بزرگنمايي:

سیاست و بازاریابی - ایسنا / خون و فرآورده‌های آن از حیاتی‌ترین نیازهای بیماران دچار آسیب‌های شدید هستند و تأمین به‌موقع آن می‌تواند سرنوشت بیمار را تغییر دهد. پژوهشی تازه، روش نوینی برای پیش‌بینی دقیق این نیاز ارائه کرده است.
ترومای شدید، که به آسیب‌های جدی ناشی از تصادفات، سقوط یا ضربه‌های شدید اشاره دارد، سالانه جان میلیون‌ها نفر را در سراسر جهان می‌گیرد. آمارها نشان می‌دهند حدود 9 درصد از مرگ‌ومیر جهانی ناشی از تروماست و خونریزی شدید پس از حادثه، یکی از مهم‌ترین علل مرگ قابل پیشگیری در این بیماران است. پژوهش‌ها تأیید کرده‌اند که اگر خون در همان 15 دقیقه نخست پس از آسیب به بیمار تزریق شود، شانس نجات او به‌طور چشمگیری افزایش پیدا می‌کند. اما چالش بزرگ اینجاست که بانک‌های خون همیشه نمی‌توانند به‌سرعت و به‌اندازه کافی خون مورد نیاز را فراهم کنند. این مشکل زمانی شدیدتر می‌شود که ذخایر خون کمتر از حد نیاز باشد یا برعکس، خون بیش از حد تهیه شده و به دلیل محدودیت زمان نگهداری، هدر برود.
بازار
روش‌های سنتی پیش‌بینی تقاضای خون معمولاً بر پایه مصرف گذشته بنا شده‌اند، اما این روش‌ها ضعف بزرگی دارند: آن‌ها عواملی مانند شرایط جوی، تغییر تعداد جراحی‌ها یا بحران‌هایی مثل همه‌گیری‌ها را در نظر نمی‌گیرند. همین موضوع باعث می‌شود که در شرایط غیرمنتظره، پیش‌بینی‌ها ناکارآمد شوند. اینجاست که مدل‌های آماری پیشرفته مانند تحلیل سری‌های زمانی وارد عمل می‌شوند. این مدل‌ها با بررسی دقیق الگوهای مصرف گذشته، امکان پیش‌بینی دقیق‌تر را فراهم می‌کنند و می‌توانند به مدیران بانک‌های خون در برنامه‌ریزی هوشمندانه کمک کنند.
لیلا کسرائیان، دانشیار مرکز تحقیقات انتقال خون و عضو مؤسسه عالی آموزشی و پژوهشی طب انتقال خون تهران، به همراه همکارانش از دانشگاه علوم پزشکی شیراز، در این زمینه پژوهشی انجام داده‌اند. آن‌ها در این مطالعه، راهکاری مبتنی بر مدل‌های پیشرفته پیش‌بینی ارائه کرده‌اند تا میزان نیاز به خون و فرآورده‌های خونی برای بیماران ترومایی را با دقت بیشتری تخمین بزنند.
برای این کار، پژوهشگران داده‌های چهار ساله مربوط به میانگین مصرف خون، پلاکت و پلاسما در بیماران ترومایی (از سال 1396 تا 1399) را گردآوری کردند. سپس از مدل آماری سری زمانی ARIMA برای پیش‌بینی نیاز این فرآورده‌ها در دو سال آینده استفاده شد. در پایان، پیش‌بینی‌ها با داده‌های واقعی مقایسه گردید تا دقت مدل مشخص شود.
نتایج نشان دادند که میانگین مصرف خون و پلاکت طی چهار سال تقریباً ثابت مانده بود، در حالی که مصرف پلاسما اندکی افزایش یافته بود. پیش‌بینی‌ها برای خون و پلاکت بسیار نزدیک به آمار واقعی بود، اما در مورد پلاسما، مقدار پیش‌بینی‌شده کمی بیش از مصرف واقعی گزارش شد. همچنین، پیش‌بینی‌ها درباره کرایو (یکی از فرآورده‌های خونی) نیز به آمار واقعی نزدیک بود.
بر اساس این یافته‌ها که در فصلنامه پژوهشی «خون»، وابسته به مرکز تحقیقات انتقال خون منتشر شده‌اند، مدل ARIMA می‌تواند ابزاری مطمئن برای پیش‌بینی تقاضای خون باشد. استفاده از این روش به بانک‌های خون کمک می‌کند تا از کمبود یا مازاد غیرضروری خون جلوگیری کنند، هزینه‌ها را کاهش دهند و بیماران را در زمان حساس، به‌موقع پشتیبانی کنند.
اهمیت این پژوهش تنها به دقت پیش‌بینی‌ها محدود نمی‌شود، بلکه پیامدهای عملی آن در مدیریت منابع حیاتی است. با استفاده از این مدل، مراکز انتقال خون می‌توانند برنامه‌ریزی مؤثرتری برای جذب اهداکنندگان، ذخیره‌سازی و توزیع خون داشته باشند. این امر به‌ویژه در شرایط بحرانی مانند حوادث گسترده یا بلایای طبیعی می‌تواند نقش نجات‌دهنده‌ای ایفا کند.
این نتایج همچنین می‌توانند راهنمایی برای تدوین دستورالعمل‌های ملی در زمینه ذخیره و توزیع خون باشد. اگر مراکز درمانی به‌طور منظم اطلاعات مربوط به بیماران و میزان مصرف خون را ثبت کنند و این داده‌ها به مراکز انتقال خون منتقل شود، پیش‌بینی‌ها دقیق‌تر خواهد بود. در نتیجه، ارتباط قوی‌تر بین مراکز درمانی و بانک‌های خون شکل می‌گیرد که می‌تواند جان بیماران بیشتری را نجات دهد.