1.               1- مقدمه

در ماه دسامبر سال 2019، نوع جدیدی از کرونا‌ویروس در استان ووهان[i] چین مشاهده و عامل ایجاد یک بیماری تنفسی جدید با عنوان ویروس کووید-19[ii] شناخته شد. دیری نگذشت که این ویروس‌ به یک بیماری اپیدمی جهانی منجر شد و شمار مبتلایان به این بیماری در جهان، از زمان ظهور تاکنون (09/08/1401)، به 628 میلیون و 212 هزار و 919 نفر رسیده و مرگ 6 میلیون و 577 هزار و 721 نفر بر اثر ابتلا به این بیماری، تأیید شده است (سازمان بهداشت جهانی[iii]، 2022). برخی از کشورهای جهان تا چهار پیک آن را تجربه کردند و بیشتر کشورها در اخذ استراتژی‌های مشخص و مؤثر، دچار سردرگمی و ناتوانی بودند. با‌ وجود این، کشورهای مختلف و در سطحی پایین‌تر، سیستم‌های سلامت آنها، واکنش‌ها و استراتژی‌های متفاوتی نسبت‌به این ویروس داشته‌اند. واکنش مناسب و سریع کشورها با اخذ استراتژی‌های مناسب، در کنترل بیماری بسیار تأثیرگذار است.

بهره‌گیری از تجارب دیگر کشورها در این زمینه، یک راهکار مناسب است. لازمۀ بهره‌گیری از تجارب دیگر کشورها یا الگوبرداری از آنها، مشخص‌کردن کشورهای موفق در مقابله با کووید-19 است. برای این منظور لازم است‌ کارایی سیستم‌های سلامت کشورها ارزیابی شود؛ اما در این میان پرسش‌هایی پیش می‌آید که عبارت‌اند از: آیا کارایی سیستم‌های سلامت کشورهای مختلف در بیماری کووید-19 با یکدیگر یکسان بوده است؟ آیا تفاوت کارایی واکنش سیستم‌های سلامت کشورهای مختلف در مقابل کووید-19‌ ملاحظه‌شدنی است؟ چگونه می‌توان کارایی سیستم‌های سلامت کشورهای مختلف را در مواجهه با اپیدمی‌هایی همچون کووید-19 سنجید؟ چه کشورهایی در مقابل کووید-19، عملکرد بهتری نسبت‌به دیگران داشته‌اند؟ برای پاسخ‌گویی به این پرسش‌ها، این مقاله در نظر دارد تا کارایی عملکرد سیستم‌ سلامت 16 کشور منتخب را در مقابله با بیماری کووید-19 بررسی کند. این کشورها‌ مشخصات مختلف جمعیتی، فرهنگی و جغرافیایی دارند و شامل کشورهای کانادا، چین، مصر، فنلاند، هند، ایران، ایتالیا، ژاپن، لبنان، مالزی، روسیه، سنگاپور، کرۀ جنوبی، سوئد، ترکیه و ایالات‌متحده می‌شوند. علت محدود‌بودن کشورها به این 16 عدد در این مقاله، دسترسی به داده‌های لازم بوده است.

کشورهای مختلف برای افزایش کارایی خود، به شناخت هرچه بیشتر‌ وضعیت موجود نیاز دارند. یکی از روش‌های کسب این شناخت، مقایسه با نمونه‌های مشابه با بهترین عملکرد است. در شرایطی این‌چنینی، یافتن کارایی نسبی و تلاش در کارا‌کردن موارد ناکارا، یک راه‌حل برای افزایش کارایی است. برای اندازه‌گیری کارایی واحدهای‌ بررسی‌شده، روش‌های متعددی وجود دارد که از میان آ‌نها به شاخص‌های مالی خروجی به ورودی، روش‌های پارامتری مانند تابع مرزی تصادفی و روش‌های ناپارامتری همانند روش تحلیل پوششی داده‌ها[iv] اشاره می‌شود. روش تحلیل پوششی داده‌ها یکی از پرکاربردترین و معروف‌ترین روش‌های محاسبۀ کارایی است (صالح‌زاده و همکاران[v]، 2023). هدف این مقاله، ارزیابی کارایی عملکرد کشورها در مقابله با کووید-19 است که برای این منظور، تحلیل پوششی داده‌ها انتخاب شد. در‌نهایت‌ استراتژی‌های مقابله از کشورهای با عملکرد مناسب شناسایی و استخراج‌ و با توجه به امکانات و زیرساخت‌های آن کشور و کشور ایران، الگوبرداری انجام می‌شود.

این مقاله با استفاده از مدل تحلیل پنجره‌ای[vi]، شاخص بهره‌وری مالم‌کوئیست[vii] و تحلیل پوششی داده‌ها با متغیرهای ورودی‌ کنترل‌نشدنی[viii]، با در نظر گرفتن سه دورۀ 345 روزه، از تاریخ 11/10/ 1398 تا تاریخ 09/08/1401 کارایی کشورهای منتخب را ارزیابی می‌کند. اولی برای مقایسۀ میزان کارایی در سه دوره و دومی برای بررسی میزان پیشرفت و پسرفت کشورها در طی حدود سه سال استفاده می‌شود. این مطالعه‌ به دولت‌ها کمک می‌کند دید جامع‌تری از عملکرد خود داشته باشند و با الگو قرار دادن کشورهای با عملکرد کاراتر، سیستم خود را بهبود ببخشند.

ساختار باقی‌ماندۀ مقاله چنین است: در بخش دوم، پژوهش‌ها و پیشینۀ تحقیقات در حوزۀ سیستم‌های سلامت با استفاده از تحلیل پوششی داده‌ها، با موضوع بیماری‌های همه‌گیر مرور می‌شود؛ در بخش سوم، مدل‌های انتخاب‌شده شامل روش تحلیل پوششی داده‌های‌ پنجره‌ای، روش شاخص بهره‌وری مالم‌کوئیست و تحلیل پوششی داده‌ها با متغیرهای ورودی‌ کنترل‌نشدنی معرفی خواهند شد؛ در بخش چهارم ضمن ارائۀ داده‌های ‌استفاده‌شدۀ مدل‌ها، نتایج هر مدل به تفکیک تبیین و هر‌یک تحلیل می‌شود و سرانجام در بخش پنجم، نتیجه‌گیری کلی و پیشنهادهایی برای پژوهش‌هایی آتی ارائه خواهد شد.

2.               2- تحقیقات پیشین

پژوهش‌هایی‌ که شیوع بیماری‌های همه‌گیر را به‌طور خاص‌ تجزیه و تحلیل می‌کند، به پژوهش‌های اپیدمیولوژی و پژوهش‌های کارایی تقسیم می‌شود. در پژوهش‌های اپیدمیولوژی، تمرکز اصلی بر مهار گسترش ‌‌یک اپیدمی ‌‌یا همه‌گیری است که به‌طور خاص بر اثربخشی مداخلات غیر دارویی[ix]‌‌ (NPI) تأکید می‌شود.

کوریا و همکاران[x] (2022)، آنفولانزای 1918 را در ایالات‌متحده، که‌‌ یک اپیدمی از نوع آنفولانزا بود، بازبینی کردند و دریافتند‌ در مناطقی که زودتر نسبت‌به NPI‌‌ها اقدام کرده‌اند، کاهش درخور توجهی در اوج مرگ و میر و کاهشی متوسط در مرگ و میر‌ تجمعی وجود داشته است‌ (برای مثال به بوتسما و فرگوسن[xi] (2007) مراجعه کنید). گورینچاس[xii] (2020)، اجماع این نظر را در میان بسیاری از مطالعات اپیدمیولوژی‌ تأیید می‌کند و می‌گوید مهار بیماری همه‌گیر COVID-19 از اهمیت بالایی برخوردار است‌. به‌‌‌طور خلاصه، او توضیح می‌دهد که اگر نتوان سرعت گسترش ویروس کووید-19 را کاهش داد ‌‌یا سریع آن را مهار کرد، تهدید تقریباً فراتر از درک خواهد بود. مد حمزه و همکاران[xiii] (2021)، با مطالعۀ سطح کارایی نسبی مدیریت کووید-19 در کشور مالزی، با استفاده از تحلیل پوششی داده‌‌های شبکه‌ای[xiv] (NDEA)، به این نتیجه رسیدند که عملکرد کلی سیستم بهداشتی آن خوب است و این موضوع‌ آمادگی و سطح پاسخ قوی آنها را نشان می‌دهد. به‌علاوه، تخصیص منابع برای واکنش سریع، به‌طور مؤثر در طول این دورۀ چالش‌برانگیز انجام شده است. برایتنباخ و همکاران[xv] (2021)، با کمک DEA، میزان کارآمدی منابع استفاده‌شده برای تثبیت نرخ عفونت‌‌ها و به حداقل رساندن نرخ مرگ و میر را در 36 کشور‌ بررسی کردند که 90‌درصد از عفونت‌‌ها و مرگ‌ومیرهای جهانی از 220 مورد را تشکیل می‌دهند.‌‌ یافته‌های آنان نشان می‌دهد‌ با ثابت نگه داشتن اندازۀ سیستم‌ مراقبت‌های بهداشتی خود (چون کشور‌ها نمی‌توانند اندازۀ سیستم مراقبت‌های بهداشتی را در کوتاه‌مدت تغییر دهند)، بیشتر کشورهای نمونه در طول زمان مدیریت همه‌گیری، سطح کارایی پایینی را نشان دادند. برایتنباخ و همکاران (2020)، با تجزیه و تحلیل کارایی 31 کشور آلوده در طول 100 روز اول پس از شیوع کووید-19 در مهار شیوع آن، با استفاده از DEA، نشان دادند‌ 12 کشور از 31 کشور در نمونه‌شان کارآمد و 19 کشور در استفاده از منابع برای مدیریت صاف‌کردن منحنی‌های سرایت کووید-19 خود، ناکارآمد بودند. قاسمی و همکاران[xvi] (2020)، با استفاده از تحلیل پوششی داده‌های پویا، عملکرد 19 کشور منتخب را در دو بعد ناکارآمدی پیشگیری از شیوع ویروس کووید-19 و ناکارآمدی پیشگیری از مرگ‌ومیرهای ناشی از کووید-19، از 2 فوریه تا 12 آوریل محاسبه کردند. بر‌اساس این مطالعه، روند ناکارآمدی پیشگیری شیوع ویروس کووید-19 در سنگاپور، کرۀ جنوبی، چین و استرالیا در دورۀ بررسی‌شده رو به کاهش و روند ناکارآمدی دیگر کشورها، که البته از‌نظر ناکارآمدی متفاوت‌اند، با شیب‌های مختلف رو به افزایش بوه است. همچنین استرالیا، فنلاند، ژاپن، مالزی، سنگاپور و تایلند نسبت‌به دیگر کشورها، ناکارآمدی کمتری در پیشگیری از مرگ و میر ناشی از کووید-19 داشته‌اند.

برومند و همکاران[xvii] (2021) کارایی سیاست‌های مداخلۀ دولت را در 19 کشور، کارایی پیشگیری از شیوع و همچنین مرگ و میر ناشی از ویروس را بررسی می‌کنند. در این مطالعه از دو مدل مختلف برای محاسبۀ کارایی سیاست‌ها استفاده شده است و نتایج آن نشان می‌دهد‌ در هر دو مدل، ژاپن، فنلاند و تایلند بالاترین سطح کارایی واکنش دولت را داشتند. کشورهایی که کمترین کارایی واکنش دولت را داشتند، در مدل اول آمریکا، اسپانیا و روسیه و در مدل دوم چین، ایتالیا و اسپانیا بودند.جدول 1 به‌طور خلاصه، پیشینۀ پژوهش و نوآوری‌های مقالۀ حاضر را نشان داده است.

این مقاله سعی کرده است تا با انتخاب طیف متنوعی از کشورها، شاخص‌ها و همچنین دوره‌های زمانی نسبتاً طولانی، تصویری نو از واکنش کشورها به همه‌گیری کووید-19 را با استفاده از تحلیل پوششی ‌داده‌ها ارائه کند. برای اولین بار در این مقاله، از تحلیل پوششی داده‌های‌ پنجره‌ای، شاخص بهره‌وری مالم‌کوئیست و تحلیل پوششی داده‌‌ای با متغیرهای ورودی‌ کنترل‌نشدنی در بازۀ زمانی تقریباً سه‌ساله استفاده و کارایی سیستم‌های سلامت کشورها و میزان پیشرفت و پسرفت آنها در مقابله با کووید-19، ارزیابی شده است.

                                                                         i.            جدول 1- پیشینۀ پژوهش اپیدمی / پاندمی و کارایی

1. Table 1- Literature on epidemics/pandemics and efficiency

3.               3- روش‌شناسی پژوهش

در این بخش، مدل‌های انتخاب‌شده، یعنی تحلیل پوششی داده‌های پنجره‌ای، شاخص بهره‌وری مالم‌کوئیست و تحلیل پوششی داده‌‌ای با متغیرهای ورودی‌ کنترل‌نشدنی تشریح خواهند شد.

4.               3-1- روش تحلیل پوششی داده‌ها پنجره‌ای

روش تحلیل پوششی داده‌های پنجره‌ای (WDEA)، یک رویکرد تابلویی ناپارامتری است که بر‌اساس اصل میانگین‌های متحرک عمل می‌کند و با در نظر گرفتن هر واحد تصمیم‌گیری[xviii] (DMU) در دوره‌های مختلف به‌عنوان یک DMU جداگانه، معیارهای کارایی را ایجاد می‌کند. به عبارت دیگر، روش WDEA‌ کارایی DMUهای مختلف را در دوره‌های ‌متفاوت از‌طریق دنباله‌ای از پنجره‌های همپوشانی، ارزیابی می‌کند.

فرض کنید‌ K واحد (k = 1 , … , K)، DMU همگن وجود دارد که در T دوره  مشاهده می‌شوند. همچنین‌ هر DMU، تعداد I ورودی    را مصرف‌ و تعداد R خروجی    را تولید می‌کند. فرض کنید  مشاهدۀ k را در دورۀ t با بردار ورودی I بعدی  و بردار خروجی R بعدی  را به‌صورت رابطۀ (1) نشان می‌دهد.

در WDEA اولین دوره از هر پنجره حذف‌ و هم‌زمان یک دورۀ جدید اضافه می‌شود. فرض کنید  شروع پنجره را در دورۀ ، (1£ a £T) با طول ،  نشان می‌دهد. بر این اساس، ماتریس‌های ورودی  و خروجی  برای این پنجره به‌صورت رابطۀ (2) به نمایش درمی‌آید.

در‌نهایت‌ مدل WDEA ورودی‌محور[xix] و خروجی‌محور[xx] برای اندازه‌گیری کارایی (یا ) ‌‌فرض‌شده CRS به ترتیب در مدل‌های (I) و (II) در جدول 2 ارائه شده است.

شایان ذکر است که تعداد پنجره‌ها (x )، تعداد DMUهای مختلف در هر پنجره (w) و تعداد کل DMUهای مختلف ( ) با 1،  و  محاسبه می‌شود؛ برای مثال، تعداد 10 ( ) DMU را در نظر بگیرید که در 7 دوره مشاهده می‌شوند ( ) و طول پنجره روی 3 دوره ( ) تنظیم شده است؛ در‌نتیجه، ، ، و . تجزیه و تحلیل پنجره DMU‌ ارزیابی ( ) و تمام نمرات کارایی ( ) در شکل 1 نشان داده شده است.

                        i.            جدول 1- مدل WDEA ورودی‌‌‌‌‌محور و خروجی‌‌‌محور برای اندازه‌گیری کارایی واحد مفروض به‌عنوان CRS

1. Table 2- Input-oriented and output-oriented WDEA model to measure the efficiency of the assumed unit as CRS

باید توجه داشت که علاوه بر محاسبۀ کارایی هر DMU در هر پنجره، سه نوع بازده متوسط، شامل میانگین نمرات کارایی  برای همۀ پنجره‌ها (میانگین سطری )، میانگین نمرات کارایی  برای همۀ دوره‌ها (میانگین ستونی )‌ و میانگین تمام نمرات کارایی  (میانگین کل )‌ اندازه‌گیری‌شدنی است (پیکانی و همکاران[xxi]، 2021).

شکل 1- تجزیه و تحلیل پنجرۀ DMU‌ ارزیابی‌شده

Fig. 1- Window analysis of the DMU under evaluation

مدل انتخابی این مقاله، روش تحلیل پوششی داده‌های پنجره‌ای خروجی‌محور با فرض بازدهی ثابت نسبت‌به مقیاس است. کشورها به‌عنوان DMUها، مشخصات مختلفی دارند و برای مقایسۀ آنها لازم است از مدل بازده به مقیاس ثابت استفاده شود. ورودی‌های در نظر گرفته شده شامل «جمعیت»، «تراکم جمعیت»، «درصد جمعیت افراد بالای 65 سال»، «مکمل ردیاب واکنش دولت‌ها به کووید-19 دانشگاه آکسفورد»، «نسبت هزینۀ درمان به درآمد متوسط» و «درصد افراد واکسیناسیون‌نشده‌» است. ابتدا همۀ آنها از شاخص‌های نامطلوب بوده و یا با توجه به بیشتر شاخص‌ها، به شاخص نامطلوب تبدیل شده‌اند و خروجی‌ها شامل «نرخ موارد تأیید‌شدۀ ناشی از کووید-19» و «نرخ مرگ و میر تأیید‌شدۀ ناشی از کووید-19» بوده است که آنها نیز شاخص‌های نامطلوب‌اند؛ بنابراین زمانی که مدل با تغییر ورودی‌ها،‌ در پیدا‌کردن نسبتی کارآمدتر برای خروجی‌ها می‌کوشد، با اختصاص امتیاز بیشتر به یک کشور، درواقع این مفهوم را منتقل می‌کند که آن کشور با نسبت ورودی‌های برابر، خروجی بیشتری تولید می‌کند. این نتیجه، یعنی کشوری با نمرۀ بیشتر، ناکارآمدی بالاتری خواهد داشت و برعکس. ورودی‌های مدل، به‌جز شاخص‌های جمعیت و تراکم جمعیت، همه شاخص‌های‌ کنترل‌شدنی‌اند. با توجه به اینکه جمعیت و تراکم جمعیت جزء مهم‌ترین عواملی‌اند که‌ بر موارد ابتلا به ویروس کرونا در هر کشور تأثیر می‌گذارند (گیتا[xxii]، 2020)،‌ ورودی در نظر گرفته شدند.

تعداد دوره‌های در نظر گرفته شده، سه و طول پنجره‌ها نیز یک، دو و سه خواهد بود. واحدهای تصمیم‌گیری انتخاب‌شده شامل 16 کشور کانادا، چین، مصر، فنلاند، هند، ایران، ایتالیا، ژاپن، لبنان، مالزی، روسیه، سنگاپور، کرۀ جنوبی، سوئد، ترکیه، ایالات‌متحده می‌شوند. بازه‌های در نظر گرفته شده شامل سه بازه‌ی 345 روزه (1) از 11/10/1398 تا 20/09/1399 (یا از 1/1/2020 تا 12/10/2020)؛ (2) از 20/09/1399 تا 29/08/1400 (یا از 12/10/2020 تا 11/20/2021) و (3) از 29/08/1400 تا 09/08/1401 (یا از 11/20/2021 تا 10/31/2022) هستند و با توجه اینکه طول هر‌کدام از این بازه‌ها نزدیک به یک سال است، داده‌های مربوط به سال 2020 میلادی برای دورۀ اول، داده‌های مربوط به سال 2021 میلادی برای دورۀ دوم و داده‌های مربوط به سال 2022 میلادی برای دورۀ سوم در نظر گرفته شده‌اند.

5.               3-2- روش شاخص بهره‌وری مـالم‌کوئیسـت در تحلیل پوششی داده‌ها

مفهوم شاخص بهره‌وری مالم‌کوئیست را برای اولین بار ‌مالم‌کوئیست[xxiii] (1953) معرفی کرد و سپس چندین نویسنده در چارچوب ناپارامتریک آن ‌را مطالعه کردند و توسعه‌اش دادند. این شاخصی است که رشد بهره‌وری کل عوامل[xxiv] یک واحد تصمیم‌گیری را نشان می‌دهد، به این صورت که منعکس‌کنندۀ پیشرفت یا پسرفت در کارایی همراه با پیشرفت یا پسرفت فناوری مرزی[xxv] در طول زمان، در چارچوب ورودی‌های چندگانه و خروجی‌های متعدد است (تن[xxvi]، 2004).

شاخص مالم‌کوئیست تغییر بهره‌وری یک DMU را بین دو دورۀ زمانی ارزیابی می‌کند. این محصول اصطلاحات جبران[xxvii] و تغییر مرز[xxviii] تعریف می‌شود و با مجموعه‌ای از n، DMU سر و کار دارد (j = 1, …, n) که هر‌کدام دارای m ورودی و q خروجی با یک بردار در دوره‌های 1 و 2 هستند.

             i.      الف) اثر جبران: اصطلاح جبران (یا بازیابی) به درجه‌ای مربوط می‌شود که یک DMU برای بهبود کارایی خود به دست می‌آورد و در قالب رابطۀ (3)‌ مشاهده می‌شود.

اثر جبران بزرگ‌تر از یک، نشان‌دهندۀ پیشرفت در کارایی نسبی از دورۀ 1 تا 2 است، در حالی‌ که اثر جبران برابر با یک و کوچک‌تر از یک، به ‌ترتیب نشان‌دهندۀ‌ تغییرنیافتن و پسرفت در کارایی است.

            ii.      ب) اثر تغییر مرز: اصطلاح تغییر مرز (یا نوآوری)، تغییر در مرزهای کارآمد اطراف DMU را بین دو دورۀ زمانی منعکس می‌کند. رابطۀ (4) این اثر را نمایش می‌دهد.

اثر تغییر مرز بزرگ‌تر از یک، نشان‌دهندۀ پیشرفت در فناوری مرزی در اطراف دورۀ 1 تا 2 است، در حالی ‌که اثر تغییر مرز برابر با یک و کوچک‌تر از یک، به ‌ترتیب ثبات وضعیت موجود و پسرفت در فناوری مرزی را نشان می‌دهد.

           iii.      ج) شاخص مالم‌کوئیست: شاخص مالم‌کوئیست از ضرب دو شاخص (اثر) قبلی، یعنی روابط (3) و (4) به‌ دست می‌آید.

مقدار MI بزرگ‌تر از یک، نشان‌دهندۀ پیشرفت در بهره‌وری کل عوامل از دورۀ 1 تا 2 است، در حالی‌ که مقادیر برابر با یک و کوچک‌تر از یک، به ترتیب ثبات وضعیت موجود و کاهش در بهره‌وری کل عوامل را نشان می‌دهد (تن، 2004).  ورودی‌ها، خروجی‌ها، کشورهای منتخب و بازه‌های در نظر گرفته شده در این مدل، با مدل تحلیل پنجره‌ای یکسان است. باید توجه کرد که به‌علت تفاوت در محاسبات دو روش و هد‌فشان، باید انتظار نتایج متفاوتی را داشت.

6.               3-3- مدل متغیرهای‌ ‌کنترل‌نشدنی

کوپر و همکاران[xxix] مدل شعاعی را برای متغیرهای‌ کنتر‌ل‌نشدنی بر اساس مدل بنکر و موری[xxx] معرفی کردند و آن را مدل متغیرهای‌ کنترل‌نشدنی[xxxi] نامیدند که با ‌عنوان NCN شناخته می‌شوند. مدل NCN شامل دو دسته مدل NCNI (ورودی‌های ‌ کنترل‌نشدنی) و مدل NCNO (خروجی‌های‌ کنترل‌نشدنی) است. فرض کنید تعداد DMUها،‌ ورودی‌ها،‌ خروجی‌ها و ‌ورودی‌های ‌‌کنترل‌نشدنی به ‌ترتیب با ، ،  و  نمایش داده‌ و وزن نامنفی ورودی iام، وزن نامنفی ورودی ‌‌کنترل‌نشدنی k ام و وزن نامنفی خروجی  ام به ‌ترتیب، ،  و  در نظر گرفته می‌شوند. برای ورودی‌ها و خروجی‌ها نیز از نمادهای زیر استفاده می‌شود.

بنابراین می‌توان مدل‌سازی مطابق روابط (6) را داشت.

با استفاده از تبدیل خطی ، به مدل برنامه‌ریزی خطی مطابق روابط (7) تغییر می‌یابد (محمد و همکاران[xxxii]، 2014).

علت استفاده از این مدل، در نظر گرفتن سه متغیر ورودی‌ جمعیت و تراکم جمعیت و درصد افراد بالای 65 سال به‌عنوان متغیر‌ کنترل‌نشدنی است.

7.               4- مطالعۀ کاربردی و یافته‌ها

8.               4-1- معرفی شاخص‌های ورودی و خروجی مدل

همان‌طور که در شکل 2 مشاهده می‌شود، ورودی‌های در نظر گرفته شده شامل جمعیت، تراکم جمعیت، درصد جمعیت افراد بالای 65 سال، مکمل ردیاب واکنش دولت‌ها به کووید-19 دانشگاه آکسفورد، نسبت هزینۀ درمان به درآمد متوسط و درصد افراد واکسیناسیون‌نشده و خروجی‌ها نیز شامل نرخ موارد تأیید‌شدۀ ناشی از کووید-19 و نرخ مرگ و میر تأیید‌شدۀ ناشی از کووید-19 است. این شاخص‌ها با توجه به مطالعۀ پیشینۀ پژوهش انجام‌گرفته انتخاب شده‌اند و سعی می‌کنند موقعیت هر کشور را از‌نظر عملکرد و شرایط آنها با هم، مقایسه کنند.

شکل 2- ورودی‌ها و خروجی‌های انتخاب‌شده برای مدل

Fig. 2- Selected inputs and outputs for the model

به‌علت گستردگی موضوع و عوامل تأثیرگذار بر آن، شاخص‌هایی انتخاب شدند که ارتباط تنگاتنگی با موضوع داشتند و به‌طور مستقیم با مردم در ارتباط‌‌ بودند. به‌نوعی بیشتر شاخص‌ها می‌توانند‌ عملکرد دولت‌ها را ارزیابی کنند؛ بنابراین تصمیم بر این شد تا شاخص‌هایی انتخاب شوند که دولت‌ها داده‌های آنها را به‌واسطۀ کووید-19، جمع‌آوری می‌کند و در دسترس عموم قرار می‌دهد. اطلاعات همۀ شاخص‌ها به‌جز شاخص‌های «جمعیت» و «نسبت هزینۀ درمان به درآمد متوسط»، به‌طور روزانه اندازه‌گیری می‌شدند. به‌علت درگیری دولت‌ها با همه‌گیری به مدت حدود سه سال و همچنین نیاز به استفاده از دوره‌های زمانی با طول برابر در روش انتخاب‌شده، تصمیم بر این گرفته شد تا این ارزیابی در سه پنجره انجام شود و با توجه به اینکه در آن تاریخ هنوز سه سال کامل (365 روز) از شروع جهانی همه‌گیری نگذشته بود، نزدیک‌ترین طول دورۀ ممکن به آن، یعنی 345 روز، طول دوره در نظر گرفته شد.

9.               4-2- داده‌های کشورهای منتخب‌ مطالعه‌شده

تعداد مبتلایان به کووید-19 با جمعیت کشورها و درصد جمعیت افراد 65 سال و بالاتر در کل جمعیت، ارتباط مستقیم دارد. به‌علاوه فاصله‌گذاری اجتماعی راهی برای کاهش شیوع همه‌گیری اعلام شد، یعنی با تراکم کمتر در محیط‌های عمومی، احتمال شیوع نیز کمتر می‌شود؛ بنابراین در محیط‌های متراکم‌تر، شیوع نیز افزایش می‌یابد و کنترل آن، چالش بیشتری برای دولت‌‌ها به‌همراه دارد. به همین علت، تراکم جمعیت‌ یکی از شاخص‌ها انتخاب شد. جمعیت با تعداد مبتلایان و تلفات رابطۀ مستقیم دارد، به‌طوری که با کم‌کردن تأثیر اختلاف جمعیت‌ها در دو خروجی، سعی می‌شود تا تأثیر چالشی ‌اعمال شود که هر دولت برای کنترل مردم و فراهم‌آوردن امکانات برای آنان با توجه به جمعیت کم‌تر یا بیشتر خود پشت سر می‌گذارد‌. با توجه به تنوع و تعدد سیاست‌های‌ استفاده‌شده در دو حوزۀ پیشگیری از شیوع ویروس کووید-19 و همچنین پیشگیری از مرگ و میر، از شاخص ردیاب واکنش دولت به کووید-19 آکسفورد (OxCGRT) برای مقایسۀ پاسخ‌ دولت‌های مختلف استفاده شده است. معیار اصلی این شاخص برای اختلاف در پاسخ‌ دولت‌ها، شاخص سخت‌گیری واکنش دولت به کووید-19 است. ردیاب واکنش دولت آکسفورد کووید-19، پیشینه‌ای سیستماتیک و‌ مقایسه‌شدنی از پاسخ‌های دولت به کووید-19 در 185 کشور و منطقه را برای سه سال، از 1 ژانویۀ 2020 تا 31 دسامبر 2022 ارائه می‌دهد. داده‌های آن را یک تیم آموزش‌دیده از داوطلبان، در زمان مربوطه‌ جمع‌آوری کرده است. این مجموعه داده شامل اطلاعاتی دربارۀ محدودیت‌های بسته‌شدن و مهار، سیاست‌های بهداشتی، اقدامات حمایتی اقتصادی و همچنین اولویت‌بندی واکسیناسیون، تحویل، بودجه و الزامات است (دانشگاه آکسفورد[xxxiii]، 2022). با توجه به اینکه افزایش این امتیاز به معنی تلاش بیشتر کشورها برای کاهش احتمال شیوع بیماری خواهد بود، در این مطالعه مکمل این امتیاز در دوره‌های مختلف، ورودی در نظر گرفته شده است. احتمال شیوع کووید-19 با افزایش افراد واکسیناسیون‌نشده‌ بیشتر می‌شود و این افراد، درصدی از کل جمعیت‌اند. واکسینه‌کردن، داشتن تنوع واکسن درخواستی مردم یک کشور، سیاست‌های تشویقی برای افراد واکسینه‌شده و سلب امتیازات از افرادی که خود را واکسینه نمی‌کنند،‌ کشورها را در بهبود کارایی یاری می‌رساند. در صورت‌ انجام‌ندادن اقدامات لازم برای واکسیناسیون مردم، ناکارآیی افزایش خواهد یافت. با کاهش هزینه‌های درمان برای مبتلایان، افراد بیشتری‌ به درمان مناسب و به‌موقع دسترسی خواهند داشت و تلفات را کاهش خواهند داد. با نشان دادن ناکارآیی در این زمینه، افراد بیشتری در اثر بیماری آسیب خواهند دید؛ بنابراین این شاخص نیز جزء ورودی‌ها قرار گرفت. به‌دلیل محدودیت در داده‌های در دسترس،‌ نسبت سال اول برای هر سه دورۀ بررسی‌شده در نظر گرفته شده است. به‌جز شاخص‌های‌ جمعیت و تراکم جمعیت که شاخص‌‌های محیطی‌اند و در تعیین کارایی دولت، نقش مستقیمی ندارند، دیگر شاخص‌ها،‌ یعنی مکمل ردیاب واکنش دولت‌ها به کووید-19 دانشگاه آکسفورد، نسبت هزینۀ درمان به درآمد متوسط و درصد افراد واکسیناسیون‌نشده، تبیین‌کنندۀ نقش دولت در کنترل همه‌گیری کووید-19 هستند. با کنترل و کاهش این شاخص‌ها به‌وسیلۀ دولت، دسترسی مردم به درمان و بالا‌بردن مقاومت سیستم ایمنی بدن در برابر ویروس با تزریق واکسن برای افراد بیشتر، آسان‌تر و از تلفات بیماری، کاسته می‌شود.

در جدول 3 داده‌های شاخص‌های ورودی ارائه شده است (گروه بانک جهانی[xxxiv]، 2022؛ مرور جمعیت جهان[xxxv]، 2022؛ جهان ما در داده[xxxvi]، 2022؛ سازمان بهداشت جهانی، 2022؛ دانشگاه آکسفورد، 2022؛ انجمن بین‌المللی آب[xxxvii]، 2022).

تعداد موارد تأیید‌شدۀ ناشی از کووید-19 در هر یک میلیون نفر به‌عنوان میزان ناکارایی عملکرد کشورها در کنترل شیوع این بیماری، یکی از خروجی‌ها تعریف شده است. این نسبت‌به این علت در نظر گرفته شده است که تأثیر اختلاف جمعیت‌ها را کم کند. تعداد کشته‌شدگان ناشی از کووید-19 در هر یک میلیون نفر نیز، میزان ناکارایی پیشگیری از مرگ و میر خروجی دیگر مدل خواهد بود. این نسبت‌به این علت در نظر گرفته شده است که تأثیر اختلاف جمعیت‌ها را کم کند. در جدول 4 داده‏های شاخص خروجی ارائه شده است.

                                                                                    i.            جدول 3- داده‌های شاخص‌های ورودی

1. Table 3- Data of input indicators

                                                                ii.            جدول 4- داده‌های شاخص‌های خروجی ناشی از کوهید 19

1. Table 4- Data of output indicators caused by Covid-19

10.           4-3- نتایج روش تحلیل پوششی داده‌‌های پنجره‌ای

مدل تحلیل پوششی دادۀ پنجره‌ای در محیط نرم‌افزار DEASolver در سه پنجره با طول 1، 2 و 3 ایجاد و اجرا شد. پنجرۀ 1، بازۀ زمانی 11/10/1398 تا 20/09/1399 (سال 2020)، پنجرۀ 2، بازۀ زمانی 21/09/1399 تا 29/08/1400 (سال 2021) و همچنین پنجرۀ 3، بازۀ زمانی 30/09/1400 تا 09/08/1401 (سال 2022) را در بر می‌گیرد. نتایج این مدل برای 16 کشور منتخب در پنجره‌های مختلف در قالب جدول با توجه به ورودی و خروجی‌های انتخاب شده، هر چه امتیاز کشوری بالاتر باشد، کارایی کمتری نسبت به دیگر کشورها در کنترل شیوع و مرگ و میر ناشی از کووید-19 دارد.

براساس نتایج طول پنجرۀ 1 واقع در جدول 5 و شکل 3 ملاحظه می‌شود که در دورۀ اول، چین با امتیاز 006/0 بیشترین کارایی و بعد از آن کرۀ جنوبی، ژاپن، مالزی، مصر، فنلاند، هند و سنگاپور به نسبت کارایی‌های کمتری داشتند. کشورهای کانادا، ایران، ایتالیا، لبنان، روسیه، سوئد، ترکیه و ایالات‌متحده، همه با امتیاز یک ناکاراترین عملکرد را نسبت‌به بقیه کشورها دارند. در دورۀ دوم، دوباره کشور چین بیشترین کارایی را با امتیاز 0009/0 نسبت‌به دیگر کشورها نشان می‌دهد. بعد از چین، کشورهای کرۀ جنوبی، مصر، ژاپن، هند، فنلاند، سنگاپور و ترکیه به ترتیب بیشترین کارایی را در مقابله با کووید-19 به دست آوردند. کشورهای مالزی، کانادا، ایران، ایتالیا، لبنان، سوئد، ایالات‌متحده و روسیه همه با امتیاز یک، ناکاراترین عملکرد را نسبت‌به بقیه کشورها دارند. در دورۀ سوم، باز هم چین، این بار با امتیاز 03/0، کمترین امتیاز را داراست و بیشترین کارایی عملکرد را نسبت‌به بقیۀ کشورهای‌ بررسی‌شده نشان می‌دهد. پس از چین، مصر، هند، ژاپن، مالزی و ترکیه کارایی بهتری نسبت‌به دیگر کشورها دارند. کشورهای کانادا، ایران، ایتالیا، لبنان، روسیه، سنگاپور، کرۀ جنوبی، سوئد، ایالات‌متحده و فنلاند همه با امتیاز یک، ناکاراترین عملکرد را نسبت‌به بقیۀ کشورها دارند.

                                              i.            جدول 5- نتایج کارایی نسبی عملکرد کشورها در سه پنجره با طول‌های مختلف

1. Table 5- The results of the relative performance of countries in three windows with different lengths

به‌طور کلی کشورهای کانادا، مصر، ایران، ایتالیا، لبنان، روسیه، سوئد و ایالات‌متحده در این سه دوره، نسبتاً عملکرد ثابتی داشتند. چین در دورۀ دوم، عملکرد بهتری‌ نسبت‌به دورۀ اول و سوم نشان داد، در حالی ‌که عملکرد کشور فنلاند در هر دوره نسبت‌به دورۀ قبلی بدتر شده است و کشورهای هند و ترکیه هر دوره، عملکرد کاراتری را نسبت‌به دورۀ گذشتۀ خود ارائه کرده‌اند. کارایی عملکرد ژاپن و سنگاپور کاهشی بوده و کشور مالزی با کارایی خوبی در دورۀ اول شروع کرده است، اما عملکرد بدی را در دورۀ دوم نشان داده و در دورۀ سوم به عملکرد نسبتاً مناسبی بازگشته است. کرۀ جنوبی در دو دورۀ اول، عملکرد نسبتاً خوبی داشته است، اما در دورۀ سوم، ناکارآمدی نسبی دارد.

براساس نتایج طول پنجرۀ 2 در جدول 5، در پنجرۀ اول (شامل دوره‌های یک و دو)، چین با امتیاز 002/0 کارایی بیشتری را نشان داده است؛ پس از چین، کشورهای کرۀ جنوبی، ژاپن، مصر، هند، فنلاند، مالزی، سنگاپور، لبنان، ترکیه، روسیه، ایران، کانادا و ایالات‌متحده به ترتیب‌ کارایی نسبی دارند. کشورهای ایتالیا و سوئد نیز با امتیاز یک، ناکاراترین عملکرد را نسبت‌به بقیۀ کشورها داشتند. در پنجرۀ دوم (شامل دوره‌های دوم و سوم)، باز هم چین بیشترین کارایی را با امتیاز 017/0 نسبت‌به دیگر کشورها نشان می‌دهد. بعد از آن به ترتیب کشورهای مصر، ژاپن، هند، کرۀ جنوبی، فنلاند، سنگاپور، ترکیه، مالزی، سوئد، کانادا، ایران، ایالات‌متحده و لبنان‌ بیشترین کارایی عملکرد را دارند. کشورهای روسیه و ایتالیا نیز با امتیاز یک، ناکاراترین عملکرد را نسبت‌به بقیۀ کشورها داشتند.

شکل 3- مقایسۀ کلی نتایج روش تحلیل پنجره‌ای

Fig. 3- Overall comparison of the results of the window analysis method

به‌طور کلی کشورهای چین، ایتالیا، هند، ترکیه، کانادا، مصر و سنگاپور در هر پنجره عملکرد تقریباً یکسانی را با پنجرۀ دیگر خود ارائه دادند، ولی ایتالیا در هر دو پنجره ناکارا بوده است. فنلاند در پنجرۀ دوم عملکرد ضعیف‌تری نسبت‌به پنجرۀ اول خود نشان داده است، اما هر دو به نسبت کارا بودند. ایران، لبنان، مالزی، کرۀ جنوبی و ایالات‌متحده نیز، کارایی کمتری را در پنجرۀ دوم دارند و روسیه در پنجرۀ دوم، به ناکارایی نسبی رسیده است، در حالی ‌که سوئد در پنجرۀ دوم از ناکارایی نسبی پنجرۀ اول خارج می‌شود و عملکرد بهتری را ارائه می‌دهد. ژاپن نیز با وجود کمی افزایش ناکارایی در پنجرۀ دوم، باز هم به نسبت عملکرد کارایی را داشته است.

براساس نتایج طول پنجره 3 در جدول 5، چین عملکرد کاراتری را نسبت‌به دیگر کشورها دارد و پس از آن به ترتیب عملکرد کشورهای مصر، ژاپن، هند، کرۀ جنوبی، فنلاند، سنگاپور، مالزی، ترکیه، لبنان، کانادا، روسیه، سوئد، ایران و ایالات‌متحدۀ آمریکا، کارا بوده است. کشور ایتالیا با امتیاز یک، ناکاراترین عملکرد را نسبت‌به بقیۀ کشورها دارد.

متوسط تمام نمره‌های داد‌ه‌شده برابر 643/0 است. این عدد نشان می‌دهد‌ متوسط کارآمدی در مجموعه کشورهای انتخابی، پذیرفتنی است. با نگاه جداگانه به هر دوره در شکل 3، نتیجه گرفته می‌شود‌ زمانی که طول پنجره برابر یک ‌ است، بیشتر کشورها ناکارایند؛ یعنی هر سال این کشورها عملکرد بسیار خوبی را نشان نداده‌اند. زمانی که طول پنجره برابر با دو است، در بیشتر کشورها شاهد امتیازات بهتری هستیم، یعنی این کشورها در‌مجموع دو سال عملکرد بهتری‌ نسبت‌به عملکرد یک‌سالۀ خود داشته‌اند. در طول پنجرۀ برابر سه، عملکرد کشورها در‌مجموع این سه دوره مشاهده می‌شود و به ترتیب کشورهای چین، مصر، ژاپن، هند، کرۀ جنوبی، فنلاند، سنگاپور، مالزی، ترکیه، لبنان، کانادا، روسیه، سوئد، ایران، ایالات‌متحده و ایتالیا، نمره‌های عملکردهای کاراتری را به دست آورده‌اند. با توجه به مقایسۀ انجام‌شده در این مقاله، کشور چین بهترین عملکرد را در کنترل بیماری و کشور ایتالیا بدترین عملکرد را داشته است.

11.           4-4- نتایج روش شاخص بهره‌وری مـالم‌کوئیسـت

مدل تحلیل پوششی دادۀ مبتنی بر شاخص بهره‌وری مـالم‌کوئیسـت در محیط نرم‌افزار DEASolver، با مقایسۀ «دورۀ اول و دورۀ دوم» و «دورۀ دوم و دورۀ سوم» ایجاد و اجرا شد. در جدول 6 مقایسۀ «دورۀ اول و دورۀ دوم» و «دورۀ دوم و دورۀ سوم»، روش شاخص بهره‌وری مالم‌کوئیست نمایش داده شده است.

                                 i.            جدول 6- مقایسۀ «دورۀ اول و دوم» و «دورۀ دوم و‌ سوم» روش شاخص بهره‌وری مالم‌کوئیست

1. Table 6- Comparison of "first period and second period" and "second period and third period" of the Malmquist productivity index method

با توجه به نتایج شاخص بهره‌وری مالم‌کوئیست، کانادا و چین در دورۀ دوم نسبت‌به دورۀ اول و در دورۀ سوم نسبت‌به دورۀ دوم، با افزایش ناکارآمدی روبه‌رو بوده‌اند. کشورهای مصر، فنلاند، هند، ژاپن، لبنان، سنگاپور و کرۀ جنوبی در دورۀ دوم نسبت‌به دورۀ اول، نمره‌ای بالاتر از یک گرفته‌اند که این نشان‌دهندۀ افزایش ناکارایی است؛ اما در دورۀ سوم نسبت‌به دورۀ دوم، عملکرد خود را بهبود داده‌‌ و نمره‌های کمتر از یک، از این شاخص گرفته‌اند. سوئد و ترکیه در مقایسۀ دورۀ دوم به دورۀ اول، امتیازی کمتر از یک گرفته‌اند که این به معنای کاهش کارایی در عملکرد آنهاست؛ اما در مقایسۀ دورۀ سوم به دوم، این دو کشور افزایش ناکارآمدی را در عملکردشان نشان می‌دهند. ایران، ایتالیا، مالزی، روسیه و ایالات‌متحدۀ آمریکا‌ در هر دو مقایسه، بین دورۀ دوم و‌ اول و بین دورۀ سوم و‌ دوم، نمره‌ای کمتر از یک گرفته‌اند که این امر کاهش ناکارآمدی را در عملکردشان در هر سال نشان می‌دهد.

با توجه به نتایج به دست آمده و شکل 4 که مجموع امتیازات دو مقایسۀ بخش قبلی را در قالب یک تصویر نمایش می‌دهد، سنگاپور بدترین نتیجه و کشورهای مالزی، ایتالیا، لبنان، سوئد، ایران، روسیه، ایالات‌متحده، مصر، هند، ترکیه، فنلاند، کرۀ جنوبی، ژاپن، چین و کانادا به ترتیب نزولی، بهبود کارایی را در مقایسۀ با هم نشان داده‌اند.

شکل 4- مقایسۀ کلی نتایج شاخص بهره‌وری مالم‌کوئیست

Fig. 4- Overall comparison of Malmquist productivity index results

12.           4-5- نتایج تحلیل پوششی داده‌ای با متغیرهای ورودی‌‌کنترل‌نشدنی

همان‌طور که گفته شد، سه متغیر ورودی‌ جمعیت و تراکم جمعیت و درصد افراد بالای 65 سال، متغیر‌ کنتر‌ل‌نشدنی در نظر گرفته شد و تحلیل پوششی داده‌‌ای با متغیرهای ورودی ‌‌کنترل‌نشدنی در دو حالت (1) هر کشور در سه دورۀ جداگانه به‌عنوان واحد تصمیم‌گیری و (2) هر سه دوره یک کشور با هم به‌عنوان واحدهای تصمیم‌گیری در نظر گرفته شد. به‌دنبال آن، مدل‌ها در محیط نرم‌افزار DEASolver ایجاد و پس از اجرا، نتایج مقایسه شد.

جدول 7 و شکل 5، نتایج مدل متغیرهای‌ کنترل‌نشدنی را در حالت (1) ارائه می‌کند. همان‌طور که ملاحظه می‌شود در دورۀ اول، کمترین امتیازات مربوط به کشورهای مصر، مالزی و کرۀ ‌جنوبی است و دیگر کشورها ناکارآمد بودند، در دورۀ دوم، برای مصر و کرۀ ‌جنوبی کمترین امتیازات محاسبه‌شده و در دورۀ سوم مصر، مالزی و ترکیه کارآمدترین کشورهایند. شایان ذکر است که به‌دلیل دو خروجی نامطلوب مدل، امتیاز بالا، ناکارآمدی و امتیاز پایین کارآمدی را نشان می‌دهد.

                                              i.            جدول 7- مقایسۀ دوره‌ای تحلیل پوششی داده‌ای با متغیرهای ورودی ‌‌کنترل‌نشدنی

1. Table 7- Periodic comparison of DEA with uncontrolled input variables

شکل 5- مقایسۀ دوره‌ای کارایی کشورها از تحلیل پوششی داده‌ای با متغیرهای ورودی ‌‌کنترل‌نشدنی

Fig. 5- Periodic comparison of countries' performance from DEA with uncontrollable input variables

همۀ کشورها در مقایسه با خودشان در سه دوره، امتیاز یک را کسب کردند؛ بنابراین با توجه به نتایج این مدل، نتایج دوره‌ای کشورها، تفاوت خاصی را در کارایی آنها‌ نشان نمی‌دهد. جدول 8، نتایج این مقایسه را ارائه می‌کند. رتبۀ هر کشور در هر دوره، در مقایسه با دیگر کشورها در سه دوره نیز نمایش داده شده است. این رتبه‌ها، به‌ترتیب کشورها را از ناکارآمد به کارآمدترین کشور مرتب می‌کنند. در‌مجموع، با توجه به این مقایسه، به ترتیب کشور مصر، لبنان، مالزی، ایران، ترکیه، کرۀ ‌جنوبی، سوئد، ژاپن و چین کارآمدتر از دیگر کشورها بوده‌اند.

                       ii.            جدول 8- مقایسۀ کلی کارایی و رتبۀ کشورها با تحلیل پوششی داده‌‌ای با متغیرهای ورودی‌ کنترل‌نشدنی

1. Table 8- Overall comparison of countries' efficiency and ranking with DEA with uncontrollable input variables

13.           5- بحث

نتایج مدل تحلیل پنجره‌ای نشان می‌دهد متوسط تمام نمره‌های داده‌شده برابر 643/0 است. این عدد مشخص می‌کند ‌ متوسط ناکارآمدی در مجموعه کشوهای انتخابی، پذیرفتنی است. همچنین زمانی که طول پنجره برابر یک است، بیشتر کشورها ناکارآمدند؛ یعنی در هر سال این کشورها، عملکرد خوبی را نداشته‌اند. هنگامی که طول پنجره دو است، در بیشتر کشورها امتیازات بهتری دیده می‌شود، یعنی این کشورها عملکرد بهتری را نسبت‌به سال قبل خود داشته‌اند. عملکرد کشورها در‌مجموع این سه دوره، براساس طول پنجرۀ سه سنجش شد که به ترتیب نزولی کشورهای چین، مصر، ژاپن، هند، کرۀ جنوبی، فنلاند، سنگاپور، مالزی، ترکیه، لبنان، کانادا، روسیه، سوئد، ایران، ایالات‌متحده و ایتالیا، نمر‌ه‌های عملکردهای بهتری را به ‌دست آوردند. با توجه به مقایسۀ انجام‌گرفته بر‌اساس مدل اول، کشور چین بهترین عملکرد را در کنترل بیماری و کشور ایتالیا، بدترین عملکرد را داشته است. براساس نتایج روش شاخص بهره‌وری مالم‌کوئیست، سنگاپور کمترین رشد را داشته است و کشورهای مالزی، ایتالیا، لبنان، سوئد، ایران، روسیه، ایالات‌متحده، مصر، هند، ترکیه، فنلاند، کرۀ جنوبی، ژاپن، چین و کانادا به ترتیب، در بهبود کارایی خود تلاش کرده‌اند. با توجه به نتایج تحلیل پوششی داده‌‌ای با متغیرهای ورودی‌ کنترل‌نشدنی، به‌ ترتیب مصر، مالزی و کرۀ ‌جنوبی عملکرد بهتری نسبت‌به دیگر کشورها داشته‌اند. این مدل به بیشتر کشورها برچسب ناکارآمدی زده‌ و به ‌عبارت دیگر، تمایزی بین آنها قائل نشده است.

کشور ایران در مدل تحلیل پوششی داده‌های پنجره‌ای، در سه نوع پنجرۀ در نظر گرفته شده، نتایج متوسطی را نشان داد. این نتایج در سه دوره با هم‌ مقایسه‌‌شدنی‌اند. ایران در هر سه دوره ناکارا بوده است. نتایج با طول پنجرۀ دو، اجازه می‌دهد کارایی کشور ایران در سال‌ها 2020 و 2021 با کارایی آن در سال‌های 2021 و 2022 مقایسه شود. این نتایج نشان می‌دهد‌ ایران در پنجرۀ اول، کارآمدتر از پنجرۀ دوم‌ و در طول پنجرۀ سه، سومین کشور از‌نظر ناکارآمدی، بعد از ایتالیا و ایالات‌متحده است. همچنین در مدل شاخص بهره‌وری مالم‌کوئیست، ایران پنجمین کشور از‌لحاظ ناکارآیی، بعد از کشورهای مالزی، ایتالیا، لبنان و سوئد است. در مدل متغیرهای ‌‌کنترل‌نشدنی، تنها در مقایسۀ کلی است که ایران از ناکارآیی خارج می‌شود و جزء کشورهای کارا در دوره‌ها اول و سوم قرار می‌گیرد.

پژوهش‌های مشابه گذشته با بهره‌گیری از انواع مختلف مدل‌های تحلیل پوششی داده‌ها و همچنین شاخص‌های دیگر،‌ کارایی کشورهای گوناگون را بررسی کرده‌اند؛ از این‌ رو اشتراکات ‌این پژوهش‌ها به حدی نیست که بتوان نتایج این مقاله را با آنان مقایسه کرد و نتایج معنی‌داری را به دست آورد. با‌ وجود این، برخی نتایج این مقاله، به‌صورت توصیفی با دیگر پژوهش‌ها مطابقت دارد و به یک مورد آن اشاره می‌شود؛ برای مثال، در مقالۀ حاضر کشورهای ایتالیا و آمریکا جزء ناکاراترین کشورها و کشور چین و با تحلیل پوششی داده‌ها با متغیرهای‌ کنترل‌نشدنی، کشور مصر جزء کارآمدترین کشورها بوده است، در حالی ‌که برومند و همکاران (2021) نیز به این نتیجه رسیدند که کشورهای ایتالیا و آمریکا با شاخص کارایی پایین، بدترین عملکرد و کشور چین عملکرد متوسط را دارد.

14.           6- نتیجه‌گیری

این مقاله کارایی کشورها را در مقابله با بیماری همه‌گیر کووید-19، با استفاده از سه روش تحلیل پوششی داده‌های پنجره‌ای، شاخص مالم‌کوئیست و تحلیل پوششی داده‌ها با متغیرهای‌ کنترل‌نشدنی بررسی کرد. جزییات نتایج سه مدل با هم متفاوت بود، اما باید توجه داشت که هر مدل‌ مفهوم جداگانه‌ای را بررسی می‌کند. مدل تحلیل پنجره‌ای، کارایی هر پنجره را به‌طور جداگانه ‌اندازه می‌گیرد و آن را با دیگر پنجره‌ها و‌ کشورها مقایسه می‌کند، ولی شاخص مالم‌کوئیست در رشد هر دوره نسبت‌به دورۀ بعد تمرکز می‌کند. جمعیت، تراکم جمعیت، درصد جمعیت افراد بالای 65 سال، مکمل ردیاب واکنش دولت‌ها به کووید-19 دانشگاه آکسفورد، نسبت هزینۀ درمان به درآمد و متوسط درصد افراد واکسیناسیون‌نشده به‌عنوان ورودی‌ها و نرخ موارد تأیید‌شدۀ ناشی از کووید-19 و نرخ مرگ و میر تأیید‌شدۀ ناشی از کووید-19، خروجی در نظر گرفته شدند. 16 کشور برای ارزیابی با دو مدل انتخاب شدند. این کشورها شامل کشورهای کانادا، چین، مصر، فنلاند، هند، ایران، ایتالیا، ژاپن، لبنان، مالزی، روسیه، سنگاپور، کرۀ جنوبی، سوئد، ترکیه و ایالات‌متحده می‌شوند که انتخاب آنها با در نظر گرفتن تفاوت‌ها در ویژگی‌های مختلف جمعیتی، فرهنگی و جغرافیایی بوده است. نتایج به دست آمده نشان می‌‌دهد‌ کشوری مانند چین که بهترین نمرات کارایی را در مدل تحلیل پنجره‌ای می‌آورد، در شاخص مالم کوئیست، جزء کشورهای با بدترین نمره‌های کارایی است که این نشان‌دهندۀ رشد کمتر این کشور از هر دوره به دورۀ بعد نسبت‌به دیگر کشورهاست و یا کشوری مانند ایتالیا با اینکه امتیازش در شاخص مالم‌کوئیست، نشان‌دهندۀ پیشرفت است، با توجه به نتایج تحلیل پنجره‌ای، این رشد برای کارا‌کردن عملکرد آن کافی نبوده است. همچنین نتایج مدل ورودی‌‌های‌ کنترل‌نشدنی نشان داد‌ کشور مصر، کاراترین کشور است.

انتخاب بازه‌های متفاوت و دقیق‌تر براساس وریانت‌های ویروس (آلفا، دلتا و امیکرون) و انتخاب گسترده‌تر کشورها نیز‌ بررسی‌شدنی است. در نظر گرفتن میزان واکسیناسیون و یا نوع واکسن و مشاهدۀ آثار آن به‌صورت اثر دینامیکی در مدل تحلیل پوششی داده‌ها نیز، یک جهت مناسب برای پژوهش است. توسعۀ مدل‌های تحلیل پوششی پنجره‌ای و شاخص مالم‌کوئیست برای متغیرهای‌ کنترل‌نشدنی و به‌کارگیری آنها برای داده‌های این مقاله نیز، پیشنهاد می‌شود. همچنین انتخاب شاخص‌های ورودی و خروجی براساس اهداف دیگر‌‌ در پژوهش‌های آتی، بررسی‌شدنی است.

[i]- Wuhan

[ii]- COVID-19

[iii]- World Health Organization

[iv]- Data Envelopment Analysis (DEA)

[v]- Salehzadeh et al.

[vi]- Window Data Envelopment Analysis (WDEA)

[vii]- Malmquist Index (MI)

[viii]- DEA with non-controlable input variables

[ix]- Non-Pharmaceutical Interventions (NPI)

[x]- Correia et al.

[xi]- Bootsma & Ferguson

[xii]- Gourinchas

[xiii]- Md Hamzah et al.

[xiv]- Network Data Data Envelopment Analysis (NDEA)

[xv]- Breitenbach et al.

[xvi]- Ghasemi et al.

[xvii]- Boroumand et al.

[xviii]- Decision Making Unit (DMU)

[xix]- Input-oriented (IO)

[xx]- Output-oriented (OO)

[xxi]- Peykani et al.

[xxii]- Gaeta

[xxiii]- Malmquist

[xxiv]- Total Factor Productivity

[xxv]- Frontier Technology

[xxvi]- Tone

[xxvii]- Catch-up

[xxviii]- Frontier-Shift

[xxix]- Cooper et al.

[xxx]- Banker & Morey

[xxxi]- Non-controllable Variable Model

[xxxii]- Mohamed et al.

[xxxiii]- University of Oxford

[xxxiv]- The World Bank Group

[xxxv]- World Population Review

[xxxvi]- Our World in Data

[xxxvii]- International Water Association