A multi-scale immuno-epidemiological behavioral model for influenza-like illness: connecting scales through symptom scores
यह शोध पत्र एक नवीन बहु-स्तरीय मॉडल प्रस्तुत करता है जो यह प्रदर्शित करता है कि जनसंख्या-स्तरीय मामलों की संख्या के बजाय व्यक्तिगत लक्षण गंभीरता द्वारा संचालित व्यक्तिगत व्यवहार परिवर्तन, इन्फ्लुएंजा महामारी के शिखरों को विलंबित और कम करते हैं, जबकि एक मानक SEIR मॉडल के समान गुणात्मक रूप से समान प्रक्षेपवक्र बनाए रखते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
जब किसी समुदाय में संक्रामक रोग फैलता है, तो सार्वजनिक स्वास्थ्य विशेषज्ञ अक्सर व्यापक परिप्रेक्ष्य को देखते हैं: कितने लोग बीमार हैं, कितने अस्पताल में भर्ती हैं, और कितने लोगों की मृत्यु हुई है। यह मानना स्वाभाविक है कि जब लोग इन आंकड़ों को बढ़ते हुए देखते हैं, तो वे सुरक्षित रहने के लिए अपनी आदतों को बदलते हैं। वे मास्क पहन सकते हैं, भीड़ से बच सकते हैं, या घर पर रह सकते हैं। प्रकोप की खबरों के प्रति प्रतिक्रिया करने का यह विचार बीमारी के प्रसार को मॉडल करने के लिए वैज्ञानिकों द्वारा उपयोग किया जाने वाला एक मानक हिस्सा है। हालांकि, व्यवहार बदलने का एक अन्य, अधिक व्यक्तिगत कारण भी है जिसे ट्रैक करना कठिन है। जब कोई व्यक्ति बहुत बुरा महसूस करता है—जैसे कि तेज सिरदर्द, मांसपेशियों में दर्द या तेज बुखार—तो वह स्वाभाविक रूप से धीमा हो जाता है। वे बिस्तर पर लेटे रहते हैं, सामाजिक समारोहों से बचते हैं, और दूसरों के साथ बातचीत करने के लिए उनके पास ऊर्जा ही नहीं बचती। यह प्रतिक्रिया समाचारों से नहीं, बल्कि बीमार होने की तत्काल, शारीरिक वास्तविकता से प्रेरित होती है। फ्लू जैसी कई श्वसन संबंधी बीमारियों के लिए, अस्वस्थ महसूस करने के प्रति यह व्यक्तिगत प्रतिक्रिया इस बात का एक प्रमुख कारक है कि बीमारी आबादी के माध्यम से कैसे आगे बढ़ती है, फिर भी यह प्रकोपों की भविष्यवाणी करने के लिए उपयोग किए जाने वाले गणितीय मॉडलों में अक्सर गायब रहती है।
शोधकर्ताओं की एक टीम एक नया प्रकार का कंप्यूटर मॉडल बनाने के उद्देश्य से काम कर रही थी जो इन दो दुनियाओं को जोड़ता है: एक व्यक्ति के शरीर के भीतर होने वाले सूक्ष्म जैविक परिवर्तन और पूरे समुदाय में बीमारी के बड़े पैमाने पर प्रसार। उनका लक्ष्य यह देखना था कि क्या वे एक वास्तविक सिमुलेशन बना सकते हैं जहाँ लोगों का व्यवहार इसलिए बदल जाता है क्योंकि वे कैसा महसूस कर रहे हैं, न कि इसलिए कि वे प्रकोप के बारे में क्या सुनते हैं। इसे करने के लिए, उन्होंने पहले संक्रमण के जीव विज्ञान पर गौर किया। एक मानव शरीर के भीतर, एक वायरस कोशिकाओं पर हमला करता है, और प्रतिरक्षा प्रणाली (इम्यून सिस्टम) मुकाबला करती है। यह लड़ाई उन रसायनों को उत्पन्न करती है जो परिचित दर्द, बुखार और थकान का कारण बनते हैं जिन्हें हम लक्षणों के रूप में पहचानते हैं। शोधकर्ताओं ने इस आंतरिक लड़ाई को सिम्युलेट करने के लिए नियमों का एक विस्तृत सेट का उपयोग किया, जिसमें वायरस के बढ़ने और समय के साथ प्रतिरक्षा प्रतिक्रिया के निर्माण को ट्रैक किया गया। इस आंतरिक सिमुलेशन से, उन्होंने एक "लक्षण स्कोर" (सेंप्टम स्कोर) की गणना की, जो एक एकल संख्या थी जो दर्शाती थी कि किसी भी क्षण में व्यक्ति कितना बुरा महसूस कर रहा था।
शोधकर्ताओं ने फिर इस आंतरिक स्कोर को लिया और इसे पूरी आबादी के मॉडल को संचालित करने के लिए उपयोग किया। उनके सिमुलेशन में, प्रत्येक व्यक्ति जो बीमार हुआ उसका अपना एक आंतरिक वृत्तांत था। यदि किसी व्यक्ति का लक्षण स्कोर उच्च था, तो मॉडल ने उन्हें दूसरों के साथ संपर्क कम करने के लिए प्रेरित किया, जिससे प्रभावी रूप से वायरस फैलाने की उनकी क्षमता धीमी हो गई। यदि कोई व्यक्ति संक्रमित था लेकिन ठीक महसूस कर रहा था—अर्थात उसके कोई लक्षण नहीं थे—तो मॉडल ने माना कि वह अपनी सामान्य दिनचर्या जारी रखता है, अनजाने में वायरस को आगे बढ़ाता रहता है। यह दृष्टिकोण पुराने मॉडलों से अलग था जो आमतौर पर यह देखते थे कि एक व्यक्ति के शरीर में वायरस की मात्रा सीधे तौर पर कितनी है। शोधकर्ता जानते थे कि वायरस की मात्रा और एक व्यक्ति कैसा महसूस करता है, यह हमेशा पूरी तरह से मेल नहीं खाते; कभी-कभी एक व्यक्ति के शरीर में बहुत अधिक वायरस होता है लेकिन वह ठीक महसूस करता है, या बहुत कम वायरस के साथ भी वह बहुत बुरा महसूस करता है। लक्षण स्कोर का उपयोग करके, वे यह पकड़ने की उम्मीद कर रहे थे कि लोग अपने व्यवहार को बदलने का वास्तविक कारण क्या है।
इन सिमुलेशन के परिणामों ने एक आश्चर्यजनक पैटर्न का खुलासा किया। जब शोधकर्ताओं ने व्यवहार परिवर्तन की शक्ति को बढ़ाया—यानी, बीमार महसूस करने वाले लोगों को और भी सख्ती से घर पर रहने के लिए प्रेरित किया—तो प्रकोप का शिखर (पीक) कम हो गया और देरी से आया। यह एक अच्छी बात है, क्योंकि इसका मतलब है कि एक ही समय में कम लोग बीमार पड़ते हैं, जिससे अस्पतालों को संभालने में मदद मिलती है। हालांकि, प्रकोप के वक्र (कर्र्व) का समग्र आकार काफी हदता तक उन मानक वक्रों जैसा ही था जिनका वैज्ञानिक दशकों से उपयोग करते आए हैं, जो व्यवहार परिवर्तन को बिल्कुल भी ध्यान में नहीं रखते हैं। यह एक महत्वपूर्ण खोज थी क्योंकि यह सुझाव देती है कि भले ही लोग सक्रिय रूप से इस आधार पर अपना व्यवहार बदल रहे हों कि वे कैसा महसूस करते हैं, परिणामी महामारी दिखने में वैसी ही हो सकती है जैसी कि वह होती जहाँ लोग केवल बीमारी के प्राकृतिक मार्ग का अनुसरण कर रहे हों। शोधकर्ताओं ने पाया कि एक मानक मॉडल, जो इन व्यक्तिगत प्रतिक्रियाओं को अनदेखा करता है, अभी भी थोड़ा समायोजित होने पर बीमार लोगों की कुल संख्या की सटीक भविष्यवाणी कर सकता है।
यह अन्य प्रकार के मॉडलों के बिल्कुल विपरीत है जहाँ लोग व्यवहार बदलते हैं क्योंकि वे खबरों में मामलों की संख्या बढ़ते हुए देखते हैं। उन परिदृश्यों में, प्रकोप का वूर्ण अजीब आकार विकसित करता है, जैसे कि सपाट शीर्ष या लंबी, धीमी पूंछ, क्योंकि पूरी आबादी एक साथ सूचना के एक टुकड़े पर प्रतिक्रिया करती है। इस नए मॉडल में, क्योंकि प्रत्येक व्यक्ति केवल अपने शरीर पर प्रतिक्रिया करता है, परिवर्तन धीरे-धीरे और व्यक्तिगत रूप से होते हैं, जिससे वक्र एक परिचित आकार में सुव्यवस्थित हो जाता है। अध्ययन यह सुझाव देता है कि बीमारी-प्रेरित व्यवहार एक शक्तिशाली बल है जो प्रकोप के सबसे बुरे दौर को विलंबित और कम कर सकता है, लेकिन यह चुपचाप करता है, जिससे डेटा पर कोई विशिष्ट निशान नहीं छोड़ता जो वैज्ञानिकों को तुरंत बता सके कि यह हो रहा है।
शोधकर्ताओं ने आंतरिक लक्षण स्कोर को बाहरी व्यवहार से जोड़ने के विभिन्न तरीकों का भी परीक्षण किया, विभिन्न गणितीय संबंधों का उपयोग करके यह देखने के लिए कि क्या उनके परिणाम बदलेंगे। उन्होंने पाया कि चाहे उन्होंने दोनों पैमानों को कैसे भी जोड़ा हो, परिणाम वही रहा: महामारी का वक्र एक मानक वक्र जैसा ही दिखता है। यह दर्शाता है कि बीमार महसूस करने और घर पर रहने के बीच संबंध को जोड़ने के लिए उपयोग किया जाने वाला विशिष्ट गणितीय सूत्र उतना महत्वपूर्ण नहीं हो सकता है जितना कि यह तथ्य कि वह संबंध मौजूद है। अध्ययन निष्कर्ष निकालता है कि हालांकि हम जानते हैं कि बीमारी महसूस होने पर लोग अपना व्यवहार बदलते हैं, लेकिन यह परिवर्तन महामारी के प्राकृतिक प्रवाह में इस तरह समाहित हो सकता है कि इसे केवल कुल मामलों को देखकर पहचानना कठिन हो जाता है। यह हमारी समझ में एक अंतराल को उजागर करता: हम पहेली के एक महत्वपूर्ण हिस्से को खो रहे हो सकते हैं क्योंकि इसका प्रमाण प्रत्यक्ष रूप से सामने है, जो बिल्कुल बीमारी के बिना मानवीय निर्णयों के प्रसार जैसा ही दिखता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।