บทคัดย่อ
ปัญหาการระบาดใหญ่ของโรคติดเชื้อไวรัสโคโรนา 2019 (โควิด-19) ในประเทศไทย เป็นปัญหาซับซ้อน ความรู้ที่มีอยู่อย่างจำกัดตามธรรมชาติของโรคอุบัติใหม่ ทำให้มีความไม่แน่นอนในการแก้ไขปัญหา ผู้กำหนดนโยบายต้องการข้อมูลที่รอบด้านประกอบการตัดสินใจเชิงนโยบายและลดข้อจำกัดของกระบวนการคิดแบบแยกส่วน การทบทวนวรรณกรรมชี้ให้เห็นว่าความสำเร็จของการควบคุมการระบาดใหญ่ของโรคโควิด-19 ขึ้นอยู่กับการพัฒนากระบวนการตัดสินใจเชิงนโยบายในสถานการณ์สาธารณสุขฉุกเฉินในระดับประเทศ ซึ่งจำเป็นต้องมีโครงสร้างการทำงานของฝ่ายข้อมูลและยุทธศาสตร์เพื่อทำหน้าที่รวบรวมข้อมูลและนำเสนอให้ผู้บัญชาการเหตุการณ์ซึ่งทำหน้าที่ตัดสินใจสั่งการ พัฒนาแนวทางปฏิบัติ และสื่อสารความเสี่ยงกับสาธารณะ การประยุกต์ใช้กระบวนการคิดเชิงระบบ (systems thinking) เพื่อพัฒนาข้อเสนอเชิงนโยบาย ช่วยทำความเข้าใจความสัมพันธ์ระหว่างองค์ประกอบของระบบทั้งหมดที่เชื่อมโยงกันจากมุมมองของผู้มีส่วนได้เสียในทุกภาคส่วน และทดสอบผลลัพธ์ของแต่ละนโยบายในแบบจำลองสถานการณ์ เพื่อให้ผู้กำหนดนโยบายสามารถตัดสินใจ เลือกดำเนินนโยบายที่มีโอกาสสร้างผลลัพธ์ในการควบคุมโรคมากที่สุด และมีผลกระทบเชิงลบน้อยที่สุด บนพื้นฐานของข้อมูลทางวิชาการ และมีการบริหารความเสี่ยงที่อาจเกิดจากผลการตัดสินใจเหล่านั้น เครื่องมือสำคัญในการสังเคราะห์ข้อมูลคือแบบจำลองทางคณิตศาสตร์ที่ใช้คาดการณ์สถานการณ์ทางระบาดวิทยา ซึ่งพิจารณาความสามารถในการแพร่เชื้อตามธรรมชาติของเชื้อไวรัสโคโรนา 2019 แต่ยังมีข้อจำกัดในการใช้สนับสนุนการตัดสินใจเชิงนโยบายที่รอบด้าน จำเป็นต้องมีการดัดแปลงแบบจำลอง Susceptible-Exposed-Infectious-Recovered (SEIR model) ซึ่งถูกใช้เป็นพื้นฐานการคาดการณ์สถานการณ์ทางระบาดวิทยามาพัฒนาเป็นโครงสร้างของแบบจำลองพลวัตระบบ เพื่อให้สามารถใช้เป็นเครื่องมือสำหรับการวิเคราะห์ข้อมูล ซึ่งพิจารณาถึงความทนทานต่อวิกฤตและการปรับตัวหลังวิกฤตของระบบสุขภาพ (health systems resilience) ทั้งในมิติการรองรับปัญหาเฉพาะหน้า การปรับตัวระยะกลางและการพลิกโฉมระบบสุขภาพเพื่อรับมือกับวิกฤตในอนาคต โดยประยุกต์ใช้กระบวนการพัฒนาแบบแบบจำลองโดยกลุ่ม (group model building) ในการทำงานร่วมกับผู้มีส่วนได้เสีย เพื่อบูรณาการระบบการแก้ไขปัญหาทั้งหมดให้เป็นส่วนหนึ่งของแบบจำลองสถานการณ์ ทั้งมาตรการควบคุมโรค มาตรการเพิ่มขีดความสามารถของระบบบริการสุขภาพ และมาตรการเยียวยาผลกระทบด้านเศรษฐกิจและสังคม สามารถนำไปสู่การสังเคราะห์ข้อเสนอเพื่อสนับสนุนกระบวนการตัดสินใจเชิงนโยบายภายใต้สถานการณ์สาธารณสุขฉุกเฉินดังกล่าวได้อย่างมีประสิทธิผล คณะผู้วิจัยพัฒนาแบบจำลองพลวัตระบบโดยเก็บข้อมูลซึ่งใช้ในการศึกษาวิจัยการจัดประชุมเชิงปฏิบัติการเรื่องการออกแบบระบบบริการสุขภาพในยุคโควิด-19 และประยุกต์ใช้กระบวนการพัฒนาแบบจำลองโดยกลุ่มเพื่อทำงานร่วมกับผู้มีส่วนได้เสีย เก็บข้อมูลเชิงคุณภาพและเชิงปริมาณ เพื่อสังเคราะห์เป็นแผนภาพวงจรเชิงสาเหตุซึ่งแสดงความสัมพันธ์ของทุกปัจจัยภายในระบบสุขภาพที่ส่งผลกระทบต่อการควบคุมการระบาดใหญ่ของโรคโควิด-19 ในประเทศไทย รวบรวมข้อมูลทุติยภูมิเชิงปริมาณเพื่อพัฒนาแบบจำลองสถานการณ์เพิ่มเติมอย่างต่อเนื่องในระหว่างปี พ.ศ. 2563-2564 และวิเคราะห์ข้อมูลซึ่งนำไปสู่การสังเคราะห์ข้อเสนอเพื่อสนับสนุนกระบวนการตัดสินใจเชิงนโยบายและการวางแผนการปรับตัวหลังวิกฤตของระบบสุขภาพของประเทศไทยในประเด็นสำคัญ ได้แก่ 1) การคาดการณ์สถานการณ์ทางระบาดวิทยาของประเทศไทยหลังการผ่อนคลายมาตรการควบคุมโรคระบาดในระลอกมกราคม พ.ศ. 2563 เพื่อเยียวยาด้านเศรษฐกิจและสังคม รวมทั้งการผ่อนคลายการเดินทางเข้ามาในราชอาณาจักรของนักเดินทางข้ามชาติ 2) การคาดการณ์สถานการณ์ด้านระบาดวิทยาทั้งระดับประเทศและระดับพื้นที่เขตกรุงเทพมหานครและปริมณฑลในระหว่างการระบาดระลอกเมษายน พ.ศ. 2564 รวมทั้งการทดสอบผลลัพธ์ของการใช้มาตรการล็อกดาวน์ 3) การทดสอบผลลัพธ์ของทางเลือกเชิงนโยบายในการเพิ่มสมรรถนะของระบบการตรวจโรค การค้นหาผู้สัมผัสโรคและการกักแยกโรคภายหลังการบังคับใช้มาตรการล็อกดาวน์ในเดือนกรกฎาคม พ.ศ. 2564 และ 4) การทดสอบผลลัพธ์ของทางเลือกเชิงนโยบายในการเพิ่มสมรรถนะของระบบบริบาลสุขภาพให้เพียงพอต่อการดูแลรักษาผู้ป่วยโรคโควิด-19 ในระหว่างการระบาดระลอกเมษายน พ.ศ. 2564 และระลอกมกราคม พ.ศ. 2565 ผลการศึกษาจากแบบจำลองสถานการณ์ในระยะหลังการระบาดของโควิด-19 ระลอกแรกในประเทศไทยตั้งแต่ต้นปี พ.ศ. 2563 แสดงให้เห็นโอกาสของการเกิดการระบาดระลอกใหม่หลังจากมีความจำเป็นต้องเริ่มผ่อนคลายมาตรการควบคุมโรคแบบเข้มข้น แม้ว่ารัฐบาลบริหารความเสี่ยงเพื่อควบคุมการระบาดให้ได้อย่างทันท่วงทีโดยการประกาศใช้ “นโยบายล็อกดาวน์” ได้แก่ การปิดสถานที่ราชการและบริการสาธารณะ รวมทั้งงดการเดินทางข้ามจังหวัดและการเดินทางระหว่างประเทศตั้งแต่ปลายเดือนมีนาคม พ.ศ. 2563 ซึ่งแม้ว่ามีประสิทธิผลในการควบคุมโรค แต่ส่งผลกระทบเชิงลบด้านเศรษฐกิจและสังคมอย่างกว้างขวาง ดังนั้น ผู้กำหนดนโยบายควรพิจารณาเลือกใช้นโยบายแบบบูรณาการที่ตอบสนองทั้งเป้าหมายการควบคุมโรคและการเยียวยาด้านเศรษฐกิจและสังคม เช่น ใช้มาตรการเยียวยาทางการเงินนายจ้างเพื่อรักษาการจ้างงานลูกจ้างเพื่อลดการเดินทางข้ามพื้นที่ของแรงงานที่มีความเสี่ยงในการติดเชื้อโควิด-19 เป็นต้น แบบจำลองสถานการณ์การระบาดทั้งในระดับประเทศและระดับพื้นที่เขตกทม.และปริมณฑล ในระหว่างการระบาดระลอกเมษายน พ.ศ. 2564 แสดงให้เห็นโอกาสของการเกิดการระบาดระลอกใหม่ที่รุนแรงมากกว่าปี พ.ศ. 2563 เนื่องจากความสามารถในการแพร่เชื้อที่รวดเร็วมากขึ้นของสายพันธุ์อัลฟ่าและเดลต้า และมีโอกาสมีจำนวนผู้ติดเชื้อโควิด-19 เกินความสามารถของระบบบริการสุขภาพในบางพื้นที่ เช่น เขตกทม.และปริมณฑล แต่ประสิทธิผลในการควบคุมโรคจะดีขึ้น ถ้าใช้นโยบายควบคุมโรคแบบเข้มข้นสามารถลดการแพร่เชื้อในชุมชนได้อย่างน้อย 40% ในระยะประมาณหนึ่งเดือน ดังนั้น ผู้กำหนดนโยบายควรพิจารณาบังคับใช้ “นโยบายล็อกดาวน์” ให้เข้มข้นมากพอในระยะสั้น และในระยะยาวควรปรับมาตรการกักแยกโรคผู้ติดเชื้อทั้งหมดในโรงพยาบาลเป็นการจัดบริการกักแยกโรคในชุมชนสำหรับผู้ติดเชื้อที่ไม่มีอาการหรืออาการน้อย แบบจำลองสถานการณ์ยังแสดงผลลัพธ์ของทางเลือกเชิงนโยบายในการเพิ่มสมรรถนะของระบบการตรวจโรค การค้นหาผู้สัมผัสโรคและการกักแยกโรคทั้งในระดับประเทศและระดับพื้นที่เขตกทม.และปริมณฑล ในระหว่างการระบาดระลอกเมษายน พ.ศ. 2564 และชี้ให้เห็นว่าแม้การตรวจคัดกรองเชิงรุกในชุมชนจะเพิ่มจำนวนผู้ติดเชื้อในระยะสั้นแต่จะช่วยลดจำนวนผู้ติดเชื้อที่ต้องการบริการสุขภาพในระยะยาว ดังนั้น ผู้กำหนดนโยบายควรพิจารณาใช้นโยบายเพิ่มการตรวจคัดกรองเชิงรุกในชุมชนในระหว่างบังคับใช้มาตรการล็อกดาวน์ในเดือนกรกฎาคม พ.ศ. 2564 เพื่อใช้โอกาสที่ประชาชนกลุ่มเสี่ยงยังมีการเดินทางจำกัดในระหว่างการบังคับใช้ “นโยบายล็อกดาวน์” ให้สามารถเข้าถึงการตรวจตัดกรองที่ครอบคลุมมากที่สุด รวมทั้งควรพิจารณาปรับมาใช้การตรวจคัดกรองด้วยวิธี rapid lateral flow tests หรือ antigen test kit (ATK) ร่วมด้วยแม้ว่าอาจจะมีข้อจำกัดทำให้เกิดผลลบลวงในบางส่วน เนื่องจากประชาชนจำนวนมากในบางพื้นที่อาจจะยังมีข้อจำกัดในการเข้าถึงการตรวจโรคด้วยวิธี real-time polymerase chain reaction (RT-PCR) ดังนั้น นโยบายเริ่มการตรวจคัดกรองด้วย ATK ช่วยควบคุมโรคได้ดีกว่าไม่ใช้การตรวจ ATK เลย แบบจำลองสถานการณ์แสดงผลลัพธ์ของทางเลือกเชิงนโยบายในการเพิ่มสมรรถนะของระบบบริบาลสุขภาพให้เพียงพอต่อการดูแลรักษาผู้ป่วยโรคโควิด-19 อย่างมีคุณภาพในระหว่างการระบาดระลอกเมษายน พ.ศ. 2564 และระลอกมกราคม พ.ศ. 2565 โดยจำนวนเตียงที่ใช้ในระบบบริการสุขภาพอาจไม่เพียงพอสำหรับการรองรับการระบาดในระลอกเมษายน พ.ศ. 2564 โดยเฉพาะเมื่อมีการเริ่มระบาดของสายพันธุ์เดลต้าในเดือนมิถุนายน พ.ศ. 2564 จำเป็นต้องการสร้างขีดความสามารถเสริม (surge capacity) ของระบบบริการสุขภาพ เช่น สร้างบริการกักแยกโรคเพิ่มเติมในโรงแรมหรือในชุมชน ส่วนจำนวนเตียงที่ใช้ในระบบบริการสุขภาพสำหรับการรองรับการระบาดในระลอกมกราคม พ.ศ. 2565 อาจไม่เพียงพอสำหรับการรองรับการกักแยกโรคของผู้ที่ติดเชื้อที่มีจำนวนมากจากเชื้อสายพันธุ์โอมิครอนที่มีความสามารถในการแพร่เชื้อสูงมาก แต่นอกเหนือการเตรียมขีดความสามารถเสริมของระบบบริการสุขภาพสำหรับรองรับผู้ติดเชื้อโควิด-19 แล้ว แบบจำลองสถานการณ์ยังแสดงผลลัพธ์ของนโยบายเพิ่มเติมที่เหมาะสมมากที่สุด คือ การเร่งรัดฉีดวัคซีนเข็มกระตุ้นให้แก่ประชาชนโดยเฉพาะในประชากรกลุ่มเสี่ยงเพื่อลดอัตราป่วยและอัตราป่วยตาย คณะผู้วิจัยได้นำเสนอผลการศึกษาเบื้องต้นเพื่อสนับสนุนกระบวนการตัดสินใจเชิงนโยบายให้แก่ผู้กำหนดนโยบายในหลายระดับ เช่น ที่ปรึกษานายกรัฐมนตรี คณะกรรมการเฉพาะกิจเพื่อพิจารณาการผ่อนคลายการบังคับใช้มาตรการในการป้องกันการแพร่ระบาดของโรคติดเชื้อไวรัสโคโรนา 2019 (โควดิ-19) และคณะที่ปรึกษาด้านผลกระทบทางเศรษฐกิจและสังคมในศูนย์บริหารสถานการณ์การแพร่ระบาดของโรคติดเชื้อไวรัสโคโรนา 2019 (ศบค.), ศูนย์ปฏิบัติการภาวะฉุกเฉินทางสาธารณสุข (emergency operation center: EOC) ของกระทรวงสาธารณสุข, ฝ่ายเศรษฐกิจมหภาค ธนาคารแห่งประเทศไทย และคณะกรรมการสถาบันวิจัยระบบสาธารณสุข รวมทั้งสื่อสารผลการศึกษาเบื้องต้นแก่สาธารณะผ่านเว็บไซต์ของคณะผู้วิจัยและผ่านทางสื่อมวลชนเป็นระยะ อย่างไรก็ตาม การพัฒนาแบบจำลองพลวัตระบบให้เป็นเครื่องมือสำหรับการวิเคราะห์ข้อมูลซึ่งพิจารณาถึงความทนทานต่อวิกฤตและการปรับตัวหลังวิกฤตของระบบสุขภาพยังคงมีข้อจำกัด เนื่องจากกระบวนการวางแผนและตัดสินใจเชิงนโยบายในภาวะสาธารณสุขฉุกเฉินของประเทศไทย มีแนวโน้มที่ผู้กำหนดนโยบายมุ่งเน้นการตอบโต้ต่อสถานการณ์เฉพาะหน้า โดยยังไม่มุ่งเน้นการแก้ไขปัญหาเชิงโครงสร้างของระบบสุขภาพหรือยังไม่ได้พิจารณาแก้ไขปัญหาที่จุดคานงัดของระบบ ทำให้ปัญหาหลายด้านยังคงอยู่หลังเริ่มการระบาดใหญ่มามากกว่าสองปี ดังนั้น การสร้างเวทีและกระบวนการเรียนรู้ของผู้มีส่วนได้เสียในกระบวนการนโยบายในระหว่างการทำงานวิชาการ เช่น การพัฒนาแบบจำลองพลวัตระบบเพื่อสนับสนุนระบบการจัดการภาวะสาธารณะฉุกเฉินในระยะที่ผ่านมาจึงมีความสำคัญอย่างยิ่ง และน่าจะมีส่วนทำให้ประเทศไทยสามารถพัฒนาระบบสุขภาพของประเทศไทยเป็น “ระบบสุขภาพที่มีการเรียนรู้” (learning health systems) ตามแนวคิดขององค์การอนามัยโลกได้อย่างเต็มที่มากขึ้น ด้วยการพัฒนากระบวนการตัดสินใจเชิงนโยบายในภาวะวิกฤตบนพื้นฐานของหลักฐานวิชาการ (evidence-informed policy-making) แม้ว่าจะเป็นความท้าทายต่อผู้กำหนดนโยบายที่จะใช้งานวิชาการในกระบวนการตัดสินใจท่ามกลางความกดดันรอบด้านจากสาธารณะและมีข้อจำกัดจากความไม่แน่นอนของข้อมูล แต่เป็นการทำงานที่มีความจำเป็นอย่างยิ่งในการจัดการสถานการณ์ฉุกเฉินที่มีความซับซ้อนของทั้งระบบสุขภาพ ระบบเศรษฐกิจและสังคมในอนาคต
บทคัดย่อ
The pandemic of Coronavirus Disease 2019 (Covid-19) comprises complex health and socio-economic issues. The limited knowledge of this emerging disease has led to uncertainties in solving the problem. Policymakers need comprehensive data to support policy decisions and reduce the constraints of compartmentalized thinking. The literature review suggests that controlling the pandemic depends on developing policy decision processes that effectively deal with public health emergencies at the national policy level. The governance structure of the "Information and Strategy Department" is required to collect data and present it to the "Incidence Commander", who makes the decisions, develops guidelines, and communicates risks to the public. Systems thinking can be applied to the policy process by better understanding the relationships between all connected system components from the perspective of all relevant stakeholders and by testing the effectiveness of policy scenarios by simulation modeling. Thus, the process enables policymakers to make well-informed decisions supported by sound scientific evidence, likely to create optimal disease control with negative impacts and manage the risks that may arise from those decisions. A vital tool to synthesize evidence is the mathematical models that can predict epidemiological scenarios by considering the natural transmission capacity of the 2019 coronavirus. Yet they are still too limited for supporting more comprehensive policy decision-making, as the COVID-19 pandemic comprises complex health and socio-economic issues. The Susceptible-Exposed-Infectious-Recovered (SEIR) model customarily used for epidemiological forecasting can be modified to build a structure of system dynamics (SD) models that include all components of health systems resilience. So the SD model can function as an analytical tool that considers health systems' short-term absorptive, immediate-term adaptative, and long-term transformative capacities. We applied the group model buildings (GMB) process to work more closely with stakeholders to integrate all aspects of problems and solutions. Disease control measures, enhancing healthcare capacity measures, and remedial measures for economic and social consequences were considered in our modeling. Then we can use the simulation model to test policy options and effectively support the policy decision-making process in this public health emergency. Both qualitative and quantitative data were collected from participants in our workshop on health systems design in the COVID-19 era to synthesize a causal loop diagram that demonstrates the relationships of all factors within the health system affecting the control of the COVID-19 pandemic in Thailand. Additional quantitative data were collected continuously between 2020 and 2021 to construct the model for testing policy options and support the policy decision making process in several key policy options, including 1) lifting the intensive disease control measures for remedying socio-economic consequences, including reducing the quarantine duration of inbound international travelers, after the 1st wave of the COVID-19 pandemic in Thailand (the January 2020 outbreak), 2) implementing "lockdown" measures in hyperepidemic areas in the 3rd wave of the COVID-19 pandemic in Thailand (the April 2021 outbreak) at both the national level and in the Greater Bangkok Area, 3) raising the capacity of testing, contact tracing, and isolation and quarantine systems after the enforcement of lockdown measures in July 2021, and 4) enhancing the healthcare capacity to sufficiently care for COVID-19 patients during the April 2021 and the January 2022 outbreaks. The findings from our simulation model show that new waves of outbreaks can reemerge after being well controlled in early 2020. The so-called "lockdown policies," including the closure of government offices and public services and banning cross-provincial and international travel, had been implemented since March 2020. The need for easing intensive disease control measures arises due to the far-reaching socio-economic negative consequences of the government authorizing intensive disease control measures to cope with the first wave of the COVID-19 epidemic in Thailand. Therefore, policymakers should consider adopting integrated policies aimed at disease control and remedying its socio-economic impacts. For instance, subsidizing businesses affected by the lockdown policies to maintain local employment can reduce workers' traveling across territories and lower the risk of spreading the COVID-19 nationwide. Our model also suggested that at both the national level and in the Greater Bangkok Areas during the April 2021 wave, a more severe outbreak than that of January 2020 may happen due to the rapid transmissions capability of Alpha and Delta strains. The number of COVID-19 infections likely exceeded the capacity of the health service systems in some areas, especially in the Greater Bangkok Areas. Yet the effectiveness of disease control can improve if intensive lockdown policies can reduce at least 40% of community transmissions in approximately month of lockdown. Hence, policymakers should ensure that the lockdown policies are effectively enforced intensively enough in the short term. Moreover, the previous policy of isolating all infected people in hospitals should be adjusted by providing additional community isolation services, especially for those with no or minor symptoms, to cope with the limited existing healthcare capacity. The simulation also shows the outcomes of enhancing the performance of testing, contract tracing, and quarantine and isolation systems during the April 2021 outbreak. Proactive screenings in the communities could increase the reported cases in the short run but reduce the number of patients in the long run. Therefore, policymakers should consider implementing a more proactive community screening during the enforcement of lockdown measures in July 2021 to provide more access to testing and take advantage of the opportunity that vulnerable populations still have limited travel during the lockdown. The rapid lateral flow tests, or antigen test kit (ATK), should also be incorporated for screenings, even though it may lead to some false-negative results. As many people still have limited access to real-time polymerase chain reaction (RT-PCR) testing, ATK can help control the disease than using RT-PCR alone for testing. Lastly, the models show the outcomes of optimizing health care systems to provide adequate care for COVID-19 patients during the April 2021 and the January 2022 outbreaks. The number of available hospitals beds may not be sufficient to support the April 2021 outbreak, especially after the outbreak of the Delta strain in June 2021. Hence, it was necessary to build a surge capacity of health care delivery systems, such as creating additional quarantine and isolation services in hotels or the communities. The capacity of healthcare delivery systems for the January 2022 outbreak was likely insufficient to be used as the isolation facilities for an even larger number of people infected with the Omicron strain, which is even more contagious than the Delta. The simulation also shows the most critical policy that could prevent an overrun of healthcare delivery systems is accelerating the vaccination coverage of vulnerable groups to reduce the morbidity and case-fatality mortality rate. The preliminary results of our research have been presented to policymakers at different levels to support their decision-making process. They included the scientific advisory committees of The Centre For COVID-19 Situation Administration (CCSA) of the Royal Thai Government, The Emergency Operation Center (EOC) of The Ministry of Public Health, The Macroeconomics Department of the Central Bank of Thailand, and The Board of Directors of the Health Systems Research Institute. The study findings were also communicated to the public through the researchers' website and the mass media periodically. Nonetheless, using system dynamics modeling as a policy decision support tool (DST) considering health systems resilience still has limitations. The public policy process to cope with Thailand's public health emergencies tends to focus more on reactive measures than on planning and addressing the structural issues of the health systems that created persisting problems during the COIVD-19 pandemic. Without policies that address the high-leverage point of the systems, many problems have persisted more than two years after the pandemic began. Therefore, it is crucial to create a learning platform among policymakers and stakeholders to synthesize lessons learned on integrating research in the public policy process and what governance process can be further improved in public health emergencies. By focusing on the evidence-informed policy-making process under the country's emergency management systems, Thailand's health system can be more fully developed as a "learning health system," an important concepts suggested by the World Health Organization. It can be challenging for policymakers to use evidence from simulation modeling in the decision-making process amid uncertain information and pressure from the public. Nonetheless, it is vital to work on this complex problem-solving process to prepare for any soon emerging health, economic, and social problems.
