k Sayısı: Göz Ardı Edilen COVID-19 Parametresi, Salgının Çözümü Olabilir!

Bu koronavirüs pandemisiyle ilgili bir tuhaflık var. Aylar geçip de bilim cemiyeti tarafından çok kapsamlı araştırmalar yürütülmesi sonrasında bile, açık kalan birçok soru mevcut.

Örneğin neden, kuzey İtalya'da bu kadar devasa bir ölü sayısı oldu da, ülkenin geri kalanında bu düzeyde ölümler görülmedi? Kuzey İtalya'nın bitişik halde bulunan sadece 3 bölgesi, ülkedeki 36.000 civarındaki ölümün 25.000'ine sahip. Bunlardan bir tanesi olan Lombardy'de, yaklaşık 17.000 ölüm görüldü. Bu ölümlerin neredeyse tamamı, salgının ilk birkaç ayında yaşandı. Nisan ayında binlerce kişi hızla ölüp de, sokaklarda ve kaldırımlarda ölü bedenler bırakılmak zorunda kalındığında, Quitu, Ekvator'da tam olarak ne yaşanmıştı?^[1] Birçok diğer ülkede de benzer yoğunluk, hava durumu, yaş dağılımı, seyahat örüntüleri olmasına rağmen, neden 2020'nin bahar aylarında çok az sayıda ülkedeki ölümler, küresel ölümlerin çok büyük bir kısmını oluşturuyordu? Avrupa'nın geri kalanı ikinci dalgayı yaşarken, onlara nazaran düşük vaka ve ölü sayıları nedeniyle bazılarınca övülen; ancak ülkeyi kapatmadığı ve pandemi başında çok sayıda ölü verdiği için bazılarınca yerilen İsveç'in salgına yaklaşımından ne öğrendik? Japonya'da çok büyük bir kıyım yaşanacağını öngören tahminler neden tutmadı? Baş döndürücü örnekler vermeye devam edilebilir.

Bu farklı gidişatlar hakkında son 9 ayda çok sayıda açıklama duyduk: hava durumu, yaşlı nüfus, D vitamini, önceden var olan direnç, sürü bağışıklığı... Ama bunların hiçbiri, bu büyük varyasyonların zamanlamasını veya boyutunu izah etmeye yetmemektedir. Buna rağmen, bu soruların açıklanmasına yardımcı olacak, şu anda süregelen ateşli tartışmaları baştan yaratacak ve hepsinden önemlisi, COVID-19 salgınını kontrol altına almamızı sağlayacak potansiyele sahip ve göz ardı edilen bir şey gerçekten de var.

k Sayısı, Salgını Anlamanın ve Bitirmenin Anahtarı Olabilir!

Şu ana kadar birçoğunuz R₀ sayısını duymuştur: bir patojenin temel üreme sayısı; yani, ortalama bulaşıcılık ölçüsü. Ancak eğer ki akademik makaleleri okumuyorsanız, muhtemelen k sayısı ile karşılaşmadınız.^[2] k-sayısı, patojenin yayılımının bir ölçüsüdür.

k sayısının resmi tanımı oldukça karmaşıktır; ancak basitçe anlatacak olursak, bir virüsün daha stabil bir şekilde mi, yoksa daha "hızla patlayan" şekilde mi yayıldığının bir ölçüsüdür. Bir diğer deyişle, bir insanın birçok kişiyi aynı anda hasta edip etmediğini ölçmektedir. 9 ay boyunca toplanan epidemiyolojik veriler sonucunda, karşı karşıya olduğumuz patojenin fazla yayılan bir patojen olduğunu biliyoruz. Yani salgın, kümeler halinde yayılmaktadır. Ancak bu bilgi, henüz bizim pandemiyle ilgili düşünce biçimimizde yeterince yer etmiş değildir. Keza, koruyucu uygulamalarımıza yönelik bakış açımızda da...

Şimdilerde çok meşhur olan R₀, bir patojenin bulaşıcılığının ortalama bir ölçüsüdür.^[3] Bir diğer deyişle, hasta biriyle temas etmesi sonrasında, hastalığa açık ortalama kaç kişinin hastalığa yakalandığını gösterir. Eğer 1 hasta insan, 3 diğer kişiyi hasta ediyorsa, R₀ sayısı 3'tür. Bu parametre, pandeminin nasıl çalıştığını anlamak konusunda anahtar bir faktör olarak fazlasıyla tutulmaktadır.^[4] Haber kaynakları, bu sayıyı açıklamak için birden fazla görselleştirme ve açıklama yöntemi kullandılar.^[5] Pandemiyle ilgili filmler, "her şeyden önemli olan" R₀ sayısı doğru açıklandığı için yapımcılar bolca övüldüler.^[6] Özel olarak hazırlanmış internet siteleri, bizim müdahelelerimiz sonrası dönüşmüş hali çoğunlukla R veya R_t olarak anılan bu sayının evrimini anlık olarak takip ediyorlar.^[7] (Eğer insanlar maske takıyorsa, kendilerini izole ediyorlarsa veya bağışıklık artıyorsa, hastalık baştaki kadar hızlı yayılamıyor, bu nedenle R₀ ve R diye iki ayrı sayı kullanılıyor.)

Ne yazık ki ortalamalar, bir olgunun yaygınlığı hakkında her zaman faydalı değillerdir; hele ki davranışlar arasında oldukça fazla fark varsa. Eğer Amazon'un CEO'su Jeff Bezos, içinde 100 kişi olan bir bara girecek olsa, o barın ortalama varlık değeri bir anda 1 milyar doların üzerine çıkardı. Eğer ben de o bara girecek olsam, bu sayı neredeyse hiç değişmezdi. Belli ki ortalama sayı, o bardaki varlık dağılımını anlamak veya değiştirmek için iyi bir kıstas değil. Yani kimi zaman verilmek istenen mesaj, ortalamadan bahsedilerek verilemez. Öte yandan eğer o barda COVID-19 ile enfekte olmuş biri varsa, o barda düzgün havalandırma yoksa ve bar gürültülü olduğu için insanlar kısa mesafede yüksek sesle bağırarak konuşmak zorunda kalıyorsa, bardaki herkes potansiyel olarak hastalığa yakalanacaktır. Bu örüntü, pandemi başından beri sürekli karşılaştığımız bir durum. İşte bu da, R sayısı ile ifade edilemiyor. Bu nedenle yayılım sayısına bakmak gerekiyor.

COVID-19 vakaları arasıında, tek bir kişinin sadece birkaç saatte bir oda dolusu insanın %80'ini hasta ettiğini gösteren örnekler var.^[8] Ama bazı diğer durumlarda COVID-19, şaşırtıcı şekilde az bulaşıcı olabiliyor.^[9] Virüsün bu aşırı yayılım gösterip, süper-bulaşıcı olduğu durumlar Dünya'nın her yerinde yürütülen araştırmalarda görülebiliyor.^{[10], [11], [12]} Giderek artan sayıda araştırma, hastalığa yakalanmış insanların çoğunun tek bir diğer bireyi hasta etmediğini gösteriyor. Yakın geçmişte yayınlanan bir makaleye göre, aşırı düzeyde test ve temas takibi yapılan Hong Kong'taki vakaların %19'unun, bütün hastalık yayılımının %80'ine sebep olduğu görüldü; vakaların %69'u ise hiç kimseye hastalığı bulaştırmamıştı.^[13] Bu bulgu, nadir değil: Başlangıçtan beri birden fazla akademik çalışma, hasta kişilerin %10-20 civarının hastalık bulaşımlarının %80-90 civarından sorumlu olduğunu gösteriyor; insanların birçoğu ise hiç kimseye hastalığı bulaştırmıyor.^{[13], [14], [15], [16]}

Süper Bulaştırıcılar, R0 Sayısını Güvensiz, k Sayısını Önemli Kılıyor!

Bu fazlasıyla yanlı ve dengesiz dağılım, başlangıçta yaşanan birkaç talihsiz süper-bulaşma olayı (veya kümelenme olayı) dolayısıyla, her ne kadar benzer olsalar da, ayrı ülkelerde ciddi düzeyde farklı sonuçlar doğmasına neden olabilir. Bilim insanları, küresel ölçekte yaptıkları bir analizde, hasta bir kişinin bir ülkeye geldiği bilinen erken bulaşma olaylarını incelediler.^[14] Bu araştırma sonucunda, bazı ülkelerde bu tür ithal edilen vakaların hiçbir ölüm veya bilinen enfeksiyona neden olmadıklarını gördüler; ancak bazı diğer ülkelerde bu bireyler, ölçülebilir büyüklükte salgınlara neden olmuşlardı. Genomik analizler yapan araştırmacılar, Yeni Zelanda'daki vakaların yarısından fazlası üzerinde yaptıkları incelemede, salgının başındaki aylarda baş döndürücü düzeyde, tam 277 ayrı virüs girişi olduğunu gördüler; ancak aynı zamanda, bunların sadece %19'unun 1'den fazla yeni hastaya neden olduğunu gördüler.^[17] Yakın geçmişte yapılan bir inceleme, yaşlı bakımevleri gibi, bir arada yaşayan insan gruplarındaki durumun da bu olabileceğini gösteriyor. Buralarda, bir salgının başlayabilmesi için birden fazla virüs girişi gerekiyor olabilir.^[18] Diğer yandan, Güney Kore'nin Daegu kentinde 31 Numaralı Hasta olarak isimlendirilen bir kadının, tek bir megakilise içerisinde 5000'den fazla kişiyi hasta ettiği biliniyor.^[19]

Şaşırtıcı olmayan bir şekilde, SARS-CoV-2'nin bir önceki versiyonu olan ve 2003 SARS salgınına neden olan SARS-CoV da bu şekilde aşırı yayılım göstermiş bir virüstü.^[20] Hasta olan insanların önemli bir çoğunluğu hastalığı bulaştırmıyordu; ancak sadece birkaç tane süper-bulaşma olayı, salgının büyük bir kısmına neden olmuştu. SARS'ın bir diğer kuzeni olan MERS de aşırı yayılım göstermiş gibi gözüküyor; ancak şanslıyız ki o virüs, insanlar arasında yeterince iyi yayılamıyor.^[21] Şimdilik...

Bu tür bir davranış, yani süper enfeksiyonlarla oldukça düşük enfeksiyonlar arasında gidip gelmek, tam da k sayısının tespit ettiği ve sadece R sayısına odaklandığımızda gözümüzden kaçan şey.^[16] Northeastern Üniversitesi'nde epidemiyoloji ve karmaşık sistemler yardımcı doçenti olan Samuel Scarpino, özellikle de pandemi oyun planı gribe yönelik geliştirilmiş olan Batılı toplumlardaki sağlık otoriteleri için bunun büyük bir sorun olduğunu söyledi. Tabii ki bu toplumların gribe odaklanması oldukça anlaşılır bir durum, çünkü grip pandemileri gerçekten de tehlikeli bir tehdit unsuru. Ama grip virüsü, bu tür bir kümelenme davranışı göstermiyor.^[18]

Hastalık örüntülerini deterministiğe-yakın veya stokastiğe-yakın olarak iki şekilde değerlendirebiliriz.^[22] Bunlardan ilki (deterministiğe-yakın olanlar), bir salgının dağılımının daha lineer (doğrusal) ve tahmin edilebilir olduğunu söyler; diğerinde (stokastiğe-yakın olanlarda) ise rastgeleliğin çok daha büyük bir rolü vardır ve bu nedenle tahminlerde bulunmak imkansız değilse bile zordur. Deterministik gidişatta dün olana bakarak, yarın ne bekleyeceğimizi öngörebiliriz. Stokastik olgular ise böyle çalışmaz: aynı girdiler her zaman aynı sonucu vermez ve dolayısıyla işler, hızlı bir şekilde bir durumdan bir diğerine kayabilir. Scarpino şöyle diyor:

Grip gibi hastalıklar neredeyse tamamen deterministiktir ve R0 sayısı her ne kadar hatalı bir metrik olsa da, doğru resmi çizmenizi sağlayabilir; yani aşı gelene kadar virüsü durdurmak neredeyse imkansızdır.

Ama süper-bulaştırıcılarla ilerleyen hastalıklarda durum böyle olmak zorunda değildir.

Pareto İlkesi ve 80/20 Kuralı: Salgının Çoğundan Az Sayıda Kişi Sorumlu!

Doğa ve toplum, bu tür dengesiz olgularla doludur. Bunların bir kısmının Pareto İlkesi olarak bilinen ve sosyolog Vilfredo Pareto'nun adını taşıyan bir ilkeye göre sürdüğü düşünülür. Pareto'nun öngörüsü, kimi zaman 80/20 Kuralı olarak da bilinir: Gelişimin %80'i, girdilerin %20'sinden kaynaklanır. Tabii sayılar bu kadar katı olmak zorunda değil. Daha ziyade Pareto ilkesi, sonuçların büyük bir kısmından olayların veya insanların küçük bir kısmının sorumlu olduğunu söyler. Bu, örneğin hizmet sektöründe çalışanları hiç şaşırtmayacak bir tespittir: Çok az sayıda müşteri, sorunların ve fazladan işin büyük bir kısmının nedenidir. Bu gibi durumlarda, bu müşterileri müesseseden kovmak veya onlara büyük bir indirim vermek sorunu çözebilir; ancak şikayetler eşit şekilde dağıtılmış olsaydı, farklı stratejilere başvurmak gerekirdi. Benzer şekilde, sadece R sayısına odaklanmak veya sadece grip pandemisi oyun kitabını kullanmak, fazlasıyla yayılmış bir pandemide çalışmayabilir.^[23]

Japonya'nın Sağlık, İşçi ve Refah Bakanlığı'nın Ulusal COVID-19 Kümelenme Birimi üyelerinden ve Tohoku Üniversitesi profesörlerinden Hitoshi Oshitani, Japonya'nın salgının başından beri aşırı yayılımın etkisine odaklandığını söylüyor. Ülkesinin bu yaklaşımını, ormana bakıp tekil ağaçları değil de, kümeleri görmeye çalışmaya benzetiyor.^[24] Bu sırada, Batılı ülkelerin ağaçlara takılarak dikkatlerini dağıttıklarını ve onlar arasında kaybolduklarını söylüyor. Süper bulaşıcı bir hastalıkla verimli bir şekilde savaşabilmenin yolu, yasa yapıcıların bu süper-bulaşma olaylarının neden kaynaklandığını tespit etmesinden, bunun her şeyi (özellikle de temas takip metotlarını ve test politikalarını) nasıl etkilediğini anlamasından geçiyor.

COVID-19'un Aşırı Yayıldığını Bilmek Bize Ne Fayda Sağlar?

Bir patojenin süper bulaşıcı olmasının farklı nedenleri olabilir.^[16] Sarı humma, aslen Aedes aegypti türü sivrisineklerle bulaşmaktadır; ancak bu böceğin hastalıktaki rolü keşfedilene kadar, salgının nasıl yayıldığı sorusu, birçok bilim insanının korkulu rüyası olmuştur. Tüberküloz (verem) hastalığının yakın mesafede damlacıklar yoluyla bulaştığı düşünülüyordu - ta ki bir dizi dahice hazırlanmış deney sonucunda, hastalığın aerosoller yoluyla yayıldığı ispatlanana kadar.^[25] SARS-CoV-2'nin süper bulaşıcılığı hakkında halen bilinmeyen çok fazla şey var. Belki de bazı insanlar virüsü aşırı saçıyorlardır ve diğerlerinden çok daha fazla bulaşmasına neden oluyorlardır. Tıpkı diğer hastalıklarda da olduğu gibi, temas takibi mutlaka önemli bir rol oynayacaktır: Seçim kazanma mücadelesi veren bir politikacının veya bir okul yurdunda yaşayan bir öğrencinin potansiyel olarak kaç kişiyle temasa geçtiği, küçük bir evde yaşayan yaşlı bir insanınkinden çok farklı olacaktır. Ancak 9 aylık epidemiyolojik veriye bakacak olurasak, bazı faktörlerin öne çıktığına dair güçlü ipuçları var.

Havalandırmasız, Kapalı, Kalabalık İç Mekanlar Aşırı Tehlikeli!

Araştırma üzerine araştırma yapıldığında, COVID-19 salgınındaki süper bulaşıcı kümelerin ezici bir kısmının çok az havalandırılan, iç mekanlarda buluşan çok sayıda insandan (örneğin düğünlerde, kiliselerde, korolarda, spor salonlarında, cenazelerde, restoranlarda ve benzeri yerlerde) kaynaklandığı görülüyor - özellikle de maske takmadan yüksek sesle konuşuluyor veya şarkı söyleniyorsa. St. Andrews Üniversitesi'nde enfeksiyon hastalıkları ve tıbbi viroloji alanında klinik araştırmacı ve eğitmen olan, aynı zamanda COVID-19'un bulaşma koşulları hakkında kapsamlı bir incelemenin eş yazarı olan Dr. Müge Çevik'in söylediğine göre, süper-bulaşma olaylarının yaşanması için, birden fazla şeyin aynı anda yaşanması gerekiyor ve her durumda ve aktivitede risk eşit değil.^[18]

Çevik'in söylediğine göre uzun süren temas, zayıf havalandırma, fazlasıyla bulaşıcı bir birey ve kalabalık bir ortam, süper-bulaşıcı olayının yaşanması için gereken anahtar koşullar. Süper-bulaşıcılık aynı zamanda iç mekanlarda, 1.5 metre kuralına uyulsa bile yaşanabiliyor; çünkü SARS-CoV-2, yani COVID-19'a neden olan patojen, özellikle de havalandırma zayıfsa, havada hareket edip birikebiliyor. Bazı insanların, diğerlerini, daha semptom göstermeden önce, çok az semptom gösterirken veya hastalığı tamamen semptomsuz olarak geçirirken de hasta edebildikleri düşünülecek olursa, kendimizin bile bir süper-bulaştırıcı olup olmadığımızı kestirmemiz mümkün olmuyor. Ayrıca süper-bulaşıcılığı etkileyen ama henüz keşfetmediğimiz diğer faktörler olup olmadığını da bilmiyoruz. Ama süper-bulaşıcı olaylarını önlemek için, bu olayları etkileyen bütün yeterli koşulları bilmemize gerek yok; sadece bu olayın yaşanması için çoğu durumda gerekli koşula dikkat etmek yetebilir: özellikle de havalandırmanın iyi olmadığı iç mekanlarda, özellikle de maske takmayan çok sayıda insanın varlığı. Florida Üniversitesi'nde biyoistatistikçi olan Natalie Dean, kümelerle ilişkilendirilen çok sayıda vaka düşünüldüğünde, sadece bunları hedef almanın bile bulaşma sayılarını dikkate değer miktarda azaltmak için yeterli olacağını söylüyor.

Geriye Dönük Temas Takibi Daha Önemli!

Aşırı yayılım aynı zamanda bizim temas takip çabalarımızı da yönlendirmeli. Aslına bakarsanız, şu anki yöntemin altını üstüne getirmemiz gerekiyor. Şu anda birçok ülke ve eyalet, geleceğe dönük temas takibi denen bir uygulamayı yapıyor. Enfekte olmuş bir insan tespit edildiğinde, onların temas ettiği kişileri tespit etmeye çalışıyoruz ki onları uyarabilelim, test edebilelim, izole edebilelim ve bu potansiyel temasları karantinaya alabilelim. Ama bu, temas takibi yapmanın tek yolu değil. Özellikle de bu virüsün aşırı yayılımcı olduğu düşünülecek olursa, tek taşla çok sayıda kuş vurmanın yolu da bu olmayabilir. Daha ziyade, birçok durumda takibi geriye dönük olarak yapmamız gerekiyor. Yani hastayı kimin enfekte ettiğini bulmalıyız.

Aşırı yayılımdan ötürü, bir kişi eğer ki bir diğer insana hastalığı bulaştırdıysa, muhtemelen çok sayıda diğer insana da bulaştırmış olacaktır; çünkü insanların sadece küçük bir kısmı, tek seferde, çok kişiye hastalığı yayabilmektedir; ama insanların büyük bir kısmı hiç kimseye hastalığı bulaştırmamaktadır veya sadece 1 kişiye bulaştırmaktadır. Epidemiyolog ve Bulaşmanın Kuralları kitabının yazarı Adam Kucharski, eğer geriye dönük temas takibi yapacak olursak, hastamızı hasta eden kişiyi bulabileceğimizi ve sonrasında o kişinin ileriye dönük temaslarını tespit edebileceğimizi, bu sayede diğer türlü olacaktan çok daha fazla vakayı tespit edebileceğimizi söylüyor.^[26] Çünkü ileri dönük temas takibi sadece potansiyel temasları tespit etmektedir - ki bunların da birçoğu zaten gerçekte yaşanmamaktadır; çünkü temas zincirlerinin büyük bir kısmı zaten kendiliğinden kırılmaktadır.

Arkadaşlık Paradoksu: Yalnızlığınız ve COVID-19 Riski Ortak Bir Kökene Sahip Olabilir!

Geriye dönük takibin önemi, sosyolog Scott L. Feld'in arkadaşlık paradoksu olarak tanımladığı olguyla benzerdir.^[27] Arkadaşlarınız, ortalamada, sizden daha fazla sayıda arkadaşa sahip olacaktır. (Üzgünüz!) Eğer arkadaşlığı ağ seviyesinde değerlendirdiğinizde, bu gerçek basitçe karşınıza çıkacaktır. Arkadaşlıklar eşit bir şekilde dağılmış değildir; bazı insanların çok sayıda arkadaşı vardır ve sizin arkadaş çevrenizde bu tür sosyal kelebekler olma ihtimali çok yüksektir, çünkü nasıl olmasın? Sizi ve diğer birçok kişiyi arkadaş edinmişlerdir. Ve bu sosyal kelebekler, sizin gibi ortalama bir insanın ortalama arkadaş sayısını yükseltmektedir. (Tabii ki durum, sosyal kelebeklerin kendileri için geçerli olmayacaktır; ancak aşırı yayılım, bu tür bireylerden çok daha az sayıda olduğunu gösterir.)

Benzer şekilde, hastalığı bulaştıran enfekte bir insan, pandemik bir sosyal kelebek gibidir: Bunların ortalamada hasta edeceği insan sayısı, popülasyonun çoğunun enfekte edeceğinden çok daha fazladır; çünkü insanların çoğu, hastalığı çok daha az bulaştıracaktır. Gerçekten de, Kucharski ve arkadaşlarının matematiksel olarak da gösterdiği gibi, aşırı yayılım "ileriye dönük temas takibinin ortalamada en çok sayıda ikincil enfeksiyonu tespit etmeye yarayacaktır."^[26] Tam tersi şekilde, "geriye dönük temas takibi, takip edilebilir en fazla vaka sayısını 2-3 kat arttıracaktır; çünkü birincil enfeksiyonlar, kümeyi başlatacak ilk kişi olmaktan ziyade, muhtemelen halihazırda kümelenmiş gruplardan gelmektedir."

Aşırı yayılmış bir pandemide bile ileri dönük temas takibi yapmak tamamen işlevsiz değildir; çünkü bu sayede insanları uyarıp test edebiliriz. Tabii eğer bunu yapabilecek fazladan kaynağımız ve test kapasitemiz varsa... Ancak bir yandan ileriye dönük takip yapıp, diğer yandan geriye dönük takip yaparak kümeleri bulmaya yeterince kaynak ayırmamak mantıklı değildir; bu, felaket reçetesidir.

Daha Ucuz ve Hızlı Testlere İhtiyacımız Var!

Aşırı yayılımın bir diğer önemli sonucu, hızlı ve ucuz testlerin önemini vurgulamasıdır. Şu anda baskın olan test ve takip modelini düşünün. Birçok yerde sağlık otoriteleri, hasta bireylerin ileriye dönük temasları aramaya ve bulmaya çalışmaktadırlar: yani bu kişi hasta olduktan sonra temas etmiş olabilecekleri herkesi! Sonrasında bunların hepsini pahalı, yavaş ama çok isabetli PCR (polimeraz zincir tepkimesi) testleriyle test etmektedirler. Bu, salgını yaymakta çok büyük öneme sahip olan kümeleri bulmanın en iyi yolu değildir.

PCR testleri burundan alınan örneklerde koronavirüse ait RNA segmentlerini tespit etmeyi hedeflerler; yani virüsün imzasını bulmaya çalışırlar. Bu tür tanı testleri iki farklı boyutta ölçülürler: Hasta olmayan kişileri tespit etmekte başarılı mı (spesifisite) ve hasta olan kişileri tespit etmekte başarılı mı (sensitivite)? PCR testi genellikle her iki boyutta da çok isabetlidir. Ama PCR testleri yavaş ve pahalıdır; dahası tıbbi bir fasilitede uzun süren bir işlemle, rahatsız edici bir burun örneği alınmasını gerektirir. Yavaş işlem süreleri dolayısıyla, ihtiyacımız olan kadar kısa sürede yeterli bilgiyi almamızı sağlayamazlar. Daha da kötüsü, PCR testleri o kadar güçlü tepki verirler ki, hasta biri bulaşıcı olmayı bıraktıktan çok uzun bir süre sonra bile, çok az miktardaki koronavirüs kalıntılarını tespit edebilirler.^[28] Bu da gereksiz karantinalara sebep olabilir.

Öte yandan araştırmacılar, hızlı testlerin hasta olmayan bireyleri tespit etmekte çok iyi olduğunu; ama hasta bireyleri tespit etmekte o kadar da iyi olmadıklarını gösterdi - ki bu, pandemiyi kontrol altına almamız için büyük öneme sahip.^[29] Princeton Üniversitesi'nde ekoloji ve evrimsel biyoloji alanında doktora adayı olan Dylan Morris, ucuz ve düşük sensitiviteye sahip testlerin, pandemi aşırı yayılım göstermiyor olsa bile onu durdurmamızda önemli olduğunu; ama daha da önemlisi, eğer ki salgın aşırı yayılmış haldeyse, kümelenmeleri tespit etmek için çok güçlü bir araç olduklarını söylüyor. Bu, özellikle de bu testler salya veya diğer daha az invazif yöntemlerle yapılabilirse ve tıbbi fasilitelerin dışında uygulanabilirse müthiş öneme sahip olacak.

Aşırı yayılmış bir salgın rejiminde bulaşma olaylarını (bir kişinin bir diğerini hasta etmesi) tespit etmek, hasta bireyleri tespit etmekten çok daha önemlidir. Hasta bir bireyi ve hasta olduktan sonra temas ettiği 20 diğer kişiyi düşünün. Diyelim ki bunlardan 10 tanesini ucuz ve hızlı testlerle test ettik ve 1-2 saatte sonuçları aldık. Bu, o 10 kişiden tam olarak hangisinin veya hangilerinin hasta olduğunu tespit etmek için yeterince iyi bir yöntem değildir; çünkü pozitiflerin bir kısmını kaçıracaktır. Ama bu, bizim amaçlarımız çerçevesinde sorun değildir. Eğer herkes negatif ise, kimsenin enfekte olmadığını varsayabiliriz; çünkü bu testler, negatifleri bulmakta iyidir. Ama eğer ki birkaç adet bulaşma tespit edersek, elimizde bir süper-bulaşıcı olduğunu düşünebiliriz ve o 20 kişinin her birinin kendisini pozitif varsaymasını ve izole etmesini talep edebiliriz. Çünkü eğer ki 1-2 bulaş varsa, çok büyük ihtimalle daha fazla sayıda bulaş vardır. Bu, kümelenme davranışının özünde yatan mantıktır. Yaşa ve diğer faktörlere bağlı olarak, o kişileri tek tek PCR ile de test edebiliriz, böylece hasta olan kişileri tam olarak tespit edebiliriz (veya hepsinin hastalığı geçirmesini bekleyebiliriz).

Scarpino'nun söylediğine göre aşırı yayılım olayları, atık sularını test etmek gibi diğer toptan yöntemlerin etkisini de arttırmaktadır. Özellikle de yurtlarda ve yaşlı bakımevlerindeki atık sularını test etmek, herkesi test etmemizi sağlamaktadır; böylece herkesi test etmeden, kümelenme olaylarını tespit edebiliriz. Atık suyu testlerinin de sensitivitesi düşüktür; yani eğer ki çok az sayıda insan enfekte olduysa, birçok pozitifi kaçırabilir.^[30] Ama toplum seviyesinde takibi kolaylaştırdığı için iyi bir yöntemdir. Eğer atık suları muhtemelen hiçbir enfeksiyon olmadığını söylüyorsa, her bir potansiyel vakayı tespit etmek için herkesi test etmemize gerek kalmaz. Ama bir kümelenmenin ilk izini gördüğümüz anda, hızla herkesi izole edebiliriz ve duruma bağlı olarak, tek tek PCR testi yapabiliriz.

Ne yazık ki, yakın bir geçmişe kadar bu tür ucuz testlerin birçoğu ABD'de regülasyon ajanslarının denetimi altında tutuluyordu; çünkü bu kurumlar, PCR testlerine nazaran bu testlerin düşük pozitif tespit başarısından endişe ediyorlardı. Bu durum, özellikle de aşırı yayılmış bir patojen içeren bir ortamda, bu testlerin popülasyon seviyesindeki önemlerini görmezden gelmişti.

Pandeminin Sırları: Ülkeler Arası Farkların Kaynağı Ne?

Pandemiyle ilgili gizemli noktalara dönecek olursak: Diğer ülkelerle benzer özelliklere sahip olmalarına rağmen, bazı yerlerde neden çok farklı gidişatlar gördük? Neden alıştığımız analitik araçlarımız (örneğin vaka analizlerimiz, ülkeler arası kıyaslamalarımız) bize daha iyi cevaplar veremedi? Cevap, entelektüel olarak tatmin edici değil; ancak hastalığın aşırı yayılımı ve stokastisitesi (rastgeleliği) dolayısıyla cevap, salgından en azından başlarda en ağır etkilenen bölgelerin basitçe birkaç tane talihsiz süper-bulaşma vakası yaşaması olabilir.

Şans, Önemli Bir Faktör ve Salgını Anlamayı Zorlaştırıyor!

Elbette vaziyet sadece şanstan ibaret değildi: Yoğun popülasyonlar, yaşlı vatandaşlar, dip dibe yaşama alışkanlığı gibi durumlar, dünyanın dört bir yanındaki şehirleri daha taşra, daha az yoğun, daha genç, daha az toplu taşım kullanan, daha sağlıklı vatandaşlara sahip olan şehirlerden daha kötü duruma düşürdü. Ama neden Şubat ayında, birebir aynı hükümet ile yönetilen, aynı ülkede bulunan, aynı insanlardan oluşan, aynı hava durumuna sahip olan ve diğer birçok benzerliği taşıyan 2 ayrı şehirden Seoul değil de Daegu salgın nedeniyle vuruldu? Her ne kadar sinir bozucu olsa da, bazen cevap, "31 Numaralı Hasta'nın gittiği megakilise her neredeyse, orada salgın yaşandı." demek kadar basittir.

Aşırı yayılım dolayısıyla dünya genelinden dersler çıkarmak bizler için zordur; çünkü bizlerin normalde nedenleri ve sonuçları düşünme biçimimizi bozmaktadır. Örneğin virüsün bulaştığı ve bulaşmadığı vakalardaki sonuçları öğrenme biçimimiz asimetriktir. Örneğin Springfield, Missouri'deki fazlasıyla meşhur olmuş bir vakayı ele alalım.^[31] Bu vakada hasta olmuş iki saç stilistinin (berber) her ikisi de semptomatik olmalarına rağmen, maske takarak müşterilerinin saçlarını yapmaya devam ettiler. Görünen o ki, 139 müşterinin saçını yapmalarına rağmen hiçbiri hastalığa yakalanmamıştır (bunların 67'si direkt test edilmiştir, diğerleri hasta olmadıklarını raporlamışlardır). Maskelerin bulaşma olaylarını baskıladığına yönelik çok fazla kanıt olsa da, bu olayı tek başına bize maskelerin çalıştığını söyleyemezdi. Tam tersine, bulaşma vakaları söz konusu olduğunda, bir olayın daha nadir yaşanması, çok daha öğretici olabilmektedir. Eğer o iki saç stilisti, maske takmalarına rağmen virüsü çok sayıda bireye bulaştırmış olsaydı, maskelerin süper-bulaştırıcı olaylarını önlemekte o kadar da önemli olmadığına yönelik bir kanıt olabilirdi.

Girdilerin ve çıktıların birbirine çok karıştığı durumlarda kıyaslamalar da bize daha az bilgi vermektedir. Böyle bir durumda, faktörlerden birinin (örneğin güneş ışığı almanın veya D vitaminin) varlığına bakarak, bir sonuç ile (örneğin enfeksiyon oranı ile) ilişkili olup olmadığına bakabiliriz. Ama bunu yapmak, şansa bağlı olarak sonuçların fazlasıyla değişebildiği durumlarda çok daha zordur. Örneğin Güney Kore'de, yanlış kişinin Şubat ayının ortalarında yanlış yerde olması sonucu kökünden değiştirmiştir.^[32] Bu, ülkeler arası kıyaslamaların, farklı yerlerdeki farklı hastalık gidişatının ardında yatan dinamikleri açıklayamamasının nedenlerinden birisidir.^[33]

İsveç'in Başarısı mı, Başarısızlığı mı?

Süper-bulaşıcılığın salgındaki anahtar bir nokta olduğunu anlamak, belli açılardan çok gevşek gözüken ülkelerde sonuçların çok farklı olmasını anlamlandırabilir. Böyle olduğunda, aşina olduğumuz kutuplaşmış pandemi tartışmaları da birbirine girmektedir. İsveç örneğini ele alalım. Kime sorduğunuza bağlı olarak bu ülke, hiçbir kapanma uygulamadan sürü bağışıklığını deneyen bir başarısızlık abidesi veya salgını kontrol altına almakta harika bir başarı öyküsü olabilir. Gerçekte olan ise şu: Her ne kadar İsveç, yaşlı bakımevlerinde toplanan yaşlı nüfusu korumakta başarısız olan ülkelere dahil olsa da, süper-bulaşma vakalarını tespit etmek konusunda diğer birçok Avrupa ülkesinden daha katı davrandı.^[34]

Her ne kadar İsveç'te ülke çapında bir kapanma uygulanmadıysa da, Kucharski'nin söylediğine göre İsveç'te Mart ayında iç mekanlarda 50 kişinin üzerindeki toplanmalar yasaklandı ve bu yasak, diğer birçok Avrupa ülkesi ilk dalgadan sonra bu tür yasakları kaldırsa da, İsveç'te kaldırılmadı. (Diğer Avrupa ülkelerinin birçoğu, bu yasakların kalkması sonrasında yaşanan yeni dalgalardan sonra yeniden yasaklar getiriyor.)

Dahası, İsveç'te ortalama hane halkı büyüklüğü daha küçüktür ve çok sayıda nesli bir arada bulunduran ev sayısı Avrupa'nın geri kalanına nazaran çok daha azdır.^[34] Bu durum, bulaşmayı ve kümelenme ihtimalini fazlasıyla azaltmaktadır.

İsveç, okulları tamamen açık tuttu ve hiçbir sosyal mesafelendirme veya maske uygulaması yapmadı. Ama bunu, sadece 16 yaşından küçük çocuklar için yaptı; bunların zaten süper-bulaştırıcı olma ihtimali çok düşük. Öte yandan İsveç, daha yüksek risk grubunda olan liseler ve üniversitelerde tamamen çevirimiçi eğitime geçti. Bu, ABD'nin yaptığının tam tersidir. Ayrıca İsveç, sosyal mesafelendirmeyi teşvik etti ve kurallara uyulmayan iç mekanları kapattı.^[35]

Aşırı yayılım ve süper-bulaşım perspektifinden bakıldığında İsveç, pek de gevşek önlemler almış bir ülke sayılmaz; ama muhtemelen en katısı da değildir. Önemli olan nokta şudur: İsveç, farklı stratejiler konusundaki tartışmalarımızda tuttuğu abartılı yeri, basitçe, hak etmemektedir.

Hatalardan ve Başarılardan Ders Çıkarmak...

Her ne kadar aşırı yayılım, olaylar arasındaki nedenselliği incelediğimiz yöntemleri kullanmayı zorlaştırsa da, yine de başarısızlıklarımızı inceleyerek, hangi koşulların kötü şansı felakete dönüştürdüğünü tespit edebiliriz. Ayrıca en nihayetinde kötü şans herkesin başına geleceği için, süregelen başarılarımızı inceleyerek ne tür tepkilerin önemli olduğunu anlayabiliriz.

Kontrol Altında Gibi Görünen Birçok Durum, Aslında Kontrol Altında Değil!

Belki de en öğretici vakalar, başta çok kötü şans ile başlayıp (Güney Kore gibi), sonradan dikkate değer baskılamayı başarabilmiş örneklerden gelmektedir. Diğer yandan Avrupa, erken açıldığı için birçoklarınca övülmüştü; ancak bu övgünün fazlasıyla erken olduğunu görüyoruz: Avrupa'da birçok ülke şimdi çok geniş bir şekilde yeniden salgınla yüzleşiyor ve birçok açıdan durum, ABD'dekine benziyor. Gerçekten de Avrupa'nın bu yaz boyunca başarı elde edip de sonrasında gevşemesi (buna, kalabalık iç mekanları açmaları da dahil), aşırı yayılmış bir patojeni kontrol altına almak konusunda bir diğer ders vermektedir: Daha durağan bir rejime nazaran, stokastik senaryolar görünenden çok daha kırılgan olabilirler!

Scarpino'nun söylediğine göre, bir ülkede çok sayıda salgın patlak verdiğinde, pandemi adeta "grip moduna" geçmiş olur. Yani her ne kadar hasta bireylerin çoğu hastalığı yaymıyor olsa da, komünite yayılımı yüksek ve süreğen bir moda geçer. Scarpino, bu noktada çok kapsamlı önlemler alınmayacak olursa, COVID-19'un bu yüksek komünite yayılımı modunda sürekli yayılmaya devam edilebileceğini söylüyor. Çünkü bu noktada çok sayıda bulaşma zinciri halihazırda bulunmaktadır. Dahası, bu aşırı yüksek sayılar yeni kümeleri de başlatabilir ve durum daha da kötüye gidebilir.

Kucharski'nin söylediğine göre, geçici bir süreliğine iyi gibi giden bir durum, çok kısa sürede çok büyük salgınlara dönüşebilir. Özellikle de sadece birkaç tane bulaşma zinciri, kontrol altında gibi gözüken bir durumu kısa sürede felakete dönüştürebilir. Genellikle R_t sayısının, yani ortalama bulaşma miktarının gerçek zamanlı ölçüsünün 1'den büyük olmasının pandeminin büyüdüğünü, 1'den küçük olmasının pandeminin öldüğünü gösterdiği söylenir. Bu, aşırı yayılmamış bir epidemi için doğru olabilir ve her ne kadar 1'den küçük R_t sayısı kesinlikle iyi bir şey olsa da, bu düşük sayıdan ötürü fazla rehavete kapılmamak gerekiyor. Çünkü sadece birkaç vaka, salgını inanılmaz boyutlara taşıyabilir. Hiçbir ülke, Güney Kore'nin 31 Numaralı Hastası'nı unutmamalı.

Aşırı Yayılımı Avantaja Çevirmek...

Bunu söylemişken, aşırı yayılmanın aynı zamanda bir umut kaynağı olduğu da söylenebilir. Güney Kore'nin inanılmaz düzeylerde test yapmaya, takip etmeye ve izole etmeye yönelik agresif ve başarılı salgın yönetimi, bunu net bir şekilde gösteriyor. O noktadan beri Güney Kore, aynı zamanda durmaksızın tetikte kaldı ve geriye dönük temas takibinin önemini gösterdi.^[36] Geçtiğimiz dönemde Seoul'daki birkaç gece kulübünde bir dizi kümelenme tespit edildiğinde, sağlık otoriteleri bu mekanlara gitmiş on binlerce kişiyi agresif bir şekilde takip edip test ettiler - ki bunu yaparken birincil vakalarla ilişkilerini veya maske takıp takmadıklarını veya 1.5 metre kuralına uyup uymadıklarını önemsemediler ve bu, hastalığın hava yoluyla bulaştığı düşünülecek olursa, çok makul bir tepkiydi.

Belki de en ilginç vakalardan birisi Japonya. Çok erken dönemde salgının vurduğu ülke, sıra dışı bir model uyguladı: Kitlesel hiçbir test yapmadı ve ülkeyi hiç tamamen kapatmadı. Mart ayının sonlarına doğru, alanlarında oldukça etkili ekonomistler, hastane sisteminin kapasitesinin aşılacağını ve ölümlerde çok ciddi artışlar yaşanacağını öngören çok ciddi uyarılarda bulunuyorlardı.^{[37], [38]} Bu felaket hiçbir zaman yaşanmadı; ancak her ne kadar ülke bazı ek dalgalar yaşasa da, Japonya'nın yaşlı nüfusuna, aşırı kitle taşıma araçlarının kullanımına ve resmi bir kapanma olmamasına rağmen hiçbir zaman ölümlerde bir fırlama yaşanmadı.

Bu durum, Japonya'nın başlangıçta ABD'den daha iyi konumlanmasından kaynaklanmıyordu. Oshitani'nin söylediğine göre tıpkı ABD ve Avrupa gibi, Japonya'da da başlangıçta yaygın test yapabilecek PCR kapasitesi yoktu. Ayrıca toptan bir kapanma veya katı evde kalma uygulamaları da yapamazdı. Bunu isteseler bile yapamazlardı! Çünkü bu tür bir uygulamanın yasal bir altyapısı yoktu.

Oshitani'nin söylediğine göre Japoonya, COVID-19'un aşırı yayılımcı karakteristiğini ta Şubat ayında fark etmişti ve bu nedenle en başından kümelenmeleri durduracak adımlar attı. Böylece bir kümenin bir diğer kümeyi tetiklemesinin önüne geçilmeye çalışıldı. Oshitani'nin söylediğine göre "bir kümeler veya süperkümeler zinciri olmaksızın bulaşım zincirinin süregelmesi mümkün değildir." Bu nedenle Japonya, agresif bir geriye dönük temas takibi yaptı ve kümeleri teşhis etti.

Japonya aynı zamanda havalandırma konusuna da ağırlık verdi ve vatandaşlarını, üç K'nin bir araya geldiği hiçbir yerde bulunmamaları konusunda uyardı: kısa mesafede (closed contact) ve kapalı alanlarda (closed spaces) bir araya gelen kalabalıklar (crowds). Özellikle de konuşma ve şarkı söyleme gibi faaliyetlerin yapıldığı yerlerde. Bu sayede Japonya, aşırı yayılmanın bilimini, hastalığın hava yoluyla (aerosol olarak) bulaştığı farkındalığıyla birleştirmeyi başarmış oldu. Tabii semptomatik ve asemptomatik bulaşmanın da erkenden farkına vardı.

Oshitani, Japonya'nın stratejisini, pandemi için önemli olan tüm noktaları salgının en başından tam isabetle tespit edebilmeye dayandırıyor. Öte yandan Batılı ülkelerdeki tepki, hastalığı "tek tek ayıklamaya" çalışıyordu ama bu, hastalığın ana yayılma biçimi değildi.^[24] Gerçekten de Japonya, vaka sayılarını azaltmayı ama dikkatini de sürdürmeyi başardı. Devlet, komünite vakalarında bir artış tespit ettiğinde, Nisan ayında hemen bir acil durum ilan etti ve süper-bulaşma olaylarına neden olabileceğini düşündüğü tiyatro, müzik alanları, stadyumlar gibi yerlerin geçici olarak kapanmasını sağlamak için büyük bir çaba sarf etti.^[39] Şimdi okullar normal şekilde açıldı ve hatta stadyumlar da açık; ama müsabakalar sırasında bağırmak yasak.^[40]

Salgını durdurmayı başaran şey her zaman kuralların katılığı değil; doğru tehlikeleri hedef almaları da önemli. Morris şöyle diyor:

Japonya'nın kümelenmeyi durdurma yönündeki çabaları, çok dikkatli seçilmiş kapanmalara rağmen etkileyici bir önlemeyi mümkün kıldı. Süper-bulaşmayı görmezden gelen ülkeler, her türlü daha kötü durumdaydı: Hem salgını doğru düzgün kontrol altına alamadılar hem de son derece rahatsız edici önlemler almak zorunda kaldılar. İngiltere'nin yakın geçmişte bir yandan barları açık tutarken diğer yandan iç mekanlarda buluşmayı 6 kişiyle sınırlandırma kararı bunun güzel (!) bir örneği.

Süper-bulaşma olaylarını kısıtlamaya, kümelenmeleri yok etmeye ve daha ucuz ve hızlı kitlesel testler uygulamaya odaklanakarak ve bir yandan da vaka sayılarımızı, bu tür bir stratejiyi sürdürebilecek kadar düşük tutarak, çok daha normal yaşantıya dönebilir miyiz? (Düşük komünite bulaşımına sahip birçok yer, bu stratejiye hemen geçiş yapabilirler). Bir kere başımızı kaldırıp da ormanı görmeyi başarırsak, dışarı çıkmak çok daha kolay olabilir.

Not: Bu içerik ilk olarak The Atlantic dergisinde yayınlanmıştır.