بسیاری راه‌حل‌های مرسوم در زمانه شکست بازار برای بهبود رفاه اجتماعی مانند تامین کالای عمومی از جنس پیشینی و کنترل‌کننده هستند که دست کم در کوتاه‌مدت نمی‌توانند پس از وقوع، در این همه‌گیری با ابعاد پیچیده و گاه همچنان درنیافته اقتصادی-اجتماعی چندان موثر باشند.

اما شاخه طراحی بازار (Market Design) که سویه مهندسی علم اقتصاد است در همین مدت کوتاه توانسته است راه‌حل‌هایی اساسی برای مسائلی مطرح کند که اساسا از جنس مبادله مرسوم نیستند و تاکنون کمتر به آنها اندیشیده شده بود. حوزه اقتصاد سلامت در معنای کلی از جمله بازارهایی است که پول در معنای مرسوم آن چندان در برابر جان آدمی کارآیی ندارد و از این رو پاسخ‌های مرسوم قیمت‌گذاری و انگیزه‌بخشی در این حوزه چندان اثربخش نیست و سلامت عمومی را تامین نمی‌کند.

اینکه در جایی که دچار کمبود تخت بیمارستانی هستیم، تخت‌ها باید به کدام بیمارها و بر مبنای کدام اولویت (وخامت بیشتر، سن کمتر، مراجعه زودتر یا حتی پول بیشتر) اختصاص یابد؟ دستگاه تنفس مصنوعی را به کدام بیمار بدحال وصل کنیم؟ انواع ماسک‌های بیمارستانی و گان‌ها را به کدام بیمارستان‌ها اختصاص دهیم؟ واکسن یا داروی کووید-۱۹ (زمانی که سرانجام یافت شد) بر چه مبنایی به کدام افراد داده شود؟ چگونه به بیماران بهبودیافته از کووید-۱۹ انگیزه بدهیم که دوباره خطر را به جان بخرند و به فضای بیمارستانی بیایند تا پلاسمای خون خود را برای آزمایش‌های پزشکی اهدا کنند؟

در این ماه‌ها پژوهش‌های زیادی در حوزه طراحی بازار در اقتصاد به این موضوع‌ها پرداخته‌اند که چگونه می‌توانیم به بهترین شکل، تخصیص و گاه جیره‌بندی تجهیزات پزشکی کمیاب و داروهای گران‌قیمت را انجام دهیم که درمجموع سلامت و زندگی افراد بیشتری حفظ شود. این پژوهش‌ها سازوکارهایی را ارائه داده‌اند که با درنظرگرفتن بده-بستان انصاف و کارآیی بهترین نتیجه اجتماعی را به‌دست می‌دهد.

یکی از سیاست‌هایی که از ابتدا برای مقابله با همه‌گیری کرونا مطرح بود، آزمایش‌های بسیار زیاد و گسترده بود که اقتصاددانان بسیاری مانند پاول رومر بر آن تاکید کرده بودند. کشورهایی که اکنون بالاترین آمارهای مرگ و میر ناشی از کرونا را دارند، به‌طور نسبی دارای کمترین امکان آزمایش برحسب جمعیت کشور خود هستند. به‌عنوان نمونه مکزیک با جمعیت ۱۲۶ میلیونی تنها می‌تواند روزی ۹ هزار آزمایش کرونا بگیرد. به این ترتیب همین کشورها به‌طور نامتناسبی از این کمبود زیرساخت‌های پزشکی آسیب می‌بینند و افراد بیمار ناقل بدون علامت به‌طور تصاعدی آن را در جامعه گسترش می‌دهند.

مساله مهم و همیشگی محدودیت منابع البته همچنان مانع اصلی در گسترش بیشتر این آزمایش‌ها به‌خصوص در کشورهای در حال توسعه مانند کشور ما بوده است. پژوهش‌های اخیر در اقتصاد اما کوشیده‌اند با بهره‌گیری از رویکرد تخصیص‌های یک‌طرفه (one-sided matching) در طراحی بازار تاثیر این محدودیت را کاهش دهند. این پژوهش‌ها بیشینه‌سازی استفاده از منابع محدود آزمایش کرونا را به‌عنوان یک مساله تخصیص منابع در نظر می‌گیرند که باید همزمان دو هدف کاهش گسترش ویروس کرونا و کمینه‌سازی تاثیر آن بر اقتصاد کشور را تامین کنند.

ایده بنیادین در اینجا، آزمایش گروهی (Group/ Pooled Testing) است که در آن نمونه‌های چندین فرد با هم ترکیب می‌شود و به‌عنوان یک نمونه مورد آزمایش قرار می‌گیرد. مثلا اگر یک درصد جمعیتی ۱۰۰ نفره آلوده باشد و بخواهیم آنها را به‌طور جداگانه آزمایش کنیم، به ۱۰۰ آزمایش کرونا نیاز داریم. اما اگر این گروه را به پنج گروه بیست نفره تقسیم کنیم، در بهترین حالت تنها به ۵ آزمایش و به‌طور میانگین به حدود ۲۳ آزمایش نیاز خواهیم داشت؛ بنابراین این تقسیم‌بندی به‌طور میانگین کارآیی آزمایش را تا حدود ۴ برابر بیشتر می‌کند.

بر این اساس به‌طور مرتب (مثلا هر هفته یا دو هفته یک بار) کل جمعیت یک شهر یا منطقه براساس اطلاعات درباره دو عامل: میزان در معرض ویروس کرونا بودن و هزینه‌های اقتصادی-اجتماعی قرنطینه (مثلا با استفاده از روش‌های یادگیری ماشینی) به دسته‌های مختلفی تقسیم می‌شوند. سپس مساله مهم تخصیص منابع برای تعیین اندازه بهینه هر دسته و تعداد بهینه آزمایش‌ها برای هرکدام حل‌وفصل می‌شود. ایده کلی این است که افرادی را که هزینه اقتصادی-اجتماعی قرنطینه آنها بالا است، در گروه‌های کوچک‌تر باید قرار داد تا از قرنطینه غیرضروری جلوگیری شود. همزمان باید تعداد افراد آزمایش نشده در دسته‌های با احتمال بالای در معرض ویروس بودن را نیز حداقل کرد. سپس آزمایش گروهی برای هر دسته انجام می‌شود. همه افرادی که آزمایش گروهی آنها مثبت شد، قرنطینه می‌شوند و همه کسانی که آزمایش گروهی آنها منفی بوده به زندگی معمول خود ادامه می‌دهند. مزیت این روش این است که همه جمعیت یک شهر یا منطقه و حتی کشور بی‌دلیل در قرنطینه قرار نمی‌گیرند و کسب‌و‌کارها به حالت تعطیل در نمی‌آید.

به‌عنوان مثالی دیگر فرض کنید در شهر کوچکی با جمعیت ۱۰ هزار نفر، ۲۰ نفر کادر پزشکی (با ریسک بالای در معرض ویروس بودن و هزینه اقتصادی-اجتماعی بالای قرنطینه)، ۳۸۰ نفر کسبه (با ریسک بالای در معرض ویروس بودن و هزینه اقتصادی-اجتماعی متوسط قرنطینه) و ۹۶۰۰ نفر سایر افراد (با ریسک پایین در معرض ویروس بودن و هزینه اقتصادی-اجتماعی پایین قرنطینه) باشند. در این صورت ۱۰۰ کیت آزمایش کرونا را می‌توان به ترتیب جدول زیر بین این ۳ گروه تقسیم کرد و براساس نتایج آنها تنها گروه‌هایی را در قرنطینه نگه داشت که آزمایش گروه آنها مثبت شده است. دقت کنید که گروه‌های کادر درمان یک نفره در نظر گرفته شده است تا با توجه به هزینه‌های بالای قرنطینه آنها، دقت آزمایش در بیشترین سطح ممکن باشد، کادر درمان بی‌دلیل قرنطینه نشوند و با تشخیص دقیق امکان انتشار ویروس از طریق آنها وجود نداشته باشد.

چنین رویکردی می‌تواند از سویی برای کاهش محدودیت‌های جابه‌جایی و بازگشایی کسب‌و‌کارها و از سوی دیگر برای جلوگیری از موج‌های بعدی گسترش کووید-۱۹ استفاده شود. درنهایت با توجه به هزینه‌های اقتصادی و اجتماعی بسیار بالای بستن کسب‌و‌کارها در درازمدت، حتی تامین مالی همه هزینه‌های آزمایش گروهی می‌تواند دست کم در سطوح محلی (مانند کارخانه‌ها، دانشگاه‌ها، مدارس، شرکت‌های خصوصی و ادارات) بهتر از تعطیلی کلی باشد. برهمین اساس برخی دانشگاه‌ها مانند دانشگاه هاروارد و کُرنل برنامه‌هایی برای آزمایش‌های مرتب گروهی ترتیب داده‌اند.

نکته مهم این است که تکرار مرتب این آزمایش‌ها هزینه‌های آن را به مراتب کاهش می‌دهد؛ چراکه در هر بار آزمایش با جمعیتی سالم‌تر روبه‌رو خواهیم بود که به آزمایش کمتری نیاز دارند. به بیان دیگر، افرادی که در یک آزمایش گروهی در گروهی با نتیجه منفی بوده‌اند، محتمل‌تر است که در آزمایش بعدی نیز نتیجه منفی داشته باشند. بنابراین هرچه آزمایش بیشتری انجام ‌شود، تعداد آزمایش‌های مورد انتظار و طبیعتا هزینه کل کمتر می‌شود. مدیر سازمان بهداشت جهانی در همان هفته‌های نخستین همه‌گیری کرونا گفته بود که ما پیامی ساده برای همه کشورها داریم: آزمایش، آزمایش و آزمایش. به نظر می‌رسد این پیام بیش از هر زمانی شدنی است، حتی برای ما.

*دکتر مهدی فیضی، عضو هیات علمی گروه اقتصاد دانشگاه فردوسی مشهد است.

منبع: دنیای اقتصاد