Aşı Dozları Nereye Gidiyor ve Bunları Kim Alır? Algoritmalar Karar Verir

The New York Times gibi yayıncılardan daha fazla sesli hikaye duymak için, iPhone veya Android için Audm’i indirin.

Sınırlı bir koronavirüs aşısı arzını parsele etme gibi göz korkutucu bir görevle karşı karşıya kalan Trump yönetimi yetkilileri, geçen yıl çekimlerin dağıtımını kolaylaştırmak için görünüşte basit bir formül geliştirdi.

İlk olarak, federal yöneticiler, aşı dozlarını her eyaletteki yetişkin nüfusunun büyüklüğüne göre ülke çapında bölmek için otomatik bir algoritma çalıştıracaktı. Sonra her eyalet yerel hastanelere, bakımevlerine ve kliniklere nasıl çekim yapılacağına karar verecek.

Ancak halk sağlığı uzmanları, aşı dağıtımını kolaylaştırmak yerine algoritmanın birçok eyalette yükü artırdığını söylüyor. Farklı gönderiler aynı kliniklere ve hastanelere gönderilse bile haftalık Pfizer ve Moderna çekimleri kotaları için birden fazla teslimat planı hazırlamalarını gerektirir.

Tennessee Sağlık Bakanlığı Aşı ile Önlenebilir Hastalıklar ve Bağışıklama Programının tıbbi direktörü Dr. Michelle Fiscus, “Kurulum şekli çok zahmetli,” dedi. Ekibi başlangıçta aşı teslimatlarını eyaletin büyük bir kağıt haritasıyla planlamaya başvurdu, dedi, pembe ve sarı yapışkan notlarla kaplı. “Bu yapay tahsisatlar hurdaya çıkarılsaydı,” dedi, “bize çok yardımcı olur. ”

Federal aşı tahsis formülü, aşıların nereye gönderileceğini ve bunları kimin alabileceğini belirlemeye yardımcı olmak için Amerika Birleşik Devletleri’ndeki devlet sağlık kurumları ve hastane sistemleri tarafından kullanılan düzinelerce algoritma – bazı otomatik sistemler ve diğerleri basit önceliklendirme listeleri – arasındadır.

Algoritmalar, ilaç fabrikalarından insanların kollarına Covid-19 atışlarını hızlandırmayı amaçlıyor. Formüller genel olarak Hastalık Kontrol ve Önleme Merkezlerinden gelen ve ön saflarda yer alan sağlık bakımı çalışanlarına, huzurevinde yaşayanlara, yaşlılara ve büyük sağlık riskleri olanlara aşılar için öncelik verilmesini tavsiye eden yönergeleri takip eder.

Yine de federal kurumlar, eyaletler, yerel sağlık departmanları ve tıp merkezlerinin her biri, çeşitli etik ve politik mülahazalara dayalı olarak farklı tahsis formülleri geliştirmiştir. Sonuç: Amerikalılar aşı erişiminde büyük eşitsizlikler yaşıyor.

Örneğin Oregon, Covid çekimleri için öğretmenlere yaşlılara göre öncelik verdi; bu, okulların ve işletmelerin yeniden açılmasına yardımcı olabilecek bir yaklaşım. New Jersey, sigara içenleri eğitimcilerin önüne koydu ve bu da hayat kurtarabilir.

Halk sağlığı uzmanları, bazı önceliklendirme formüllerinin birbirleriyle çatıştığını veya aşılamayı engelleyen bu tür kural koyucu kurallar dayattığını söylüyor. Yine de birçok Amerikalı, aşılara erişimlerini etkileyen algoritma katmanlarının farkında olmayabilir.

Devletlerin otomatik karar verme sistemlerini nasıl kullandığını araştıran Rutgers Hukuk Fakültesi profesörü Ellen P. Goodman, aşıları verimli bir şekilde dağıtmak için algoritmalara ihtiyaç olduğunu söyledi. Ancak kamu kurumları ve sağlık merkezlerinin önceliklendirme formülleri konusunda şeffaf olması gerektiğini de sözlerine ekledi.

“Onları kimin kullandığını, ne yapmaya çalıştıklarını, tescilli algoritmalara kimin sahip olduğunu, denetlenip denetlenmediklerini bilmek istiyoruz” dedi.

Aşı önceliklendirme formülleri kabaca üç aşamaya ayrılır: federal, eyalet ve yerel. En üst düzeyde, Trump yönetimi tarafından oluşturulan çok kurumlu bir federal girişim olan Warp Speed ​​Operasyonu, veri madenciliği devi Palantir tarafından geliştirilen çevrimiçi bir portal olan Tiberius aracılığıyla ülke çapında aşı dağıtımını yönetti. Programın ismini emekli eden Biden yönetimi devraldı ve çalışmalarını sürdürüyor.

Federal yöneticiler dozları bölmek için basit bir algoritma kullanır. Her hafta mevcut olan toplam aşı miktarını 50 eyalet arasında – ayrıca ABD bölgeleri ve New York gibi birkaç büyük şehir – her yerdeki 18 yaşın üzerindeki kişi sayısına göre otomatik olarak böler.

Bununla birlikte bazı sağlık görevlileri ve araştırmacılar, Tiberius algoritmasını kara kutu olarak tanımladılar.

“Bu tahminleri yapmak için kullandıkları yöntemleri neden kamuoyuna açıklayamıyorlar?” Eyalet aşılama planları üzerine yakın zamanda yapılan bir çalışmanın ortak yazarı olan Harvard Tıp Fakültesi’nde tıp profesörü yardımcısı Dr. Rebecca Weintraub dedi. “Eyaletler neden haftada beklediklerinden farklı sayıda doz alıyor?”

Devletler geçen sonbaharda Tiberius’un sakıncaları hakkında uyarıda bulunmaya başladı. C. D. C.’ye sunulan geçici aşı planlarında, bazı eyalet sağlık yöneticileri, platformun aşırı hantal göründüğünden ve algoritmanın haftalık tahsisatlarının aylarca süren aşılama kampanyaları planlamayı zorlaştıracağından şikayet ettiler.

Diğer bir olası dezavantaj: Tiberius algoritması, Amerika Birleşik Devletleri Nüfus Sayım Bürosu tarafından yapılan ve belgesiz göçmenler veya kabile toplulukları gibi virüs riski taşıyan belirli popülasyonları eksik sayabilecek bir hane halkı anketi olan American Community Survey’deki verilere dayanarak eyalet aşı paylarını hesaplar .

Demografi uzmanları anket verilerinin mevcut en iyi kaynak olduğunu söylese de, en küçük nüfus sayımı seviyelerinde yüksek hata marjlarına sahip olabileceği konusunda uyardılar. Bu, yerel aşı tahsisi için Tiberius’u kullanan eyaletlerde potansiyel olarak sorunlara yol açabilir.

Oklahoma’daki halk sağlığı yetkilileri, federal bir aşı tahsis formülünün, bakım evlerinin ihtiyaç duyacağı doz sayısını olduğundan fazla hesapladığını keşfetti ve iğneleri, uzun süreli bakım tesislerinde yaşamayan 65 yaş ve üstü insanlara yeniden tahsis etti. Ve Washington gibi eyaletler, haftalık doz sevkiyatları için aşı dağıtımını planlamak için federal ve yerel veri setlerini kullanarak kendi tahsis sistemlerini oluşturdular.

Chattanooga, Tenn’de bir arabadan geçerek aşılama merkezi. Eyalet, virüs açısından daha yüksek risk altındaki topluluklara ek aşılar tahsis etmek için bir sosyal güvenlik açığı algoritması kullanıyor. Kredi. . . C. B. Schmelter / Chattanooga Times Free Press, Associated Press aracılığıyla

Bazı eyaletler ayrıca Tiberius algoritmasının kendilerine tahsis ettiğinden daha az doz aldıklarını veya federal sistemin aşı siparişlerini kendilerine bildirmeden iptal ettiğini söylüyorlar.

E-postayla gönderilen bir açıklamada, Sağlık ve İnsan Hizmetleri Bakanlığı’nın koronavirüs aşı operasyonu, nüfus sayımı anket verilerinin bu çaba için bir temel oluşturduğunu ve yetkililerin aşiret topluluklarının virüs atışlarına eşit erişime sahip olmasını sağlamak için çalıştığını söyledi. Açıklamada, eyalet aşı siparişlerinin yüzde 99,9’unun programa göre teslim edildiği ve kurumun, deneyimlerini iyileştirmek ve sisteme yeni özellikler eklemek için devletlerle birlikte çalıştığı ifade edildi.

Biden yönetimi, aşı dozlarını Tiberius aracılığıyla tahsis edilen aşı dozlarını azaltmayacak bir çaba olarak, kısa süre içinde aşıların sevkiyatlarını doğrudan binlerce perakende eczaneye göndermeye başlamayı planlıyor.

Tiberius algoritması çalışmasını tamamladıktan sonra, eyalet sağlık departmanları virüs aşılarını yetkili aşılama sağlayıcıları arasında bölmek ve bunları kimin almaya uygun olduğuna karar vermek için kendi yaklaşımlarını kullanır.

Örneğin Florida ve Alaska, 65 yaş ve üstü sakinlere aşı için öncelik verdiler. Massachusetts, Şubat ayı başlarında 75 yaş ve üstü sakinlerin aşı yaptırmasına izin vermeye başladı. Oregon çekimleri bu hafta 80 yaş ve üstü kişiye açıyor.

Bazı sağlık yöneticileri eşitsizlikleri gidermeye çalışıyor. Tennessee gibi eyaletler, Sosyal Güvenlik Açığı Endeksi adlı bir C.D.C. veri tabanına dayalı aşı önceliklendirme algoritmaları geliştirdiler. Kasırga veya hastalık salgınları gibi felaketlerden en çok zarar görebilecek mahalleleri belirlemek için yoksulluk ve kalabalık konut gibi değişkenleri kullanır.

Sonuç olarak, Tennessee, virüsün en çok zarar verdiği 90 ilçesinin 35’ine – standart, yetişkin nüfusa dayalı tahsisinin ötesinde – fazladan aşı dozları gönderdi. Bunların arasında, nüfusu yaklaşık yüzde 51 Afrikalı-Amerikalı olan ve koronavirüs ölüm oranının eyalet ortalamasının iki katından fazla olduğu Haywood var.

Tennessee’nin aşılama programını yürüten sağlık görevlisi Dr. Fiscus, “Halkı ölmek üzere olduğu için halkı daha hızlı aşılayabilmek için o ilçeye daha fazla aşı vermek istiyoruz” dedi.

Alaska’daki halk sağlığı yöneticileri, aşı tahsisine benzer bir eşitlik yaklaşımı uyguladıklarını söylediler – yalnızca elektronik tablolar kullanarak topluluk risklerine ve ihtiyaçlarına satır satır bakmak için.

Alaska Covid Aşı Görev Gücü eşbaşkanı Walker Tessa Linderman, “Bu paydaşları belirlediğimizden ve öncelikli olan ancak henüz bunu bilmeyenlerle iletişim kurduğumuzdan emin oluyoruz” dedi.

Eyaletler aşılarını aşı sağlayıcılarına tahsis ettikten sonra, tıp merkezleri hangi sağlık çalışanlarının ve hastaların bunları alabileceğine karar vermek için kendi formüllerini kullanır. Süreç zahmetli olabilir. Aralık ayında, Kaliforniya, Palo Alto’daki Stanford Tıp Merkezi yöneticileri, koronavirüs hastalarını tedavi eden asistan hekimlere aşılar için öncelik vermeyen bir aşı algoritmasını düzeltmek için çabaladılar.

Ülkenin en büyük hastane sistemlerinden biri olan Providence Health için süreç daha sorunsuz geçti.

Aralık ayında Providence, yedi eyaletteki 200.000’den fazla çalışanına ve yüklenicisine iş rolleri ve konumları hakkında sorular sordu ve her kişi için virüs riski skorları oluşturdu. Daha sonra en yüksek risk grubundakiler önce aşı randevuları almaya davet edildi.

Puanlama algoritması, Seattle merkezli hastane sisteminin 75.000 işçiyi tam olarak aşılamasına yardımcı oldu ve en yüksek risk altında olanlardan, bazı yöneticiler de dahil olmak üzere daha düşük risk altındakilere doğru ilerledi.

Providence’ın sağlık sisteminin klinik uzmanlarıyla algoritma üzerinde işbirliği yapan baş bilgi sorumlusu B. J. Moore, “Amaç, silahlara olabildiğince çok atış yapmak” dedi.

Artık hastane sistemi, on binlerce hasta kaydını analiz etmek, virüs risklerini sınıflandırmak ve eyalet kuralları uyarınca aşıyı almaya uygun olanları bilgilendirmek için benzer bir yaklaşım kullanıyor. Providence, hastane sisteminin hastalara kayıtlarının halk sağlığı amacıyla veri madenciliği yapıldığını bildirip bildirmediğiyle ilgili soruları yanıtlamayı reddetti.