Will there be another pandemic in your lifetime?

Translator: Chatchanok Chalothonpises Reviewer: Jimmy Tangjaitrong

The Black Death.

กาฬโรค

The 1918 Flu Pandemic.

ไข้หวัดใหญ่ปี 2461

COVID-19.

โควิด-19

We tend to think of these catastrophic, world-changing pandemics

เรามักจะคิดว่าวิกฤตเหล่านี้ โรคระบาดร้ายแรงที่เปลี่ยนโลก

as very unlikely events.

เป็นเหตุการณ์ที่ไม่น่าจะเกิดขึ้นอีก

But between 1980 and 2020,

แต่ช่วงระหว่างปี 2523 ถึง 2563

at least three diseases emerged that caused global pandemics.

มีอย่างน้อย 3 โรค ที่อุบัติขึ้น ซึ่งทำให้เกิดโรคระบาดไปทั่วโลก

COVID-19, yes, but also the 2009 swine flu and HIV/AIDS.

โควิด-19 ก็ใช่ แต่ยังมี ไข้หวัดหมูปี 2552 และเอชไอวีหรือเอดส์

Disease outbreaks are surprisingly common.

การระบาดของโรค เป็นเรื่องธรรมดามาก ๆ

Over the past four centuries,

ช่วง 4 ศตวรรษที่ผ่านมา

the longest stretch of time without a documented outbreak

ระยะเวลาที่ยาวนานที่สุด ที่ไม่มีการเกิดโรคระบาด

that killed at least 10,000 people was just four years.

ที่คร่าชีวิตอย่างน้อย 10,000 ชีวิต คือระยะเวลาเพียง 4 ปีเท่านั้น

As bad as these smaller outbreaks are,

แม้การระบาดเล็ก ๆ เหล่านี้จะเลวร้ายเพียงใด

they’re far less deadly than a COVID-19-level pandemic.

พวกมันก็มีอันตรายน้อยกว่า การระบาดระดับโควิด-19 เป็นอย่างมาก

In fact, many people born after the 1918 flu lived their entire lives

ความเป็นจริงก็คือ หลายคนที่เกิด หลังไข้หวัดใหญ่ปี 2461 ได้ใช้ชีวิต

without experiencing a similar world-changing pandemic.

โดยไม่เจอกับโรคระบาด ที่เปลี่ยนแปลงโลกในทำนองเดียวกัน

What’s the probability that you do, too?

มีความน่าจะเป็นสูงแค่ไหน ที่คุณจะโชคดีเหมือนกัน

There are several ways to answer this question.

มีหลายทางที่จะหาคำตอบให้คำถามนี้

You could look at history.

คุณสามารถมองย้อนกลับไปในอดีต

A team of scientists and engineers who took this approach

กลุ่มนักวิทยาศาสตร์และวิศวกร ที่ใช้วิธีการนี้

catalogued all documented epidemics and pandemics between 1600 and 1950.

จัดกลุ่มโรคระบาดและโรคระบาดร้ายแรง ช่วงปี 2143 ถึง 2493

They used that data to do two things.

พวกเขาใช้ข้อมูลเพื่อทำ 2 อย่าง

First, to graph the likelihood that an outbreak of any size

อย่างแรก เพื่อทำกราฟความเป็นไปได้ ที่การระบาดในขนาดต่าง ๆ

pops up somewhere in the world over a set period of time.

จะเกิดขึ้นที่ใดที่หนึ่งในโลก ในช่วงเวลาหนึ่ง ๆ

And second, to estimate the likelihood that that outbreak would get large enough

และอย่างที่สอง เพื่อประเมินความเป็นไปได้ ที่การระบาดนั้นจะใหญ่พอ

to kill a certain percentage of the world's population.

ที่จะฆ่าประชากรโลกจำนวนหนึ่ง ๆ

This graph shows that while huge pandemics are unlikely,

กราฟนี้แสดงให้เห็นว่า แม้การแพร่ระบาดครั้งใหญ่ไม่น่าจะเกิดขึ้น

they're not that unlikely.

แต่ก็ใช่ว่าจะเป็นไปไม่ได้

The team used these two distributions to estimate that the risk

ทีมงานได้ใช้การแจกแจงทั้งสองนี้ เพื่อประเมินความเสี่ยง

of a COVID-19-level pandemic is about 0.5% per year,

ว่าการระบาดในระดับโควิด-19 จะอยู่ที่ประมาณร้อยละ 0.5 ต่อปี

and could be as high as 1.4%

และอาจสูงถึงร้อยละ 1.4

if new diseases emerge more frequently in the future.

ถ้าโรคใหม่เกิดถี่ขึ้นในอนาคต

And we’ll come back to those numbers,

เราจะกลับมาดูตัวเลขนั้นอีกที

but first, let’s look at another way to estimate the likelihood

แต่ก่อนอื่น มาดูอีกวิธีในการ ประเมินความเป็นไปได้ที่จะเกิด

of a future pandemic:

โรคระบาดในอนาคตกัน

modeling one from the ground up.

อย่างการสร้างแบบจำลองจากจุดเริ่มต้น

For most pandemics to happen, a pathogen, which is a microbe that can cause disease,

สำหรับโรคระบาดส่วนใหญ่ที่เกิดขึ้น เชื้อโรคซึ่งเป็นจุลินทรีย์ที่ทำให้เกิดโรค

has to spill over from its normal host by making contact with and infecting a human.

ต้องออกมาจากพาหะ ผ่านการติดต่อและแพร่เชื้อสู่มนุษย์

Then, the pathogen has to spread widely,

จากนั้น เชื้อโรคต้องกระจายเป็นวงกว้าง

crossing international boundaries and infecting lots of people.

ข้ามพรมแดนประเทศ แล้วทำให้ผู้คนจำนวนมากติดเชื้อ

Many variables determine whether a given spillover event becomes a pandemic.

มีหลายตัวแปรที่จะบ่งชี้ว่าการกระจายเชื้อ จะกลายเป็นโรคระบาดร้ายแรงหรือไม่

For example, the type of pathogen, how often humans come into close contact

เช่น ชนิดของเชื้อโรค ความถี่ที่มนุษย์สัมผัสใกล้ชิด

with its animal reservoir, existing immunity, and so on.

กับแหล่งแพร่กระจายในสัตว์ ภูมิคุ้มกันที่มี และอีกมากมาย

Viruses are prime candidates to cause the next big pandemic.

ไวรัสเป็นตัวเต็งที่จะทำให้เกิด โรคระบาดร้ายแรงครั้งต่อไป

Scientists estimate that there are about 1.7 million as-yet-undiscovered viruses

นักวิทยาศาสตร์คาดว่ามีไวรัส ที่ยังไม่ถูกค้นพบมากถึง 1.7 ล้านชนิด

that currently infect mammals and birds,

ที่กำลังแพร่ระบาด ในสัตว์เลี้ยงลูกด้วยนมและนก

and that roughly 40% of these have the potential to spill over and infect humans.

และประมาณร้อยละ 40 ของไวรัสเหล่านี้ มีโอกาสระบาดและแพร่เชื้อสู่คนได้

A team of scientists built a model using this information,

นักวิทยาศาสตร์กลุ่มหนึ่งสร้างโมเดล โดยใช้ข้อมูลนี้

as well as data about the global population, air travel networks,

รวมถึงข้อมูลเกี่ยวกับประชากรโลก การเดินทางทางอากาศ

how people move around in communities, country preparedness levels,

การเคลื่อนย้ายของผู้คนในชุมชน ระดับการเตรียมพร้อมของประเทศ

and how people might respond to pandemics.

และวิธีที่ผู้คนจะตอบสนองต่อโรคระบาด

The model generated hundreds of thousands of virtual pandemics.

โมเดลนี้จำลองโรคระบาดร้ายแรงเสมือนจริง มากกว่าแสนแบบ

The scientists then used this catalog to estimate

นักวิทยาศาสตร์ก็จะใช้แคตตาล็อกนี้ เพื่อคาดการณ์

that the probability of another COVID-19-level pandemic

ความน่าจะเป็นของ โรคระบาดระดับโควิด-19

is 2.5 to 3.3% per year.

จะมีโอกาสเกิดขึ้นร้อยละ 2.5 ถึง 3.3 ต่อปี

To get a sense of how these risks play out over a lifetime,

เพื่อทำความเข้าใจว่าความเสี่ยงเหล่านี้ เป็นอย่างไรตลอดช่วงชีวิต

let’s pick a value roughly in the middle of all these estimates: 2%.

ลองเลือกค่ากลาง ๆ ของค่าประมาณพวกนี้ ที่ร้อยละ 2

Now let’s build what’s called a probability tree diagram

แล้วลองสร้าง แผนภาพต้นไม้ความน่าจะเป็น

to model all possible scenarios.

เพื่อสร้างแบบจำลองสถานการณ์ ที่เป็นไปได้ทั้งหมด

The first branch of the tree represents the first year:

กิ่งแรกของต้นไม้แทนปีแรก

there’s a 2% probability of experiencing a COVID-19-level pandemic,

มีความน่าจะเป็นร้อยละ 2 ที่จะเกิดโรคระบาดใหญ่ระดับโควิด-19

which means there’s a 98% probability of not experiencing one.

หมายความว่ามีความน่าจะเป็น ร้อยละ 98 ที่จะไม่เกิดขึ้น

Second branch, same thing,

กิ่งที่สองก็เหมือนกัน

Third branch, same.

กิ่งที่สามก็คิดแบบเดียวกัน

And so on, 72 more times.

ทำแบบนี้ไปอีก 72 ครั้ง

There is only one path that results in a fully pandemic-free lifetime:

มีแค่ทางเดียวที่ผลลัพธ์ในช่วงชีวิตเรา จะปราศจากโรคระบาด

98%, or 0.98, multiplied by itself 75 times,

ร้อยละ 98 หรือ 0.98 คูณด้วยจำนวนตัวมันเอง 75 ครั้ง

which comes out to roughly 22%.

จะได้ออกมาประมาณร้อยละ 22

So the likelihood of living through at least one more COVID 19-level-pandemic

ดังนั้นความน่าจะเป็นที่จะเจอ การระบาดระดับโควิด-19 อย่างน้อยอีกสักครั้ง

in the next 75 years is 100 minus 22%, or 78%.

ในอีก 75 ปีข้างหน้า คือเอา 100 ลบร้อยละ 22 เท่ากับร้อยละ 78

78%!

ร้อยละ 78!

If we use the most optimistic yearly estimate— 0.5%—

หากเราใช้การประมาณการรายปี ในแง่ดีที่สุด — ร้อยละ 0.5 —

the lifetime probability drops to 31%.

ความน่าจะเป็นตลอดชีวิต ลดลงเหลือร้อยละ 31

If we use the most pessimistic one, it jumps to 92%.

ถ้าเราคำนวณในแง่ร้ายที่สุด เลขจะโดดไปถึงร้อยละ 92

Even 31% is too high to ignore;

แม้ร้อยละ 31 ก็ยังสูงเกินกว่าจะเพิกเฉยได้

even if we get lucky, future generations might not.

และแม้ว่าเราจะโชคดี คนรุ่นหลังก็อาจจะไม่

Also, pandemics are usually random, independent events:

แล้วโรคระบาดร้ายแรงมักเกิดแบบสุ่ม เป็นเหตุการณ์ที่เกิดขึ้นแบบอิสระ

so even if the yearly probability of a COVID-19-level pandemic is 1%,

ดังนั้น แม้ความน่าจะเป็นต่อปีที่จะเกิด โรคระบาดระดับโควิด-19 คือร้อยละ 1

we could absolutely get another one in ten years.

เราอาจเจอโรคระบาดอีกครั้ง ในอีกสิบปีข้างหน้าก็ได้

The good news is we now have tools that make pandemics less destructive.

ข่าวดีก็คือ ตอนนี้เรามีเครื่องมือ ที่ลดความรุนแรงของโรคระบาดลง

Scientists estimated that early warning systems, contact tracing,

นักวิทยาศาสตร์คาดว่าระบบเตือนภัยล่วงหน้า การติดตามการสัมผัส

social distancing, and other public health measures

การเว้นระยะห่างทางสังคม และมาตรการสาธารณสุขอื่น ๆ

saved over a million lives in just the first six months

ช่วยคนมากกว่าล้านชีวิตในช่วงหกเดือนแรก

of the COVID-19 pandemic in the US,

ของการเกิดโควิด-19 ในสหรัฐฯ

not to mention the millions of lives saved by vaccines.

ยังไม่รวมถึงหลายล้านชีวิต ที่ถูกช่วยไว้ด้วยวัคซีน

One day, another pandemic will sweep the globe.

วันหนึ่ง โรคระบาดอื่นจะกวาดล้างโลก

But we can work to make that day less likely to be tomorrow.

แต่เราทำให้วันนั้น เกิดขึ้นในอนาคตอย่างช้าที่สุดได้

We can reduce the risk of spillover events,

เราช่วยลดความเสี่ยงของการแพร่กระจายเชื้อ

and we can contain spillovers that do happen

และเราควบคุมการแพร่กระจายเชื้อ ที่เกิดขึ้นได้

so they don’t become full-blown pandemics.

เพื่อมันจะไม่กลายเป็นโรคระบาดเต็มรูปแบบ

Imagine how the future might look if we interacted

ลองนึกดูว่าอนาคตจะเป็นอย่างไร หากเราปฏิสัมพันธ์

with the animal world more carefully,

กับโลกของสัตว์อย่างระมัดระวังมากขึ้น

and if we had well-funded, open-access global disease monitoring programs,

และหากเรามีโครงการติดตามโรคทั่วโลก ที่ได้รับทุนสนับสนุนและเปิดกว้าง

AI-powered contact tracing and isolation measures,

มีมาตรการติดตามและ แยกผู้สัมผัสที่ขับเคลื่อนด้วย AI

universal vaccines, next-generation antiviral drugs,

มีวัคซีนสากล มียาต้านไวรัสรุ่นต่อไป

and other tech we haven't even thought of.

และเทคโนโลยีอื่น ๆ ที่เรายังไม่ได้คิดถึง

It’s in our power to change these probabilities.

มันเป็นพลังของเรา ที่เปลี่ยนความน่าจะเป็นเหล่านี้ได้

So, we have a choice: we could do nothing and hope we get lucky.

ดังนั้น เรามีทางเลือกระหว่างไม่ทำอะไรเลย และหวังให้เราโชคดี

Or we could take the threat seriously enough

หรือเราจะรับมือกับภัยคุกคามอย่างจริงจังพอ

that it becomes a self-defeating prophecy.

ให้มันกลายเป็นคำทำนาย ที่เอาชนะตัวเองได้

Which future would you rather live in?

คุณอยากจะใช้ชีวิตในอนาคตแบบไหน