A valóság tények tükrében

A koronavírus-járvány hatása az otthoni munkamegosztásban lévő nemi egyenlőtlenségekre

2020. június 15. - Susovits Kitti

5260_1.jpg

Kép forrása: Freepik

A magyarokra egyfajta tradicionális szemléletmód jellemző az otthoni munkamegosztással kapcsolatban[1], ami most a járvány miatt felborulhatott. Már nemcsak a nőket terhelheti pl. a háztartási munka, gyereknevelés, idősgondozás. Előfordulhat, hogy a járvány következtében a férfi elveszítheti munkáját és ezáltal neki van ideje ezen munkákra. Ráadásul az egyik leggyakoribb segítséget sem tudják igénybe venni a szülők a gyerekek szempontjából, hiszen a nagyszülők generációjára nézve különösen veszélyes a vírus.

Gregor Anikó szociológus és Kováts Eszter politológus a 24.hu-n megjelent cikke[2] arra hívja fel a figyelmet, hogy a rendszer alulfinanszírozottságából fakadó gondoskodási erőforráshiányt rá lehetett tolni a családokra, legfőképpen a nőkre. De a nők végzik a fizetett gondoskodó munkák jelentős részét is, felülreprezentáltak a nők az olyan alulfizetett területeken, mint az egészségügy, az oktatás vagy a szociális szféra.

A korábbi bejegyzésünk folytatása a megkérdezettek egy kisebb csoportjára korlátozódik, akik hozzájárultak, hogy időről időre kérdőíveink kitöltésével segítsék munkánkat. Ebben 313 fő vett részt. A legutóbbi blokk a háztartásban lévő kiskorúak tanulásában való segítésére és az idős személyekről való gondoskodásra korlátozódott. Habár ezekből az adatokból nem vonhatunk le következtetéseket a teljes magyar lakosságra, de nagyon értékesek a járvány-helyzet alatt lejátszódó folyamatok megértésének szempontjából. Fontos megemlíteni még, hogy a mintában felülreprezentáltak a magas iskolai végzettségűek.

[1] Makay-Spéder, in: Demográfiai Portré 2018, 78 Elérhető: https://demografia.hu/kiadvanyokonline/index.php/demografiaiportre/article/view/2726/2639

[2] https://24.hu/belfold/2020/03/22/koronavirus-tarsadalom-szociologia-gender-otthoni-apolas-ferfiak-nok-nagyszulok/

A kutatásról bővebb információt a honlapunkon találnak kedves Olvasóink, továbbá a kutatási eredményeink részletes beszámolói is itt érhetőek majd el:

https://tam-muhely.org/

Facebook-oldalunkon pedig rendszeresen jelentkezünk az újabb kérdőívekkel:

https://www.facebook.com/tarsadalomtudomanyiadatelemzomuhely

Jelenleg folyó kutatásunk az egyetemistáknak szól a távoktatósról. Az alábbi linken van lehetőség a kérdőív kitöltésére: 

https://tam-muhely.org/survey/index.php/762846/newtest/Y/mid/10008

Közösségi "hőmérőt” készítünk

Kérdőíves kutatás a koronavírus társadalmi hatásairól

252.jpg

Kép forrása: Freepik

Amikor a TAM csapata is homeoffice-ra ítéltetett, első gondolatunk az volt – mint talán sokaknak –, hogy a kijárási korlátozás vajon milyen hatással lesz ránk és a családunkra. Aztán, társadalomtudományos beállítódásunknak köszönhetően, jött a második gondolat: vajon hogyan hat a kialakult járványhelyzet a társadalomra? A vírus megfékezése érdekében eszközölt intézkedések nagyban korlátozzák mindennapi életünket, ez pedig mindannyiunk életében mást eredményez.

Annak érdekében, hogy ezt az egyedülálló és roppant érdekes témát mélyebben is megismerhessük, összeállítottunk egy kérdőívet. Kutatásunk még nem ért véget, és természetesen továbbra is lehet csatlakozni, mi azonban a már meglévő adatokból egy rövid válogatással készültünk Olvasóinknak.

 

 A kérdőív kitöltésére még van lehetőség:

https://tam-muhely.org/survey/index.php/118286/newtest/Y/mid/100034/cst/0/sl/1015

A kutatásról bővebb információt a honlapunkon találnak kedves Olvasóink, továbbá a kutatási eredményeink részletes beszámolói is itt érhetőek majd el:

https://tam-muhely.org/

Facebook-oldalunkon pedig rendszeresen jelentkezünk az újabb kérdőívekkel:

https://www.facebook.com/tarsadalomtudomanyiadatelemzomuhely

 

COVID-19 járvány – gondolatok a becslés nehézségeiről

2020. március 11-én készítettem egy naiv becslést a COVID-19 igazolt nyers betegszámának rövid távú hazai alakulására. A vállaltan amatőr (nem vagyok epidemiológus) modellre meglepően sok professzionális, szakmai reflexiót kaptam neves hazai kutatóhelyekről (SE, ELTE, SZTE stb.). Ebben a posztban a március 11-ei becslésem tévedésének mértékéről és főbb okairól írok. A blogposzt végén pedig az OECD-országok előzetesen jelentett adataiból számolt előzetes, nyers halállal végződő megbetegedési arányait (case fatality ratio, CFR) vizualizálom, illetve leírom, hogy ez miért nem a valódi CFR.

 

Az előző, laikus becslésem tévedésének mértéke

Az március 11-ei becslésben a járvány hazai terjedésének (lakosságarányosan számolva) kezdeti (a 17. igazolt beteg megjelenését követő rövid) szakaszát közelítő exponenciális függvény e kitevőjében lévő szorzóját 0.31 [95% CI 0.29 - 0.34] -re becsültem. A becsléshez nyolc nyugat-európai ország kitevőjét használtam. A hazai valós érték jelenleg alacsonyabb: 0.19 (pseudo R négyzet=0.99). A kitevőben tehát ~35%-ot tévedtem. Ennek megfelelően a jóslásom is pontatlan volt. További bizonytalansági beépítésével azt írtam az előző posztban, hogy „ez a kezdetleges modell a 17. igazolt beteg megjelenése utáni 14. napon 1161 [90% CI 374 - 3599] fertőzöttet jósol”, a valóságban 300 igazolt beteg volt a 17. beteg megjelenését követő 14. napon. Azaz még a tág becslésem alsó határánál (374 igazolt beteg) is 20%-kal kevesebb volt (300). Időben kifejezve 2 napot tévedtem, mert két nap múlva volt 374-nél nagyobb az igazolt fertőzött betegek szám.

Epidemiológus-kutatók felhívták a figyelmem, hogy a becslésem konceptuálisan volt hibás: fejlett országok felfutásából igyekeztem becsülni, de ezen országokban jelentősen más a szűrés rendszere (előfeltételei, módszere, specificitása stb.), illetve az is eltérő, ahogy ezen országok vezetői reagáltak a járványra (relatív időben később és más intézkedésekkel stb.). Szintén más szűrési kapacitással rendelkeztek és a taktikájuk is más volt.

Az igazolt fertőzöttek száma nagy mértékben függ attól, hogy milyen előfeltételek (kockázatok megléte) esetén szűrnek egy országban, ez a feltételrendszer eltolja a mintát, és ez az eltolás minden országban más, emiatt szinte az a meglepő, hogy a tévedésem csak két nap volt. 

Az igazolt halálozásoknál pedig az úgynevezett előrehozott halálozás problémája jelenik meg. (Például, ha egy súlyos csontvelőrákos beteg megfertőződik a betegséggel, és meghal, akkor eltérő, hogy melyik ország szűrte előtte és aztán kódolta.) Mindezek miatt csak nagy szaktudással és nagyon korlátozottan hasonlíthatóak össze ezek az előzetesen közölt, nyers adatok. (Egyes statisztikusok szerint tendenciák vizsgálatára sem szabad használni, még egy országon belül sem, illetve ezen duplán torz mintákból súlyos hiba következtetni egy átszűrt lakosság esetében számolható CFR-re.)  A COVID-19 járvány valódi halálozási többletéről talán majd akkor mondható valamivel pontosabb állítás, ha a tavalyi regisztrált összes haláleset adatait szakértő epidemiológusok (a megfelelő korrekciókkal) összevetik a jelenlegi hetek halálozási adataival. (De természetesen a halálozási többlet sem fog pontos képet adni, mert azt is áthatja számos tényező, a koráltozó rendelkezések számos ember életmódjára hatottak, változtattak az egészségügyi ellátáson, illetve a légszennyezettségen, mindezeket nagyon nehéz pontosan kiszűrni az adatokból.) Összességében elmondható, hogy most még tendenciákat is nehéz becsülni, mert annyi tényező hatja át a fertőzöttségi és halálozási adatokat. Persze a járvány jóslása érdekében, bizonyos mértékben elkerülhetetlen ennek megkísérlése és néhány kiváló hazai matematikus és orvos-biostatisztikus erre tesz is kísérleteket.

 

A kutatások tükrében az is látszik, hogy a korfát, a településszerkezetet, a népsűrűséget, az egészségügyi ellátás számos paraméterét, a gazdasági fejlettség mutatóit, a közlekedést, a korlátozásokat és a szálló-por koncentrátumát is figyelembe kell venni. [Bevonható lenne még számos más adatforrás: távközlési, tömegközlekedési, adóügyi (blokkok kiadása), digitális stb. szinte minden, ami utalhat a vírus terjedésének valószínűsége szempontjából fontos mozgásokra és sűrűsődésére.]

Az első blogposztomban szereplő SIR modell is örökölte a becslés hibáját, és az eredményeimet tovább torzította az átlagtér modellek alapvető korlátja is: az emberek a valóságban nem egyenletesen keverednek, és a különféle csoportok viselkedése is inhomogén. (Persze erre vannak korrekciók, de ezeket az egyszerű modellem nem alkalmazta.)

Az alap szaporodási rátával számoló modellek esetében nehézség, hogy az R0 helyes kiszámítása nagy szakmai odafigyelést és tudást kíván meg, nem csak egy osztást jelent, mint a legtöbb laikus/naiv számításban. Az R0 adatgeometriai szempontból egy többdimenziós valószínűségi tér egy pontját számolja ki, ám az a tér egyik dimenziójában sem normális (illetve Johnson SU családba tartozó) eloszlású. Viszont kiemelhető, hogy kínai kutatók tavaly teljesen új, hálózati értelmezési keretet javasoltak az R0 megközelítésére. Ám Giulio Viceconte and Nicola Petrosillo szerint az R0 nem képes jól megragadni a járványterjedés komplex mechanizmusait (Fontos jelezni, hogy a sajtóban keveredik néha két fogalom: az alap szaporodási ráta nem azonos a kontagiozitási (fogékonysági) indexszel, amely objektív biológiai mutató, azt mutatja meg, hogy azok közül, akik fertőződtek, hány százalék lesz tényleg fertőzött. Bárányhímlő esetében ez pl. közel 100%.)

 
Az átlagtér-modelleknél jelentősen pontosabb becslést adó gráffolyamat-modellek megalkotásához viszont sok jó minőségű adatra volna szükség. Ez jelenleg még nem áll rendelkezésre, ezért kénytelenek a kutatók közelítő módszereket alkalmazni, illetve előző járványok már feltárt gráf-folyamataiból következtetni. Az egyik szerintem kifejezetten ígéretes hálózati kaszkád-modell a Generalized Inverse Infection Model, amely a járvány terjedése szempontjából releváns tényezőket a járvány valódi terjedése alapján épített gráfból, élsúlyozás számításával mutatja ki, ez a modell előrejelzésre is alkalmas. Ez a modell még nem került széles körben alkalmazásra, de hazai vonatkozása is van: a modell megalkotói között pedig több ismert szegedi matematikus is van, illetve a – jelenleg Johns Hopkins Egyetemen dolgozó –  Lauren Gardner is.

 

A halálozási arányok

Míg az epidemiológus-kutatók számára a hazai adatok még nem elégségesek pontos halálozási arány (pontosabban: case fatality rate, halállal végződő megbetegedési arány, CFR) becslésére, a laikus sajtó – érthető módon – sokat foglalkozik a kérdéssel, és különféle megállapításokra jut. Habár a fent leírt okok (szűrés rendszerének különbségei, ellátórendszer különbségei, halálozás minősítési rendszer különbségei stb.) miatt a különböző országok előzetesen közölt, nyers arányszámainak alakulását túl sok tényező hatja át, ezért ezekből a valós CFR nem becsülhető pontosan. A valódi CFR tekintében a szakemberek között nincs még egyetértés. 2020. március 30-án a Lancet-ben publikált tanulmány szerint a nyers kínai érték az előzetes halállal végződő megbetegedési arányszáma 2.29% (2.15–2.43), a cenzúrára-korrigált 3.67% (3.56–3.80), a több tényezőre korrigált érték pedig 1.38% (1.23–1.53). Ám a neves stanfordi epidemiológus, John P. A. Ioannidis szerint talán még az elképzelhető, hogy 1% körüli (esetleg alatti) a CFR-érték.

A fent leírt erős korlátok a tudatában mindössze exploratív és nem deskriptív céllal összehasonlítottam, hogy az OECD-országokban milyen tartományban mozog jelenleg – az előzetes gyorsjelentések alapján, az úgynevezett nyers COVID-19 CFR. Hangsúlyoznám, hogy az eltérő szűrési és jelentési protokollok miatt ezek nem hasonlíthatóak közvetlenül össze, tendenciára is nehéz következtetni belőlük, illetve semmiképpen sem a valós CFR értéket mutatják!

A többféle módszer közül a legegyszerűbbet választottam: a Johns Hopkins által a GITHUB-on megosztott adathalmazt használtam a vizualizációhoz. Az adatokat országszintre aggregáltam, majd minden egyes napra jelentett igazolt fertőzött adatokat elosztottam ugyanazon napra jelentett igazolt halálozási adattal. (Ebben az esetben nem alkalmaztam lakosságarányosítást, mert nem változtatott volna az arányon.) Az így kapott országszintű adatoknál kiszámoltam az időben változó arányszám alapparamétereit (vektor hossza, átlag, medián, minimum, maximum, eloszlás tesztelés eredményei stb.).

OECD-országok COVID-19-betegek nyers CFR arányszámai az előzetesen közölt nyers adatok alapján. (Dátum: 2020. április 2. Adatok forrása: Johns Hopkins Egyetem).covid19_cfr_oecd.png

 

 Néhány alapvető információ a COVID-19 megbetegedésről

- A SARS-CoV-2 burkos RNS vírus.

- Fertőzés: elsősorban légúti váladékcseppekkel: tüsszentés, köhögés, kilégzés stb.

- Lappangási idő: 2–14 nap (előzetes adat)

- Tünetek (láz, köhögés, légszomj, felső-légúti tünetek, akut légzőszervi tünetek stb.)

- Tünetek kialakulása esetén, amennyiben járt fertőzött területen, vagy kapcsolatba léphetett fertőzött személlyel, kövesse az NNK utasításait, és keresse telefonon háziorvosát vagy az NNK-t!

 

Javasolható megelőzési tanácsok 

o   szabályszerű kézmosás, kézfertőtlenítés

o   kontaktus (kézfogás, puszi, ölelés stb.) kerülése (alternatív üdvözlési módok alkalmazása)

o   archoz, szemhez nyúlás teljes kerülése, tárgyak rágásának kerülése

o   szellőztetés, felületek szakszerű fertőtlenítése

o   tömegközlekedés, tömegrendezvények, általában a tömeg kerülése, 2 méteres távolság tartása

o   mobiltelefon-képernyő, készpénz, állatok és más potenciálisan “vektorként” működő felületek rendszeres fertőtlenítése vagy használatának kerülése

o   fertőzött országok, régiók és személyek kerülése, (sebészeti) maszk használata

o   különösen fontos az idősek és az immunrendszert érintő betegségekben szenvedők védelme!

o   kormányzati, hatósági és az orvosi kérések maradéktalan betartása!

 

További információk 

Nemzeti Népegészségügyi Központ

SE Rektori tájékoztató  

https://koronavirus.gov.hu/

 

Habár ez nem tudományos igényű munka, hanem csak egy egyszerű exploratív vizualizáció, mégis az R-ben készült program kódját felraktam  GITHUB-ra, megjegyzéseket, javítási ötleteket szintén a GITHUB-ra várok.

Naiv becslés a COVID-19 hazai terjedésére

Az új koronavírus (SARS-CoV-2) hazánkban is megjelent és jelentős figyelmet vált ki a lakosság és a szakemberek körében is. A kutatók elsősorban az új-koronavírus-betegség (COVID-19) megfékezésének lehetőségeivel foglalkoznak, a vírus biológiáját, humán hatásait és terjedését vizsgálják.

Az idősebb emberekre jelentősen veszélyesebb a fertőzés. A nagyobb betegségteherrel élők is veszélyeztetettebbek (transzplantáltak, immunszupresszáltak, egyes súlyos krónikus betegségben szenvedők stb.).

Minden jelentősebb tudományos kiadó online gyűjteményeket hozott létre, ahol a vonatkozó közleményeket és adatokat ingyenesen elérhetővé tették (pl.: Lancet , Elsevier , NEJM stb.). Páratlan nemzetközi tudományos együttműködés látszik kialakulni a vírus terjedésének megfékezésére.

A társadalomtudomány is érintett a kérdésben. A vírus terjedésére a társadalmi viselkedés is hatással van; a terjedést befolyásolják az adott ország közlekedési rendszerének sajátosságai, az ingázás, a népsűrűség, a korfa, a zsúfoltság, a településszerkezet, az érintkezési szokások, a háztartások összetétele, az általános higiéné, az egészségviselkedés, az egészségügyi ellátórendszer infrastruktúrája, a kormányzati intézkedések, a bizalom, a normakövetés és még számos más paraméter. Számít a különböző országokkal való közlekedési kapcsolat is, a terjedés kezdeti szakaszában például a légi közlekedés különösen fontos tényező.

Vezető járványügyi szakemberek korszerű modellezés segítségével április elejére becsülték a járvány csúcsát Kínában, amennyiben sem közlekedési, sem fertőzés-transzmissziós szempontból nem történik változás.  Jelenleg úgy tűnik, hogy nagy erőfeszítésekkel sikerült Kínában megfékezni az új fertőzések számának emelkedését. Az új adatok beérkezésével számos a vírus terjedésében szerepet játszó paraméter tisztul, pontosabbá válik. Magyar szakemberek pedig egy fejlett módszertant használva jó becslést tudtak adni a Kínán kívüli fertőzésterjedés kockázatára, és javaslatokat is tettek a kockázat csökkentésére

Magyarországra vonatkozóan a járvány terjedésére irányuló professzionális becslést nem találtam, ezért társadalomtudományi egyetemi hallgatóként egy egyszerű, naiv becslést készítettem online elérhető adatokból. A modern (sztochasztikus, hálózatos, változó paraméterű) járványterjedési modellek tükrében az én itt ismertetett modellem meghaladott, nem számít professzionális becslésnek.

A Johns Hopkins Egyetem által nyilvánosan közzétett adatokból leválogattam azon európai országok adatait, amelyekben 2020. január 30. óta jelen van a fertőzés.

 

 A vizsgált nyolc európai országban eltérő módon alakult a fertőzöttek számának növekedése. Az y tengely az igazolt betegek száma (logaritmikus), az x pedig a napok száma.covid_1jav.png

 

A fenti ábrán jól látható, hogy körülbelül 17 fertőzött felett mind a nyolc országban megugrott a fertőzöttek számának emelkedése, ezért a 17 feletti szakaszokra a fertőzöttek lakosságarányos értékeire exponenciális függvényeket illesztettem. (Az exponenciális függvény ugyanakkor csak a terjedés kezdeti időszakára ad jó becslést, később a logaritmikus függvény illeszthető jobban. A "nyers emelkedés" mögött pedig egy alapvetően hálózatos elemzéssel modellezhető jelenség áll.)

 

A vizsgált nyolc európai országban a népsűrűség, a nagy (évi egymillió főnél több utast szállító) repterek száma, az egy háztartásban élők átlagos értéke, és járvány 17 fertőzött feletti (lakosságarányos) felfutására illesztett exponenciális függvény fontosabb paraméterei (C a konstans, ahol a függvény az y tengely metszi; a béta az e kitevőjében szereplő szorzó)

covid19t.png  

Amennyiben a járvány kezdeti szakaszát (a 17 fertőzött alatti értékeket) is figyelembe vettem, akkor – a szakirodalommal összhangban – a nagy nemzetközi repülőterek száma (egyszerű kétváltozós lineáris modellben) bírt befolyással (p=0.0445, R négyzet=0,7) az exponenciális emelkedés kitevőjére. Ám a 17 feletti szakaszra vizsgálva már elvesztette befolyásoló erejét (p=0.668). A népsűrűség és az egy háztartásban élők átlagos száma szintén nem volt befolyásoló tényező (a kitevőre) ebben a modellben.

A magyar adatok még nem elégségesek ahhoz, hogy ilyen jellegű illesztést lehessen tenni, hiszen hazánkban még nincs 17 igazoltan fertőzött beteg, ezért az exponenciális paramétereket ezen nyolc ország adataiból becsültem. A konstans (C) és béta paraméterek is Shapiro-Wilk teszttel normálisnak bizonyultak (bár egyes statisztikusok szerint paraméterek normalitását nem szabad vizsgálni) (W = 0.9, p = 0.4), ezért egyszerű t-becslőfüggvényt használtam. Ezen előzetes, naiv modell alapján a (lakosságarányos) exponenciális függvény becsült paraméterei a következők lettek C= -14.0 [95% CI (-14.8) - (-13.4) ], beta=0.31 [95% CI 0.29 - 0.34]. Ebben a tartományban gyakorlatilag csak Finnország (0.28) és Svédország(0.38) nincs benne.

Ezen paraméterekkel becsülve a hazai exponenciális növekedést, adaptálva a lakosságszámra és az ismert betegszámra, valamint az illesztés önálló bizonytalanságát is bekalkulálva, ez a kezdetleges modell a 17. igazolt beteg megjelenése utáni 14. napon 1161 [90% CI 374 - 3599] fertőzöttet jósol. (Ha semmilyen kormányzati intézkedés nem történik, és az egyéb paraméterek is változatlanok maradnak, illetve Magyarországon is hasonló módon történik a felfutás, mint a vizsgált nyolc országban és az alap szaporodási ráta is változatlan.)

covid192.png

A 17. fertőzött megjelenése utáni felfutás magyar adatokra adaptálva, naiv exponenciális modellben, beavatkozások nélkül

 

Hosszabb távú becslésre ezen módszer nem alkalmas, mert a járvány terjedése csak kezdetileg exponenciális, ezért ezen becsült adatsort a leges-legegyszerűbb fertőzési modellbe (a SIR modellbe) illesztettem. A SIR szemlélet a populációt három csoportra osztja a fertőzés szempontjából: fertőzhető, fertőzött, gyógyult. A három közötti kapcsolatot pedig egyszerű differenciálegyenletekkel határozza meg. Az alapvető SIR modellbe ezen becsült 14 napos felfutási adatokat megadva, Magyarország lakosságára adaptálva 44 [39 - 50] eltelt napra számolta ki a járvány csúcsát. (SIR-beta: 0.65+-0.01, SIR-gamma: 0.34+-0.01). A modellnek erős korlátai vannak: becsült adatokat használtam, valamint a SIR determinisztikus, nem számol a paraméterek változásával, valamint a fertőzés hálózatos jellegével sem, és a fertőzés megakadályozására tett intézkedéseket sem veszi figyelembe. (A járvány lassítása fontos teendő.)

covid193.png

A 17. fertőzött megjelenése utáni 14 nap becsült értékeinek a sztenderd SIR modellben 80 napra szimulálva (béta=0,65, gamma=0.34) magyar lakossági adatokon, hatósági beavatkozások nélkül

A bemutatott naiv becslésnél modernebb, járványtanilag korrektebb, több magyarázó változót használó, sztochasztikus, változó paraméterterű, és hálózatos adatokat is kezelő modellek készíthetőek, ezekkel pontosabb és megbízhatóbb becslések készíthetőek, ám ez már járványterjedéssel foglalkozó matematikusok, biológusok és epidemiológusok kompetenciája. Ez egy naiv megközelítés és nem szakértői becslés, ennek ellenére az elemzés kódját nyilvánosan elérhetővé tettem a GITHUB-on, illetve a 17. igazolt hazai beteg megjelenését követő 14. napon megvizsgáljuk a tévedés mértékét egy utánkövető posztban. Reméljük, addigra már a hazai szakemberek professzionális becsléseket is közzétesznek, illetve a kormány határozott  intézkedésekkel csökkenti az új-koronavírus-megbetegedés terjedését. 

 

 Néhány alapvető információ a COVID-19-ről 

- A SARS-CoV-2 burkos RNS vírus.

- Fertőzés: légúti váladékcseppekkel: tüsszentés, köhögés, kilégzés stb.

- Lappangási idő: 2–14 nap (előzetes adat), alap-szaporodási ráta: 2.28 (95% CI 2.06-2.52)

- Tünetek (láz, köhögés, légszomj, felső-légúti tünetek, akut légzőszervi tünetek stb.)

- Tünetek kialakulása esetén, amennyiben járt fertőzött területen, vagy kapcsolatba léphetett fertőzött személlyel, kövesse az NNK utasításait, és keresse telefonon háziorvosát vagy az NNK-t!

 

Javasolható megelőzési tanácsok 

o   szabályszerű kézmosás, kézfertőtlenítés

o   kontaktus (kézfogás, puszi stb.) kerülése (alternatív üdvözlési módok alkalmazása)

o   archoz, szemhez nyúlás teljes kerülése, tárgyak rágásának kerülése

o   szellőztetés

o   tömegközlekedés, tömegrendezvények, általában a tömeg kerülése

o   mobiltelefon-képernyő, készpénz és más potenciálisan “vektorként” működő felületek rendszeres fertőtlenítése vagy használatának kerülése

o   fertőzött országok, régiók és személyek kerülése

 

További információk 

Nemzeti Népegészségügyi Központ

MTA Jakab Ferenc  

SE Rektori tájékoztató  

https://koronavirus.gov.hu/

Coronavirus: Why you must act now (!)

 


(A modellre konstruktív kommenteket a GITHUB oldalra örömmel várok.)

Vallásos és még fiatal is?

100 éves az ima világnapja

66142.jpg

Kép forrása: Freepik

Az ima világnapját (március 2.) amerikai asszonyok kezdeményezték 1920-ban. A keresztény nők ökomenikus imanapján a békéért, az emberek közötti egyetértésért, a gyermekek jobb jövőjéért imádkoznak. Imádság (lat. oratio, precatio): a szó szoros értelmében beszélgetés Istennel; tágabb értelemben a minden időben és helyzetben megélhető személyes kapcsolat Istennel, az élet Urával és fenntartójával.

Az ima világnapja alkalmából szeretném bemutatni a vallásosság módját a mai magyar fiatalok körében. Ehhez a Magyar Ifjúságkutatás 2016-os adatait használtam, amelyben 8000 fiatal (18-29 évesek) vett részt.  A 2016-os felvételben a vallásosság jellegére és mértékére vonatkozó kérdések az alapvető beállítódásra és az aktivitásra vonatkoznak.

A kutatási eredmények azt mutatják, hogy a magyar fiatalok körében, trendjeiben a szekularizáció lassú terjedése figyelhető meg. Miközben a megkérdezettek 71%-át bejegyezték valamilyen egyházba, és ami fontosabb, 50%-ukat római katolikusnak keresztelték, a fiatalok 49%-a nem érzi semmilyen vallásfelekezethez tartozónak magát.

A rendszeres vallásgyakorlat nem csupán a vallásosság megítélésében manifesztálódik, hanem annak rendszerességében is. Azon fiatalok, akik legalább hetente egyszer imádkoznak 11%-ot tesznek ki, akik legalább havonta egyszer 8%-ot, akik legalább évente egyszer 13%-ot, akik ritkábban 8%-ot és az imádkozásra vagy meditálásra időt egyáltalán nem fordító fiatalok 58%-ot tesznek ki.
Az egyház tanítását követő vallásos fiatalok aránya 10%-ról 6%-ra csökkent, míg az önmagukat biztosan nem vallásosnak tekintők aránya 29%-ról 42%-ra emelkedett 2000-hez képest. Mindezek ellenére nem mondható, hogy ateisták lennének a magyar fiatalok, mert a maguk módján vallásosok a minta 43%-át adják, akiknek pedig határozottan más a meggyőződésük csupán 4%-ot tesznek ki.

Elsőként nézzük meg a vallásosság módját nemenként:

Az adatokból jól látszik, hogy az egyház tanítása szerint vallásosok körében 15 százalékponttal több a lány/nő, mint a fiú/férfi. Ezzel szemben azok körében, akiknek határozottan más a meggyőződésük, 25 százalékponttal több fiú/férfi van.

A következő ábrán az látszik, hogy a vallási önbesorolás egyes kategóriái hogyan oszlanak meg településtípusonként:

A fenti ábráról kiemelendő, hogy a maguk módján vallásos fiatalok 34,1%-a városi és községben/falun 35,2% él (összesen kb. 70%), míg akik nem vallásosok, határozottan más a meggyőződésük, azoknak már csak 28,5%-a városi és 21,4%-a él községben/falun (összesen kb. 50%), negyede budapesti és a negyede megyei jogú városi/ megyeszékhelyi fiatal.

Az anyagi helyzet megoszlását a vallásosság módja szerint a következő ábra szemlélteti:

Az egyház tanítása szerint vallásosok 65%-a gondok nélkül él vagy beosztással jól kijön. Viszont a vallásosság gyengülésével nő a rosszabb anyagi helyzet, a határozottan más meggyőződéssel rendelkezők közül már 44,4%-uk éppen, hogy kijön a jövedelméből.

Az iskolai végzettségnél csupán azon fiatalokat vettem figyelembe, akik már nem tanulnak, illetve nem vesznek részt semmilyen szervezett, iskolarendszerű képzésben. Ez látható a következő ábrán:

A vallásosság erősödésével nő a felsőfokú végzettségűek aránya, de az egyház tanítása szerint vallásosok körében szinte nincs különbség az iskolai végzettség tekintetében.

Ez alapján érdemes megvizsgálni a foglalkozási kategóriák szerint is, ami az utolsó ábrán látszik, ahol szintén csak azokat vettem figyelembe, akik már befejezték tanulmányaikat:

 

Jól látszik, hogy a "mezőgazdasági fizikai munkás/segédmunkás/betanított munkás/szakmunkás" kategória aránya a vallás gyengülésével nő, ezzel ellentétben minél erősebb a vallás, annál nagyobb a "beosztott diplomások/vezetők" aránya.

A fentiek alapján elmondható, hogy a magyar fiatalok körében inkább a(z)

  • lányokra/nőkre
  • városban/községben/falun élőkre
  • jobb anyagi helyzetben lévőkre
  • mezőgazdasági fizikai munkásokra/segédmunkásokra/betanított munkásokra/szakmunkásokra
  • beosztott diplomásokra/vezetőkre

 jellemző az egyház tanítása szerint vallásosság.

Ezúton szeretnék köszönetet mondani a Kutatópont Kft-nek, hogy szolgáltatták számomra az adatokat. További összefoglaló írások a kutatásról a lenti linkeken elérhetők.

Ajánlott olvasmány:

Boros László, Bozsó Helga: A vallási, a nemzeti és az európai identitás megítélése a 2016-os nagymintás ifjúságkutatás adataiban, In: Margón kívül- magyar ifjúságkutatás 2016, Excenter Kutatóközpont, 204. 

Elérhető: http://mek.oszk.hu/18600/18654/18654.pdf (Letöltve: 2020.02.29.)

Magyar Ifjúságkutatás 2016: Az ifjúságkutatás első eredményei. Ezek a mai magyar fiatalok! 

Elérhető: https://www.ujnemzedek.hu/sites/default/files/magyar_ifjusag_2016_a4_web.pdf 
(Letöltve: 2020.02.29.)

 

Hova tovább Waldorf-diák?

Végzett Waldof-diákok továbbtanulása 2. rész

43122_1.png

Kép forrása: Freepik

Itt az egyetemi jelentkezés határideje. A jelentkezők közül egyesek már kiskoruktól fogva tudják, hogy mivel szeretnének foglalkozni, mások még mindig ezen dilemmáznak, de vannak olyanok is, akik épp szakváltás miatt gondolkoznak ezen a kérdésen, vagy most döntöttek úgy, hogy egyetemre szeretnének menni. Továbbtanulni persze nemcsak egyetemen lehet, számos egyéb lehetőség áll rendelkezésre, de akárhogy is, fontos döntés ez egy fiatal életében.

A Waldorf-diákok sincsenek ezzel másképp. Attól eltekintve, hogy az ő esetükben felvetődnek egyéb kérdések, amelyek a Waldorf-pedagógia sajátosságaiból is adódnak. Ilyenek például, hogy hogyan állja meg a helyét egy Waldorf-iskolát végzett diák a felsőoktatásban vagy milyen nehézségekkel kell szembesülnie egy Waldorftól eltérő rendszerben.

Egy korábbi bejegyzésben szó esett már arról, hogy a végzett Waldorf-diákok mely területen tanulnak tovább. Ezt a sorozatot folytatva most a Waldorf-diákok továbbtanulási arányáról lesz szó, illetve egy olyan fontos tényezőről, amely a Waldorf mellett szintén befolyásolhatja a diákok továbbtanulását.

Végzett Waldorf-diákként és szociológus hallgatóként szakdolgozatomat a Waldorf témájában írtam. Kutatásom során egy online kérdőív keretében 174 végzett Waldorf-diákot kérdeztem meg, akik 20-37 évesek, az érettségi vizsgát Waldorf-iskolában tették le, emellett legalább 3 évet töltöttek Waldorfban. A kérdőívben szerepeltek továbbtanulással, munkavállalással, a Waldorffal való elégedettséggel kapcsolatos kérdések.

Elsőként nézzük meg, hogy milyen arányban tanultak tovább az általam megkérdezett öregdiákok. Ezt mutatja az alábbi ábra:

Az általam megkérdezett öregdiákok több mint fele (65,52%) az érettségit követően rögtön továbbtanult, összességében pedig elmondható, 94,26 %-uk előbb vagy utóbb felvételt nyert valamilyen felsőoktatási intézménybe vagy felnőttképzésre. Aki egyáltalán nem tanult tovább (5,75%), arról nincs adat, hogy miért így döntött, így előfordulhat, hogy nem tudtak továbbtanulni, de az is lehet, hogy nem is akartak, mert más terveik voltak.

A következő ábrán az látszik, hogy milyen jellegű képzésen tanulnak tovább a Waldorf-diákok:

A mintámban a továbbtanuló öregdiákok túlnyomó többsége (79,14%) egyetemen folytatta tanulmányait. Felsőfokú szakképzésen 6,75% tanult tovább, OKJ-s képzésen pedig 9,82%.

Felvetődik a kérdés, hogy miért ilyen magas az egyetemen továbbtanulók aránya. Kizárólag a Waldorfnak köszönhető, vagy más tényezők is közrejátszhatnak? Egy svéd kutatás szerint az alternatív iskolák szülői köre átmegy egy szűrőn, ami a tandíj kifizetésének szándékában, képességében nyilvánul meg. Ezáltal a diákok, akik odakerülnek, kiválogatódnak aszerint, hogy a szüleik tudnak-e, akarnak-e azért külön fizetni, hogy a gyermekük más oktatásban részesüljön (ugyanakkor az így kialakuló szülői illetve tanulói kör más tulajdonságait tekintve is homogén lehet). Mivel a szülők iskolai végzettsége hatással van a gyermek iskolai végzettségére, érdemes egy pillantást vetnünk a megkérdezett Waldorf-diákok szüleinek iskolai végzettségére is.

A Waldorf-szülők iskolai végzettsége a gyermek Waldorf-iskolába iratkozásának időpontjában:

Összehasonlításképp a KSH adatai a teljes népesség iskolai végzettségéről (itt csak az arányok szerepelnek, az esetszámokat sajnos nem ismerjük):

A fentiek alapján elmondható, hogy a mintabeli Waldorf-szülők valóban magasabb iskolai végzettséggel rendelkeznek, mint a körülbelül azonos korcsoportban lévő országos átlag (nagyjából a 40-54, az 55-64 és a 65 év feletti korcsoport). Ez részben, de nem kizárólag okozhatja gyermekeik ilyen arányú felsőoktatásba való bekerülését.

Vajon mik a Waldorf előnyei és hátrányai a továbbtanulás szempontjából? Hogyan teljesítenek a Waldorf-iskolát végzettek a felsőoktatásban? A sorozat következő részében ezekkel a kérdésekkel foglalkozunk.

Ajánlott olvasmány:

Dahlin, Bo (2007) The Waldorf School - Cultivating Humanity? A report from an evaluation of Waldorf schools in Sweden. Karlstad: Karlstad University Studies

Elérhető: https://www.researchgate.net/publication/277756230_The_Waldorf_School_-_Cultivating_Humanity_A_report_from_an_evaluation_of_Waldorf_schools_in_Sweden (Utolsó letöltés: 2020. február 16.)

„Van élet” a Waldorf után? – Végzett Waldorf-diákok továbbtanulása

A legnépszerűbb szakok a végzett Waldorf-diákok körében

Hogyan tudnak a Waldorf-diákok leérettségizni és hogyan állják meg a helyüket az iskolából kikerülve? Továbbtanulnak az érettségi után? Hogyan tudnak elhelyezkedni a munkaerőpiacon?

A Waldorf-mozgalom nemzetközi szinten 2019-ben ünnepelte 100. születésnapját. Magyarországon – hosszabb kihagyás után – a rendszerváltás környékén újraindult. Mivel Magyarországon már 2002 óta érettségiztetnek a Waldorf-iskolák, így jelentős az a populáció, amelyet megvizsgálva képet kaphatunk a végzett Waldorf-diákokról. Ám nemzetközi, de különösen hazai szinten kevés a koncentráltan erre irányuló tanulmány. Ezért tartom fontosnak saját adataimat közölni, melyeket szakdolgozatom kapcsán végzett kutatásom során gyűjtöttem. Egy online kérdőív keretében 174 végzett Waldorf-diákot kérdeztem meg, akik 20-37 évesek, az érettségi vizsgát Waldorf-iskolában tették le, emellett legalább 3 évet töltöttek Waldorfban. A kérdőívben szerepeltek továbbtanulással, munkavállalással, a Waldorffal való elégedettséggel kapcsolatos kérdések.

Egy sorozat első részeként most jöjjön néhány adat arról, hogy milyen irányban, mely szakokon/felnőttképzéseken tanulnak tovább a végzett Waldorf-diákok. Emellett, bár a kutatásom célja nem az összehasonlítás volt, tájékoztató jelleggel feltüntetem a felsőoktatásban részt vevő hallgatók képzési terület szerinti országos megoszlását. (Az országos adatok forrása a KSH volt, amely sajnos nem teljes mértékben azonos kategóriákkal operált mint a kutatásban szereplő kategóriarendszer, de nagyvonalakban mégis iránymutatóként szolgálhat a fontosabb területek aránybeli eltéréseinek feltárására.)

Végzett Waldorf-diákként és szociológus hallgatóként kezdtem érdeklődni a téma iránt. Arra voltam kíváncsi, hogy

1. Milyen előnyei és milyen hátrányai vannak a Waldorfnak?

2. Hogyan állja meg a helyét egy Waldorf-iskolát végzett diák a hagyományos rendszerben és később a munkaerőpiacon?

3. Illetve, hogy mennyire elégedettek a végzett diákok a Waldorf-iskolával?

Waldorfos diákok továbbtanulási mintázata:

Országos arányok:

Arra a kérdéseimre, hogy milyen területen tanulnak tovább, 155 öregdiák válaszolt. Ők a legkülönfélébb szakokon folytatták a tanulmányaikat, legnépszerűbb a pedagógusképzés (19,4%), a bölcsészettudományok (17,4%), a művészet és művészetközvetítés (14,8%) és a társadalomtudományok (13,5%). A műszaki irányultságú szakok kicsit elmaradtak (11%), de így is a középmezőnyben voltak.

Országosan népszerűbbek voltak a műszaki tudományok, mint a Waldorf-iskolából kikerülők mintájában, és az informatika, amely a Waldorf-diákoknál az utolsó helyen szerepelt, az országos adatok alapján középtájon helyezkedik el. A legnépszerűbb a "Gazdaság és irányítás" volt országos viszonylatban. A társadalomtudományokat és a tanárszakokat szintén elég sokan választották, ám mindkét populációban alulreprezentáltak voltak a természettudomány iránt érdeklődők. Kivétel ez alól a pedagógusképzés, mert ebben a kategóriában vegyesen szerepelnek a humán-, reál- és művészeti szakok, így nem látszik, hogy miként oszlanak meg egymáshoz képest.

A művészetekben mutatkozott a legnagyobb különbség: míg a mintában szereplő végzett Waldorf-diákok által inkább kedvelt szak volt (közel 15 százalékkal), addig országos viszonylatban lényegesen lemaradt (ám figyelembe kell vennünk, hogy az országos és a végzett Waldorf-diákok által választott szakok kategóriái nem azonosak a két mintában, és utóbbiaknál az elemszám is jóval alacsonyabb).

A fenti adatok értelmezésénél érdemes megfontolnunk a Waldorf-pedagógia egy-két sajátosságát, például a művészeti nevelést, amely hatással lehet a szakválasztásra. Emellett, amikor a Waldorffal való elégedettségükről kérdeztem őket, a végzett Waldorf-diákok válaszai alapján kiderült, hogy a reál tárgyak oktatása gyengébb, mint a humán- és művészeti tárgyaké, de ennek részleteit egy későbbi bejegyzésben fejtem ki. (Ugyanakkor a következő bejegyzésben többek között arról is szó fog esni, hogy milyen arányban tanulnak tovább a Waldorf-iskolát végzettek, úgyhogy a téma iránt érdeklődőknek mindenképpen érdemes hozzánk a közeljövőben visszatérni!)

Ajánlott olvasmány:

Dahlin, Bo (2007) The Waldorf School - Cultivating Humanity? A report from an evaluation of Waldorf schools in Sweden. Karlstad: Karlstad University Studies

Elérhető: https://www.researchgate.net/publication/277756230_The_Waldorf_School_-_Cultivating_Humanity_A_report_from_an_evaluation_of_Waldorf_schools_in_Sweden (Utolsó letöltés: 2020.január 6.)

Randoll, Dirk – Peters, Jürgen (2015) Empirical research on Waldorf education 

Elérhető: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0104-40602015000200033 (Utolsó letöltés: 2020. január 6.)