📄 infectious diseases

Role of relapse and multiple time delays in shaping Nipah virus epidemic dynamics: a mathematical modeling study

यह अध्ययन पुनरावृत्ति (रिलैप्स) और कई समय विलंबों को शामिल करते हुए एक डिले डिफरेंशियल इक्वेशन मॉडल विकसित करता है ताकि यह प्रदर्शित किया जा सके कि जहाँ ऊष्मायन विलंब (इनक्यूबेशन डिले) महामारी के शिखर के समय को प्रभावित करते हैं, वहीं पुनरावृत्ति वह महत्वपूर्ण तंत्र है जो निपा वायरस की निरंतरता को संचालित करता है और शास्त्रीय प्रजनन सीमा से परे स्थानिक संतुलन की स्थितियों को बदल देता है।

मूल लेखक: Bugalia, S., Wang, H., Salvador, L.

प्रकाशित 2026-03-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Bugalia, S., Wang, H., Salvador, L.

मूल पेपर CC BY 4.0 (https://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

कल्पना कीजिए कि निपाह वायरस (NiV) केवल एक एकल हमले के रूप में नहीं, बल्कि एक ऐसे भूत के रूप में है जो घर छोड़ने से इनकार कर देता है।

यह शोध पत्र इस बात की गणितीय जांच है कि निपाह वायरस बांग्लादेश में बार-बार क्यों उभरता रहता है, भले ही ऐसा लगता हो कि प्रकोप समाप्त हो जाना चाहिए। शोधकर्ताओं ने एक डिजिटल "क्रिस्टल बॉल" (एक कंप्यूटर मॉडल) बनाया ताकि यह सिम्युलेट किया जा सके कि वायरस लोगों के माध्यम से कैसे फैलता है, लेकिन उन्होंने इसमें दो विशेष सामग्रियां जोड़ीं जिन्हें अधिकांश अन्य मॉडल अनदेखा कर देते हैं: रिलैप्स (Relapse - दोबारा बीमारी का उभरना) और टाइम डिले (Time Delays - समय का अंतराल)।

उनके निष्कर्षों का सरल उपमाओं (analogies) का उपयोग करके विवरण यहाँ दिया गया है:

1. "मशीन में छिपा भूत" (Relapse)

आमतौर पर, जब आप बीमार होते हैं, ठीक होते हैं और स्वस्थ हो जाते हैं, तो आप समाप्त हो जाते हैं। आप प्रतिरोधी (immune) होते हैं, या कम से कम आप संक्रामक नहीं रह जाते।

लेकिन निपाह के साथ, कहानी अलग है। कुछ लोग जो पूरी तरह से ठीक लग रहे थे, वे अचानक महीनों या वर्षों बाद फिर से बीमार पड़ जाते हैं।

उपमा: एक ऐसी आग की कल्पना करें जिसे आप सोचते हैं कि आपने बुझा दिया है। आप देखते हैं कि कोई धुआं नहीं है, इसलिए आप चले जाते हैं। लेकिन फिर, एक छिपी हुई चिंगारी फिर से जीवित हो उठती है, जिससे एक नई आग शुरू हो जाती है।
निष्कर्ष: शोधकर्ताओं ने पाया कि यह "रिलैप्स" ही मुख्य कारण है कि वायरस बना रहता है। भले ही आप नए संक्रमणों को रोक दें (नए लोगों द्वारा दूसरों से संक्रमण न होना), वायरस फैलना जारी रख सकता है क्योंकि स्वस्थ हुए लोग गुप्त रूप से फिर से संक्रामक बन जाते हैं। यह ऐसा है जैसे वायरस के पास स्वस्थ आबादी के भीतर छिपा हुआ एक "रिचार्ज बटन" हो।

2. "स्लो मोशन" प्रभाव (Time Delays)

वायरस तुरंत काम नहीं करते। संक्रमण और लक्षणों के बीच एक अंतर होता है (इनक्यूबेशन), और ठीक होने और फिर से बीमार होने के बीच भी एक अंतर होता है (डिलेटेड एन्सेफलाइटिस)।

उपमा: डोमिनोज़ (dominoes) की एक पंक्ति के बारे में सोचें। यदि आप पहले को धक्का देते हैं, तो आखिरी वाला तुरंत नहीं गिरता; एक चेन रिएक्शन का समय होता है। इस वायरस में, "धक्का" तो लगता है, लेकिन "गिरना" (लक्षण दिखना) दिनों या महीनों बाद होता है।
निष्कर्ष: ये विलंब (delays) यह बदलते हैं कि प्रकोप का शिखर (peak) कब आता है।
- इनक्यूबेशन डिले (Incubation Delay): यह एक स्पीड बंप की तरह काम करता है। यदि वायरस को लक्षण दिखाने में अधिक समय लगता है, तो बीमारी की बड़ी लहर बाद में आती है और शुरुआत में थोड़ी कम तीव्र हो सकती है, लेकिन यह पूरी समयरेखा को बदल देती है।
- रिकवरी डिले (Recovery Delay): यह "भूत" वाला विलंब है। यह निर्धारित करता है कि स्वस्थ हुए लोग कब फिर से समस्या पैदा करना शुरू करेंगे।

3. प्रकोप के दो चरण

मॉडल ने खुलासा किया कि प्रकोप के दो स्पष्ट भाग हैं, जैसे कि एक नाटक:

भाग 1: प्रारंभिक गिरावट (पहला शिखर/The First Peak)
- इसे कौन संचालित करता है? इनक्यूबेशन डिले और यह कि वायरस लोगों से लोगों में कितनी तेजी से फैलता है।
- क्या मदद करता है? यदि हम मामलों का पता तेजी से लगा सकें (मॉडल में इनक्यूबेशन डिले को कम करके), तो हम पहली बड़ी लहर को बहुत ऊँचा होने से रोक सकते हैं। यह डोमिनोज़ के गिरने से पहले उन्हें पकड़ने जैसा है।
भाग 2: लंबी पूंछ (The Long Tail - परिणाम)
- इसे कौन संचालित करता है? रिलैप्स (Relapse)।
- क्या होता है? पहली बड़ी लहर के शांत होने के बाद, वायरस गायब नहीं होता। यह बना रहता है क्योंकि "भूत" (रिलैप्स वाले मरीज) फिर से मिश्रण में शामिल होते रहते हैं।
- चौंकाने वाली बात: शोधकर्ताओं ने पाया कि पहले शिखर के बाद, 80-90% से अधिक नए संक्रमण वास्तव में उन लोगों से आ सकते हैं जो पहले ठीक हो चुके थे और फिर से बीमार पड़े, न कि नए संक्रमणों से। यही कारण है कि इसे पूरी तरह से खत्म करना इतना कठिन है।

4. "जादुई संख्या" (R0) बनाम वास्तविकता

महामारी विज्ञान (epidemiology) में, एक प्रसिद्ध संख्या है जिसे R0 कहा जाता है। यदि R0 1 से कम है, तो बीमारी समाप्त हो जानी चाहिए क्योंकि प्रत्येक बीमार व्यक्ति एक से कम अन्य व्यक्ति को संक्रमित करता है।

ट्विस्ट: इस अध्ययन में, बांग्लादेश में निपाह के लिए गणना किया गया R0 बहुत कम (0.04) है। गणितीय रूप से, वायरस को वर्षों पहले समाप्त हो जाना चाहिए था।
वास्तविकता: यह नहीं हुआ। क्यों? क्योंकि मानक R0 फॉर्मूला "भूतों" को नहीं गिनता है। यह मानता है कि एक बार ठीक होने के बाद, आप खेल से बाहर हैं। लेकिन रिलैप्स के कारण, वायरस खेल को जारी रखने का रास्ता खोज लेता है, भले ही गणित कहता हो कि इसे रुक जाना चाहिए।

5. क्या वायरस दोलन (Oscillating) करना शुरू करेगा? (Hopf Bifurcation)

शोधकर्ताओं ने पूछा: "क्या ये विलंब (delays) इन कारणों से वायरस को प्रकोप के एक लयबद्ध चक्र (rhythmic cycle) में बदलना शुरू कर सकते हैं, जैसे कि एक दिल की धड़कन?"

सिद्धांत: हाँ, गणितीय रूप से, यदि विलंब पर्याप्त लंबे हो जाते हैं, तो वायरस प्रकोपों के एक पूर्ण, दोहराते रहने वाले लूप में उतार-चढ़ाव शुरू कर सकता है।
वास्तविकता: बांग्लादेश के वास्तविक डेटा के आधार पर, विलंब अभी इतने लंबे नहीं हैं कि इन जंगली, लयबद्ध चक्रों को जन्म दे सकें। वायरस वर्तमान में एक लयबद्ध ड्रमबीट के बजाय एक छिटपुट चिंगारी की तरह व्यवहार कर रहा है। हालांकि, मॉडल दिखाता है कि यदि स्थितियां बदलती हैं, तो वे चक्र हो सकते हैं।

सार्वजनिक स्वास्थ्य के लिए बड़ा संदेश

यदि आप निपाह को रोकना चाहते हैं, तो आप केवल शुरुआती प्रसार (जैसे हाथ धोना या चमगादड़ के रस से बचना) पर ध्यान केंद्रित करके काम नहीं चला सकते। आपको लंबी अवधि के लिए अपनी रणनीति बदलनी होगी:

जल्दी पहचान ही सर्वोपरि है: संक्रमण और उपचार के बीच के समय को कम करना पहली बड़ी लहर को रोकता है।
स्वस्थ हुए लोगों पर नज़र रखें: आप केवल एक मरीज को डिस्चार्ज करके यह नहीं कह सकते कि "वे सुरक्षित हैं।" रिलैप्स के कारण, स्वस्थ हुए मरीजों की दीर्घकालिक निगरानी की आवश्यकता है। वे वह छिपा हुआ भंडार (reservoir) हैं जो आग को जीवित रखे हुए हैं।

संक्षेप में: निपाह वायरस एक कठिन प्रतिद्वंद्वी है। यह अपने समय को छिपाने के लिए 'टाइम डिले' का उपयोग करता है और अपने स्रोत को छिपाने के लिए 'रिलैप्स' का उपयोग करता है। इसे हराने के लिए, हमें शुरुआती प्रकोप से आगे देखना होगा और उन लोगों पर कड़ी नज़र रखनी होगी जो पहले ही इससे उबर चुके हैं।

यहाँ शोध पत्र "Role of relapse and multiple time delays in shaping Nipah virus epidemic dynamics: a mathematical modeling study" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

निपाह वायरस (NiV) एक अत्यधिक घातक ज़ूनोटिक रोगजनक है, जिसकी मृत्यु दर 40% से 75% के बीच है। हालांकि पिछले गणितीय मॉडलों ने NiV संचरण को संबोधित किया है, वे अक्सर मानव मामलों में दर्ज महत्वपूर्ण नैदानिक विशेषताओं की अनदेखी करते हैं:

रिलैप्स (Relapse/पुनरावृत्ति): स्वस्थ हुए व्यक्तियों में महीनों या वर्षों बाद फिर से लक्षण विकसित हो सकते हैं।
विलंबित-प्रारंभ एन्सेफलाइटिस (Delayed-onset Encephalitis): स्पष्ट सुधार के लंबे समय बाद गंभीर न्यूरोलॉजिकल लक्षण दिखाई दे सकते हैं।
इनक्यूबेशन विलंब (Incubation Delays): संक्रमण के संपर्क में आने और संक्रामक होने के बीच एक महत्वपूर्ण अंतराल होता है।

मौजूदा मॉडल इन रिलैप्स तंत्रों और बहु-जैविक समय विलंबों (multiple biological time delays) को एक सुसंगत ढांचे में स्पष्ट रूप से एकीकृत करने में विफल रहते हैं। फलस्वरूप, महामारी की निरंतरता में रिलैप्स के योगदान और विलंब-प्रेरित दोलन संबंधी गतिकी (recurring outbreaks) की क्षमता को समझना कठिन बना हुआ है। इस अध्ययन का उद्देश्य यह मात्रात्मक रूप से समझना है कि ये कारक NiV संचरण की गतिशीलता, विशेष रूप से पीक (शिखर) के बाद के चरण को कैसे आकार देते हैं।

2. कार्यप्रणाली (Methodology)

मॉडल निर्माण (Model Formulation)

लेखकों ने एक डिले डिफरेंशियल इक्वेशन (DDE) मॉडल विकसित किया है जो एक पिछले कम्पार्टमेंटल ढांचे (त्यागी एवं अन्य, 2024) का विस्तार करता है। मानव जनसंख्या ( $N$ ) को सात वर्गों (compartments) में विभाजित किया गया है:

$S$ : सुसेप्टिबल (Susceptible/संवेदनशील)
$E$ : एक्सपोज़्ड (Exposed/संक्रमित अवस्था में)
$I_1$ : एसिम्प्टोमैटिक इन्फेक्शियस (Asymptomatic/लक्षणहीन संक्रामक)
$I_2$ : सिम्प्टोमैटिक इन्फेक्शियस (Symptomatic/लक्षणयुक्त संक्रामक)
$H$ : हॉस्पिटलाइज्ड (Hospitalized/अस्पताल में भर्ती)
$T$ : अंडर ट्रीटमेंट (Under treatment/उपचार के अधीन)
$R$ : रिकवर्ड (Recovered/स्वस्थ)

मॉडल की मुख्य विशेषताएं:

इनक्यूबेशन विलंब ( $\omega_1$ ): व्यक्ति एक विलंब के बाद $E$ से $I_1$ में जाते हैं, जिसमें उत्तरजीविता प्रायिकता (survival probability) पद $e^{-\mu\omega_1}$ शामिल है।
रिलैप्स मार्ग (Relapse Pathways):
- प्रत्यक्ष रिलैप्स: स्वस्थ हुए व्यक्ति ( $R$ ) दर $\psi_1$ पर एसिम्प्टोमैटिक वर्ग ( $I_1$ ) में वापस आते हैं।
- विलंबित रिलैप्स (एन्सेफलाइटिस): स्वस्थ हुए व्यक्ति $\omega_2$ के विलंब के बाद दर $\psi_2$ पर सिम्प्टोमैटिक वर्ग ( $I_2$ ) में वापस आते हैं।
गणितीय विश्लेषण:
- नेक्स्ट-जेनरेशन मैट्रिक्स विधि का उपयोग करके बेसिक रिप्रोडक्शन नंबर ( $R_0$ ) की गणना की गई।
- डिजीज-फ्री इक्विलिब्रियम (DFE) और एंडेमिक इक्विलिब्रियम (EE) की स्थिरता का विश्लेषण किया गया।
- यह निर्धारित करने के लिए कि क्या समय विलंब निरंतर आवधिक दोलनों (epidemic cycles) को प्रेरित कर सकते हैं, हॉप बाइफर्केशन (Hopf bifurcations) की जांच की गई।
- एक सकारात्मक एंडेमिक इक्विलिब्रियम के अस्तित्व के लिए शर्तों को निकाला गया, जो दर्शाता है कि रिलैप्स की उपस्थिति में यह केवल $R_0 > 1$ द्वारा निर्धारित नहीं होता है।

पैरामीटर अनुमान और सिमुलेशन (Parameter Estimation and Simulation)

डेटा स्रोत: बांग्लादेश (2001-2024) का वार्षिक NiV घटना डेटा।
कैलिब्रेशन: मापदंडों (संचरण दर $\alpha$ , रिलैप्स दर $\psi_1, \psi_2$ , विलंब $\omega_1, \omega_2$ , आदि) का अनुमान MATLAB के lsqcurvefit (लीस्ट-स्क्वेयर्स मिनिमाइजेशन) का उपयोग करके लगाया गया।
संवेदनशीलता विश्लेषण (Sensitivity Analysis):
- लोकल सेंसिटिविटी: पीक के समय और परिमाण पर प्रभाव का आकलन करने के लिए प्रमुख मापदंडों को ( $\pm 10\%, \pm 20\%, \pm 30\%$ ) बदला गया।
- ग्लोबल सेंसिटिविटी: $R_0$ पर सबसे प्रभावशाली मापदंडों की पहचान करने के लिए 'पार्शियल रैंक कोरिलेशन कोएफिशिएंट्स' (PRCC) का उपयोग किया गया।
- परिदृश्य विश्लेषण (Scenario Analysis): संचरण, उपचार और रिलैप्स दरों के संयुक्त प्रभावों का परीक्षण किया गया।
बाइफर्केशन विश्लेषण: चक्रीय गतिकी को देखने के लिए काल्पनिक पैरामीटर व्यवस्था के तहत संख्यात्मक सिमुलेशन किए गए।

3. मुख्य योगदान (Key Contributions)

नया मॉडलिंग ढांचा: NiV के लिए एक एकल DDE मॉडल में रिलैप्स दरों और बहु-समय विलंबों (इनक्यूबेशन और पोस्ट-रिकवरी एन्सेफलाइटिस) को स्पष्ट रूप से एकीकृत करने वाला पहला अध्ययन।
निरंतरता थ्रेशोल्ड की पुनर्व्याख्या: यह प्रदर्शित किया कि एक एंडेमिक इक्विलिब्रियम का अस्तित्व केवल शास्त्रीय थ्रेशोल्ड $R_0 = 1$ द्वारा निर्धारित नहीं होता है। रिलैप्स फीडबैक एक ऐसा तंत्र बनाता है जहाँ बीमारी तब भी बनी रह सकती है जब प्राथमिक संचरण उप-क्रिटिकल ( $R_0 < 1$ ) हो।
रिलैप्स योगदान का परिमाणीकरण: प्राथमिक संचरण बनाम रिलैप्स से उत्पन्न होने वाले नए संक्रमणों के अनुपात को मापने के लिए एक "रिलैप्स-ड्रिवन रिप्लेनिशमेंट फ्रैक्शन" पेश किया गया।
बाइफर्केशन विश्लेषण: यह सैद्धांतिक और संख्यात्मक प्रमाण प्रदान किया कि जैविक समय विलंब एंडेमिक इक्विलिब्रियम को अस्थिर कर सकते हैं, जिससे हॉप बाइफर्केशन और निरंतर दोलन उत्पन्न होते हैं, हालांकि इसके लिए विशिष्ट (काल्पनिक) पैरामीटर व्यवस्था की आवश्यकता होती है।

4. मुख्य परिणाम (Key Results)

महामारी विज्ञान संबंधी गतिकी (Epidemiological Dynamics)

रिलैप्स की भूमिका: रिलैप्स पोस्ट-पीक डायनेमिक्स का मुख्य चालक है। जबकि प्राथमिक संचरण प्रारंभिक प्रकोप के शिखर को संचालित करता है, रिलैप्स निम्न-स्तरीय संचरण को बनाए रखता है और "सेकेंडरी हम्प्स" या महामारी वक्र के विस्तारित पूंछ (tails) बनाता है।
रिलैप्स योगदान अंश (Relapse Contribution Fraction): पोस्ट-पीक चरण में (बांग्लादेश डेटा में 2007 के बाद), रिलैप्स योगदान अंश 80-90% से अधिक है। यह इंगित करता है कि महामारी के बाद के चरणों में अधिकांश नए संक्रमणों का स्रोत प्राथमिक मानव-से-मानव संचरण श्रृंखलाएं नहीं, बल्कि स्वस्थ हुए व्यक्तियों का रिलैप्स है।
विलंब का प्रभाव:
- इनक्यूबेशन विलंब ( $\omega_1$ ): यह मुख्य रूप से प्रारंभिक शिखर के समय और तीव्रता को प्रभावित करता है। $\omega_1$ को कम करना (तेजी से पता लगाना) संचयी मामलों को काफी कम कर देता है।
- एन्सेफलाइटिस विलंब ( $\omega_2$ ): यह मुख्य रूप से द्वितीयक चरण के समय को प्रभावित करता है। $\omega_2$ को बढ़ाने से संक्रामक व्यक्तियों की वापसी में देरी होती है, जिससे दूसरा शिखर (secondary peak) देरी से आता है लेकिन तत्काल पोस्ट-पीक बोझ कम हो जाता है।

स्थिरता और दोलन (Stability and Oscillations)

स्थिरता: अनुमानित मापदंडों (बांग्लादेश डेटा) के तहत, प्रणाली डैम्प्ड फ्लक्चुएशन (damped fluctuations) के साथ स्थिर है; निरंतर दोलन की संभावना कम है।
हॉप बाइफर्केशन: सैद्धांतिक विश्लेषण से पता चलता है कि यदि विलंब ( $\omega_1$ या $\omega_2$ ) महत्वपूर्ण सीमा को पार कर जाते हैं, तो एंडेमिक इक्विलिब्रियम हॉप बाइफर्केशन के माध्यम से अपनी स्थिरता खो देता है, जिससे निरंतर आवधिक दोलन उत्पन्न होते हैं।
काल्पनिक परिदृश्य: काल्पनिक मापदंडों के साथ संख्यात्मक सिमुलेशन ने पुष्टि की कि लंबे विलंब आवर्ती महामारी लहरें उत्पन्न कर सकते हैं, जो उनकी जटिल गतिकी को दर्शाते हैं।

संवेदनशीलता और नियंत्रण (Sensitivity and Control)

$R_0$ अनुमान: बांग्लादेश के लिए अनुमानित $R_0 \approx 0.047$ है (1 से बहुत कम), जो बताता है कि केवल प्राथमिक संचरण अकेले प्रकोप को बनाए नहीं रख सकता।
नियंत्रण के निहितार्थ:
- रिलैप्स को कम करना ( $\psi_1$ ): रिलैप्स दर में 30% की कमी से कुल संचयी मामलों में ~14% की कमी आती है। दीर्घकालिक उन्मूलन के लिए यह अत्यंत महत्वपूर्ण है।
- इनक्यूबेशन विलंब को कम करना ( $\omega_1$ ): इनक्यूबेशन विलंब में 30% की कमी (तेजी से पहचान के माध्यम से) से कुल मामलों में ~23% की कमी आती है, जो प्रारंभिक शिखर को कम करने के लिए सबसे प्रभावी उपाय है।
- संयुक्त प्रभाव: संचरण में कमी और उपचार/अस्पताल में सुधार के संयुक्त प्रयास प्रारंभिक और द्वितीयक दोनों शिखरों को काफी हद तक दबा देते हैं।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह अध्ययन NiV नियंत्रण की समझ को मौलिक रूप से बदल देता है, यह रेखांकित करते हुए कि रिलैप्स महामारी की निरंतरता के लिए एक प्रमुख तंत्र है, जो प्राथमिक संचरण की तीव्रता से स्वतंत्र है।

सार्वजनिक स्वास्थ्य रणनीति: पारंपरिक नियंत्रण उपाय जो केवल संपर्क दरों को कम करने ( $R_0$ को कम करने) पर ध्यान केंद्रित करते हैं, वे उन्मूलन के लिए अपर्याप्त हो सकते हैं यदि रिलैप्स की अनदेखी की जाती है। रणनीतियों में रिलैप्स मामलों का पता लगाने और उन्हें अलग करने के लिए स्वस्थ हुए रोगियों की दीर्घकालिक निगरानी शामिल होनी चाहिए।
मॉडलिंग के निहितार्थ: यह अध्ययन उभरते ज़ूनोटिक रोगों (जैसे इबोला या लासा फीवर) के लिए जैविक समय विलंब और रिलैप्स मार्गों को शामिल करने की आवश्यकता पर जोर देता है, जहाँ रिकवरी के बाद संचरण दर्ज किया गया है।
भविष्य का दृष्टिकोण: हालांकि बांग्लादेश में वर्तमान में विलंब-प्रेरित दोलन नहीं देखे जा रहे हैं, मॉडल चेतावनी देता है कि बदलते जैविक या पर्यावरणीय परिस्थितियों के तहत, ये विलंब आवर्ती महामारी चक्रों को ट्रिगर कर सकते हैं। विश्वसनीय दीर्घकालिक पूर्वानुमान के लिए रिलैप्स दर और उसके समय का सटीक अनुमान लगाना महत्वपूर्ण है।

संक्षेप में, यह शोध पत्र निपाह वायरस के प्रकोप की जटिल, 'लॉन्ग-टेल' गतिकी के प्रबंधन के लिए रिलैप्स और समय विलंब को एकीकृत करने हेतु एक कठोर गणितीय आधार प्रदान करता है।