورد کند.

هدف مطالعه

هدف اصلی پژوهش تعیین و تشریح تغییراتِ بار بیماری جهانی در پاسخ به عبور از مرزهای گرمایی مختلف و فهم مکانیزم‌هایی است که باعث افزایش مرگ و ناتوانی می‌شوند. تیم پژوهشی به‌ویژه به سوالات زیر پرداخت: آیا رابطه بین گرمایش و بار بیماری خطی است یا دارای آستانه‌های غیرخطی؟ چه نقش‌هایی برای بیماری‌های قلبی و مرتبط با گرما وجود دارد؟ و چه گروه‌هایی بیشتر زیان خواهند دید؟

روش‌ها

چه داده‌هایی و چگونه استفاده شد

پژوهشگران از داده‌های مرگ و میر و DALYهای پایه (سال ۲۰۱۹) و مجموعه‌ای از شاخص‌های زیست‌محیطی و اجتماعی استفاده کردند. سپس از دو مرحلهٔ تحلیلی بهره بردند:

• مرحله کاوشی (Exploratory AI): مدل‌های Random Forest و XGBoost برای شناسایی الگوهای غیرخطی، تعامل بین متغیرها و آستانه‌های احتمالی استفاده شدند. این مدل‌ها توانایی یافتن روابط پیچیده و تعاملات را دارند که در مدل‌های خطی ساده ممکن است آشکار نشوند.
• مرحله توضیحی (Explanatory AI): برای افزایش شفافیت و درک مکانیزم‌ها از مقادیر SHAP (SHapley Additive exPlanations) و مدل‌های استنتاج علّی استفاده شد تا نقش نسبی عوامل مختلف در تغییر بار بیماری تفکیک شود.

شاخص‌های مورد بررسی

خروجی‌های کلیدی شامل مرگ‌های مرتبط با گرما، DALYهای مرتبط با گرما، و DALYهای بیماری‌های قلبی و عروقی (CVD) بودند. نتایج به‌صورت تغییرات نسبی و مطلق نسبت به سال پایه ۲۰۱۹ گزارش شده‌اند.

نتایج اصلی

مولفان تغییرات مورد انتظار در سه سناریوی گرمایش را گزارش کردند:

• 1.5°C: مرگ‌های گرمایی از ۰.۲۱ میلیون به ۰.۳۵ میلیون (+۶۶.۷%) و DALYهای گرمایی از ۴.۷۷ میلیون به ۸.۲۰ میلیون (+۷۱.۹%). DALYهای بیماری‌های قلبی از ۲۴.۱۸ میلیون به ۲۹.۵۰ میلیون (+۲۲.۰%).
• 2.0°C: مرگ‌های گرمایی به ۰.۵۲ میلیون (+۱۴۷.۶%) و DALYهای گرمایی به ۱۲.۵۰ میلیون (+۱۶۲.۱%). DALYهای CVD به ۳۵.۸۰ میلیون (+۴۸.۱%).
• 2.5°C: مرگ‌های گرمایی به ۰.۷۸ میلیون (+۲۷۱.۴%) و DALYهای گرمایی به ۱۸.۹۰ میلیون (+۲۹۶.۴%). DALYهای CVD به ۴۴.۲۰ میلیون (+۸۲.۸%).

الگوریتم‌ها همچنین نشان دادند که افزایش بار بیماری غیرخطی و با شیب تندتر در سطوح بالاتر گرمایش اتفاق می‌افتد؛ یعنی عبور از آستانه‌ها موجب تشدید اثرات می‌شود. همچنین جمعیت‌های کم‌منبع و مناطق دارای زیرساخت‌های ضعیفِ بهداشتی بیشتر در معرض افزایش بار قرار دارند.

مکانیسم‌ها و مسیرهای احتمالی

تحلیل SHAP و مدل‌های علّی نشان می‌دهد چند مسیر هم‌افزایشی می‌توانند مسئول افزایش بار بیماری باشند:

• تأثیر مستقیم گرما بر مرگ ناگهانی، کم‌خونی‌های زمینه‌ای و تشدید بیماری‌های مزمن مانند نارسایی قلبی.
• تشدید بیماری‌های قلبی و عروقی از طریق افزایش فشارهای فیزیولوژیک، کم‌آبی و تغییرات فشار خون.
• تأثیرات غیرمستقیم شامل کاهش دسترسی به مراقبت‌های بهداشتی به‌دلیل فشار بر سیستم‌های درمانی، اختلال در زیرساخت‌ها و فقرمندی که ریسک‌سازوکارهای سلامت را افزایش می‌دهد.
• افزایش نابرابری‌ها: جمعیت‌های آسیب‌پذیر (کودکان، سالمندان، افراد با بیماری‌های زمینه‌ای، جوامع کم‌درآمد) نسبت به سایرین بیشتر آسیب می‌بینند.

تفسیر نتایج

این مطالعه نشان می‌دهد که حتی افزایش متوسط دما تا سطوحی مانند ۱.۵°C می‌تواند بار بیماری قابل‌توجهی ایجاد کند و هر چه گرمایش بیشتر شود، واکنش بار بیماری غیرخطی و سریع‌تر خواهد بود. مدل‌ها نشان می‌دهند که اقدامات کاهش انتشار و همچنین تدابیر سازگاری در حوزه سلامت می‌توانند از بارهای قابل‌توجه آینده جلوگیری کنند—اما میزان دقیقِ صرفه‌جویی‌ها به سیاست‌ها، سرمایه‌گذاری‌ها و تغییر رفتارها بستگی دارد.

این یافته برای بیمار چه معنایی دارد؟

برای افراد و بیماران، نتایج مطالعه معانی عملی زیر را دارد:

• افزایش دما می‌تواند ریسک حوادث گرمایی و تشدید بیماری‌های مزمن مانند بیماری‌های قلبی را بالا ببرد؛ بنابراین افراد دارای بیماری زمینه‌ای باید نسبت به شرایط گرمایی حساس‌تر باشند.
• جمعیت‌های آسیب‌پذیر (سالمندان، کودکان، افراد با بیماری مزمن، افراد کم‌درآمد) بیشترین خطر را دارند و نیاز به توجه ویژه و دسترسی سریع به مراقبت دارند.
• سیاست‌های عمومی مانند سامانه‌های هشدار گرما، افزایش دسترسی به مراکز خنک‌کننده و برنامه‌های حمایت اجتماعی می‌توانند تاثیر ملموسی بر کاهش مرگ‌ها و ناتوانی‌ها داشته باشند.
• برای فرد، اقداماتی مانند شناسایی علائم گرمازدگی، هیدراسیون مناسب و پیگیری منظم بیماری‌های مزمن در دوران امواج گرما می‌تواند به کاهش خطر کمک کند؛ اما این توصیه‌ها جایگزین مراقبت پزشکی نیستند.

محدودیت‌ها و نکاتی که باید با احتیاط خواند

• ماهیت مدل‌سازی: نتایج بر پایه مدل‌های AI و مفروضاتی درباره سناریوهای گرمایش است. این نوع مدل‌ها برای پیش‌بینی مفیدند اما نمی‌توانند تمام عدم‌قطعیت‌ها و رخدادهای آینده را بازتاب دهند.
• کیفیت و پوشش داده‌ها: داده‌های مرگ و DALYها در برخی کشورها کامل یا دقیق نیستند؛ بنابراین خطاها یا سوگیری‌های گزارشگری می‌تواند بر نتایج تأثیر بگذارد.
• علّیت و همبستگی: اگرچه مدل‌های علّی و SHAP به فهم مسیرها کمک می‌کنند، اثبات قطعی رابطه علّی بین افزایش دما و هر یک از نتایج بالینی همیشه چالش‌برانگیز است و عوامل میانجی و مزاحم ممکن است وجود داشته باشند.
• تعمیم‌پذیری: نتایج به سطح جهانی گزارش شده‌اند؛ تغییرات منطقه‌ای چشمگیر است و شرایط محلی، زیرساخت‌ها و سیاست‌های بهداشتی می‌تواند نتایج را بسیار تغییر دهد. بنابراین برای هر کشور یا منطقه لازم است تحلیل‌های محلی انجام شود.
• سناریوها و برآوردها: سناریوهای ۱.۵°C، ۲.۰°C و ۲.۵°C فرضی بوده و رسیدن به هر یک به عوامل اقتصادی، سیاستی و فناوری وابسته است؛ بنابراین نتایج، برآوردی و نه قطعی‌اند.

کاربرد بالینی و سیاستی

اگرچه این مطالعه مستقیماً توصیه درمانی ارائه نمی‌دهد، پیامدهای کاربردی برای نظام‌های سلامت و سیاست‌گذاران قابل ذکرند:

• اولویت‌بندی سازگاری سلامت: تقویت سیستم‌های هشدار و پاسخ به گرما، آموزش کارکنان بهداشتی، و ایجاد فضاهای خنک‌کننده عمومی می‌تواند به کاهش مرگ و DALYها کمک کند.
• تمرکز بر جمعیت‌های آسیب‌پذیر: سیاست‌ها باید به طور مشخص به سالمندان، بیماران مزمن و جوامع کم‌منبع توجه کنند، از جمله تضمین دسترسی به مراقبت و حمایت اجتماعی در امواج گرما.
• سرمایه‌گذاری در پیشگیری از بیماری‌های قلبی: از آنجا که بار بیماری‌های قلبی در تمام سناریوها افزایش یافته است، تقویت پیشگیری، تشخیص زودهنگام و مدیریت بیماری‌های قلبی می‌تواند اثرات طولانی‌مدت را کاهش دهد.
• ترکیب سیاست‌های اقلیمی و سلامت: اقدامات کاهش انتشار (mitigation) و سازگاری (adaptation) در کنار هم بیشترین تأثیر را خواهند داشت؛ سلامت باید در برنامه‌ریزی‌های اقلیمی جایگاه مشخصی داشته باشد.

نظر تحریریه پزشک سایت

مطالعه بررسی‌شده از نظر روش‌شناسی ترکیب مناسبی از مدل‌های کاوشی و توضیحی مبتنی بر AI را ارائه می‌دهد که کمک می‌کند الگوهای پیچیده بین گرمایش و بار بیماری روشن‌تر شوند. با این حال، باید تأکید کرد که این نتایج پیش‌بینی‌های مدل‌محور هستند و تعیین سیاست‌گذاری به تحلیل‌های محلی‌تر، داده‌های باکیفیت و ارزیابی هزینه-فایده بستگی دارد. همچنان که داده‌های بهتر و مطالعات مکان‌محور در دسترس می‌شوند، می‌توان تصویر دقیق‌تری از اثرات سلامت گرمایش جهانی به‌دست آورد. در عین حال، تقویت اقدامات پیشگیرانه و سازگاری به‌عنوان اقداماتی منطقی و مبتنی بر شواهد به نظر می‌رسند.

چه زمانی باید با پزشک مشورت کرد؟

در صورت مواجهه با عوامل زیر، مشورت با پزشک ضروری است:

• علائم حاد مرتبط با گرما مانند سرگیجه شدید، تهوع مکرر، سردرد شدید، غش یا کاهش سطح هوشیاری.
• تشدید ناگهانی بیماری‌های مزمن، به‌ویژه بیماری‌های قلبی یا ریوی، در شرایط هوای خیلی گرم.
• دوران بارداری و بروز علائم غیرعادی مرتبط با گرما (در این گروه مشورت پزشکی و پیگیری دقیق ضروری است).
• کودکان خردسال که دچار کم‌آبی، بی‌قراری شدید یا بی‌حالی غیرمعمول می‌شوند.
• هر شرایطی که سبب کاهش دسترسی به برقی یا خنک‌کننده می‌شود و شما یا اطرافیانتان دارای بیماری زمینه‌ای باشید.

پرسش‌های رایج

۱. آیا افزایش دما واقعاً باعث مرگ‌های بیشتری می‌شود؟

مطالعه نشان می‌دهد که افزایش دما با افزایش مرگ‌های مرتبط با گرما و افزایش DALYها ارتباط دارد، اما این نتایج بر پایه مدل‌ها و سناریوها هستند و عوامل محلی و سازگاری‌ها می‌توانند اثرات را کاهش یا تشدید کنند.

۲. آیا تنها افراد مسن در خطرند؟

نه؛ اگرچه سالمندان ریسک بالاتری دارند، کودکان، افراد با بیماری‌های مزمن و جوامع کم‌منبع نیز به‌طور معنی‌داری در معرض خطر هستند.

۳. آیا کاهش انتشار جهانی می‌تواند این بار بیماری را کم کند؟

براساس نتایج مدل‌شده، محدود کردن گرمایش به سطوح پایین‌تر (مثلاً جلوگیری از عبور از ۲.۰°C) می‌تواند از میلیون‌ها مرگ زودرس و مقدار زیادی DALY جلوگیری کند؛ اما اثر دقیق به میزان و سرعت اقدامات بستگی دارد.

۴. آیا این نتایج برای همه کشورها یکسان است؟

خیر؛ تأثیرات منطقه‌ای متفاوت خواهند بود و عوامل محلی مانند دسترسی به مراقبت‌های بهداشتی، زیرساخت‌ها و اقدامات سازگاری می‌توانند نتایج را تغییر دهند.

۵. چه کارهای ساده‌ای می‌توانم برای کاهش خطر فردی انجام دهم؟

رعایت هیدراسیون، اجتناب از قرارگیری طولانی‌مدت در معرض آفتاب شدید، مدیریت دقیق بیماری‌های مزمن و آگاهی از هشدارهای محلی مربوط به گرما از جمله گام‌های مفید هستند؛ اما در صورت بروز علائم نگران‌کننده باید فوراً با پزشک تماس گرفت.

جمع‌بندی کاربردی

پژوهش مبتنی بر AI که در PLOS One منتشر شده، هشدار می‌دهد که عبور از مرزهای گرمایش جهانی با افزایش قابل‌توجه و غیرخطیِ بار بیماری همراه خواهد بود و این تغییر به‌طور نامتناسبی جمعیت‌های آسیب‌پذیر را هدف می‌گیرد. از منظر سیاستی و بالینی، دو راهبرد عمده ضروری به‌نظر می‌رسند: (۱) اقدامات کاهش انتشار برای محدود کردن گرمایش جهانی و (۲) تقویت سازگاری سیستم‌های سلامت با تمرکز ویژه بر جمعیت‌های آسیب‌پذیر. برای بیماران و افراد عادی، شناخت علائم گرمازدگی، مدیریت بیماری‌های مزمن و دنبال کردن هشدارهای محلی می‌تواند خطر را کاهش دهد. در نهایت، اجرای سیاست‌های محلی-منطبق با شواهد و بهبود کیفیت داده‌ها برای تصمیم‌گیری بهتر حیاتی است.

منبع

Beyond the 1.5°C planetary boundary: AI-forecast of Global Disease Burden and Health inequities — PLOS One, 2026

مطالب این مقاله فقط برای افزایش آگاهی عمومی است و جایگزین تشخیص یا درمان پزشکی نیست. برای اطلاعات بیشتر، صفحه سیاست پزشکی و سلب مسئولیت پزشک سایت را بخوانید.