Kaoseteooria rakendamisest epideemiate kriisijuhtimisel

Kaoseteooriat tuntakse peamiselt Lorenz’i liblika efekti näite põhjal, kus väikesed muutused võivad tuua kaasa olulisi, pikaajalisi ning katastroofilisi tagajärgi. Mis see kaoseteooria aga ikkagi on ning kuidas see kriisijuhtimisega seostub?

Kaoseteooriast saavad kasu mitmed teadusharud, aga kuulub see siiski matemaatika valdkonda ning on tööriist, mis suudab määratleda deterministlikku kaost – see tähendab näiliselt juhuslikku käitumist, millel tegelikkuses puudub juhuslik põhjus. Teooria uurimine on viinud arusaamani, et näiline juhuslikkus võib varjata ka hoopiski korda, mustreid ja alusstruktuuri. Kaoseteooria on leidnud lugematul hulgal rakendusi, näiteks planeetide liikumise uurimisel Päikesesüsteemis, ilmaprognoosides, populatsioonidünaamika ökoloogias, maavärinate modelleerimises kui ka kosmosesondide trajektooride määratlemises.

Eelmainitud valdkonnad võivad näida kriisijuhtimisest valgusaastate kaugusel olevana, aga kuivõrd teooria keskendub peamiselt protsesside algusfaasile ning sedastab, et kui protsessi alguses tehakse mõni oluline viga, mõjutab see ettearvamatutes tagajärgedes kogu ülejäänud protsessi. Kaoseteooria prisma läbi saab vaadelda ka COVID-19 kriisi, mis on suutnud käivitada püsivad globaalsed muutused.¹

Näiteks hüpoteetiline vigane COVID-19 nakatumiskordaja (R) määramine ning seeläbi leebete piirangute seadmine koroonakriisi algusfaasis oleks võinud tuua kaasa karme tagajärgi meditsiinisüsteemile, tõsta nakatumisnumbreid ja suremust, seeläbi tuues kaasa lõppkokkuvõttes karmimaid piiranguid ning tõsiseid tagajärgi ka ettevõtlusele. See omakorda langetanuks ka majandustulemusi ning võinuks kaasa tuua ka töökohtade kaotuse, seeläbi tõstes sotsiaalabi vajavate inimeste arvu ning pannes seega pikaajalise koormuse riigi rahakotile. See omakorda ei võimalda riigil investeerida soovitud mahus teistesse algatustesse, mis toob kaasuvalt kaasa mõjud palju suuremale hulgale inimestele. Ja see kõik saanuks alguse arvutusveast R-kordaja määramisel.

Ka Hiina Rahvavabariigi valearvestusest – suutmatus uut viirust piisavalt kiiresti ära tunda, lokaliseerida, sellest õigeaegselt ja adekvaatselt maailma teavitada – alguse saanud globaalne sündmuste ahel areneb jätkuvalt väga ennustamatult ja kaootiliselt, ning see oma tagajärjedes ei võimalda enam naasta harjumuspärase aastaringse elukorralduse juurde. Kaoseteooria võimaldabki seletada COVID-19 eripärasid² ning see omakorda toetab teooria kasutamist kehtiva kontseptuaalse raamistikuna uuringutes, mille eesmärk on uurida ka teiste viirusepideemiate psühholoogilisi, käitumuslikke, sotsiaalseid ja süsteemseid aspekte.³

Siinkohal tuleb mainida, et taoline globaalne modelleerimisviis näiteks kaoseteooriat kasutades on olnud bioloogiliste süsteemide puhul veel pigem harv nähtus, ent seda on rakendatud edukalt nii Lääne-Aafrika Ebola epideemia (2013–2016) kui ka COVID-19 pandeemia esimese laine ajal näiteks Ida-Aasias riikides.⁴ Kaoseteooria sobib eriti just ka nakkushaiguste plahvatusliku leviku uurimiseks, kuna see sobib nii ebastabiilse dünaamilise käitumise modelleerimiseks ja uurimisega ka siis, kui teatud muutujad on tundmatud, mida epidemioloogias tuleb sageli ette.⁴

Kriisijuhtimisse sobib kaoseteeoria tundmine ja rakendamine eelkõige seetõttu, et Postavaru et al. (2020) järgi seisavad kriisi lahendajad silmitsi väljakutsetega otsustamisel. Üheks taoliseks näiteks oleks matemaatilise mudeli rakendamise olulisusest on isolatsiooni mõju hindamisel elanikkonnale.⁵ Kui isolatsioonimõjude hindamisel matemaatilist mudelit rakendada, oleks võimalik vältida ennustamatuid tagajärgi. Kriiside algfaasis on ka teaduslikel tõenditel põhinevate otsuste ja poliitiliste eesmärkide edendamiseks hädavajalik korraldada ligipääs asjakohasele teabele, mis annaks otsustajatele kiire, lihtsa ja tõhusa juurdepääsu parimatele prognoosidele,⁵ mis võimaldavad omakorda veelgi täpsemini ennustada pandeemia uusi etappe, seda ka riikideüleselt.⁶ Omaette mõttekohaks on baasandmete kättesaadavus, aga ka andmete varjamine kommunistlikes ühiskondades – selline käitumismuster võib olla kaoseteooria kohaselt ennustamatute tagajärgedega kriisi alguspunktiks – COVID on seda ka olnud.

Mudelite baasil on ka praeguses kriisis maailmas erinevaid meetmeid ja piiranguid rakendatud, kuid üheselt kõikjal toimiva lahenduse leidmine ja ka selle rakendamine on keerukas.⁶ Lisaks on COVID-19 teinud praktiliselt võimatuks teadlike otsuste tegemise ilma prognoosita,⁷ mis sõltuvad heal tasemel testimisandmetest,⁸ent ei võimalda siiski luua olukorrast tervikpilti, pigem aitavad vastata konkreetsetele küsimustele,⁹ mis poliitikakujundajatel otsustamisprotsessides võivad tekkida.

Kasutatud allikad:

¹Boon, I. S., Lim, J. S., Tracy, P. T. A. Y. & Boon, C. S. 2020. Digital healthcare and shifting equipoise in radiation oncology: The butterfly effect of the COVID-19 pandemic. Journal of Medical Imaging and Radiation Sciences, pp. 1–3. https://doi.org/10.1016/j.jmir.2020.10.002

² Resnick, B. 2020. How chaos theory helps explain the weirdness of the Covid-19 pandemic. VOX, May 23, 2020. [Leitav: https://www.vox.com/science-and-health/2020/5/20/21257136/covid-19-future-pandemic-chaos kasutatud 15.06.2022]

³Piotrowski, C. 2020. Covid-19 Pandemic and Chaos Theory: Applications based on a Bibliometric Analysis. Journal of Projective Psychology & Mental Health, 27(2), pp. 1–5.

⁴ Mangiarotti, S., Peyre, M., Zhang, Y., Huc, M., Roger, F. & Kerr, Y. 2020. Chaos theory applied to the outbreak of COVID-19: an ancillary approach to decision making in pandemic context. Epidemiology and Infection, 148(E95), pp. 1–13. https://doi.org/10.1017/s0950268820000990

⁵Postavaru, O., Anton, S. R. & Toma, A. 2020. COVID-19 pandemic and chaos theory. Mathematics and Computers in Simulation, 181(C), pp. 138–149. https://doi.org/10.1016/j.matcom.2020.09.029

⁶ Gibney, E. 2020. Whose coronavirus strategy worked best? Scientists hunt most effective policies. Nature, 581, pp. 15–16. https://doi.org/10.1038/d41586-020-01248-1

⁷ Stuart, E. A., Polsky, D., Grabowski, M. K & Peters, D. 2020. 10 Tips for Making Sense of COVID-19 Models for Decision-Making. Johns Hopkins Bloomberg School of Public Health, April 27, 2020. [Leitav: https://publichealth.jhu.edu/2020/10-tips-for-making-sense-of-covid-19-models-for-decision-making kasutatud 15.06.2022].

⁸ Schneider, E. C. 2020. Failing the Test — The Tragic Data Gap Undermining the U.S. Pandemic Response. The New England Journal of Medicine. 383(4), p. 301. https://doi.org/10.1056/nejmp2014836

⁹ McBryde, E. S. 2020. Role of modelling in COVID-19 policy development. Paediatric Respiratory Reviews, 35, p. 59. https://doi.org/10.1016/j.prrv.2020.06.013

Jaga postitust: