County-Level Risk Mapping of Alpha-Gal Syndrome Using a Bayesian Proxy Approach

सार्वजनिक स्वास्थ्य की दुनिया की कल्पना "वेयर इज़ वाल्डो?" (Where's Waldo?) के एक विशाल, अदृश्य खेल के रूप में करें, लेकिन यहाँ हम धारीदार शर्ट के बजाय, आठ पैरों वाले एक नन्हे अपराधी की तलाश कर रहे हैं: टिक (tick/किल्ली)। विशेष रूप से, हम 'लोन स्टार टिक' (Lone Star tick) की तलाश कर रहे हैं, जो एक चालाक अरैक्निड (arachnid) है जो न केवल खुजली पैदा करता है; बल्कि यह आपके प्रतिरक्षा तंत्र (immune system) को भी बदल सकता है। जब यह टिक आपको काटता है, तो यह आपको लाल मांस (red meat) से एक अजीब सी एलर्जी दे सकता है, जिसे 'अल्फा-गल सिंड्रोम' (Alpha-Gal Syndrome) कहा जाता है। यह ऐसा है जैसे आपका शरीर अचानक एक स्वादिष्ट स्टेक को एक खतरनाक हमलावर मानने लगे, जिससे पित्ती (hives) से लेकर पूर्ण एनाफिलेक्सिस (anaphylaxis) तक सब कुछ हो सकता है। समस्या यह है कि हमें अक्सर यह पता नहीं होता कि ये टिक वास्तव में कहाँ छिपे हैं, जब तक कि कोई बीमार न हो जाए और डॉक्टर के पास न चला जाए। लेकिन क्या होगा यदि अभी तक किसी बीमार व्यक्ति की रिपोर्ट ही न मिली हो? डॉक्टर कैसे जान पाते हैं कि उन्हें अपनी चेतावनियाँ कहाँ भेजनी चाहिए? यह वह पहेली है जिसका सामना वैज्ञानिक तब करते हैं जब किसी स्थान पर कोई नया बीमारी का खतरा दिखाई देता जहाँ कोई आधिकारिक केस रिपोर्ट उपलब्ध नहीं होती। उन्हें जासूस बनना पड़ता है, और टिक द्वारा किए गए अन्य अपराधों के सुरागों का उपयोग करके यह अनुमान लगाना पड़ता है कि खतरा कहाँ छिपा है।

इस अध्ययन में, इलिनॉय के शोधकर्ताओं की एक टीम को ठीक इसी रहस्य का सामना करना पड़ा। 2026 की शुरुआत तक, राज्य ने डॉक्टरों के लिए अल्फा-गल के मामलों की रिपोर्ट करना अनिवार्य करने वाला एक नया कानून लागू किया था, लेकिन मानचित्र पर अभी तक शून्य पुष्ट रिपोर्टें थीं। यह एक खाली कैनवास की तरह था। प्रत्यक्ष डेटा के बिना, टीम केवल प्रतीक्षा नहीं कर सकती थी; उन्हें जोखिम का अनुमान लगाने के लिए एक तरीका खोजने की आवश्यकता थी। उन्होंने एक "प्रॉक्सी" (proxy) मैप बनाने का निर्णय लिया, जो एक ऐसी वस्तु के आकार का अनुमान लगाने जैसा है जिसे आप सीधे नहीं देख सकते, इसके बजाय उसकी छाया का उपयोग करना है। चूंकि लोन स्टार टिक 'एर्लिचियोसिस' (ehrlichiosis - एक जीवाणु संक्रमण) नामक एक अलग बीमारी का भी मुख्य अपराधी है, इसलिए शोधकर्ताओं ने तर्क दिया कि जहाँ आप बहुत अधिक एर्लिचियोसिस के मामले और बहुत अधिक टिक पाते हैं, वहाँ आप संभवतः अल्फा-गल के खतरे वाले क्षेत्र में खड़े हैं। उन्होंने पूरे राज्य को एक विशाल जिग्सॉ पहेली की तरह माना, जिसमें एक विशेष गणितीय उपकरण का उपयोग किया गया जिसे 'बेयसियन स्पेशियल मॉडल' (Bayesian spatial model) कहा जाता है। इस मॉडल को एक स्मार्ट स्मूथिंग मशीन के रूप में समझें: यह एक काउंटी के डेटा को देखता है और कहता है, "यदि आपके पड़ोसी के पास बहुत सारे टिक हैं, तो शायद आपके पास भी होंगे," और फिर अंतराल को भरकर पूरे राज्य में जोखिम की एक निरंतर तस्वीर बनाता है।

शोधकर्ताओं ने अपना जोखिम स्कोर बनाने के लिए तीन अलग-अलग सुरागों को मिलाया। सबसे पहले, उन्होंने देखा कि प्रत्येक काउंटी में कितने एर्लिचियोसिस के मामले दर्ज किए गए थे, और जनसंख्या के आधार पर उन्हें समायोजित किया (ताकि एक छोटे शहर के एक मामले को एक बड़े शहर के एक मामले के समान न माना जाए)। दूसरा, उन्होंने शोधकर्ताओं द्वारा जंगली इलाकों में वास्तव में एकत्र किए गए टिक्स की संख्या के आधार पर एक "सापेक्ष तीव्रता सूचकांक" (relative intensity index) का उपयोग किया। तीसरा, उन्होंने जांचा कि क्या टिक उस क्षेत्र में "स्थापित" (established) था, जिसका अर्थ है कि वह समय के साथ लगातार वहां पाया गया है, या केवल एक दुर्लभ आगंतुक के रूप में "रिपोर्ट" किया गया था। उन्होंने इस सभी जानकारी को अपने कंप्यूटर मॉडल में डाला, जिसने अनिश्चितता को ध्यान में रखते हुए हजारों सिमुलेशन चलाए, जो बिल्कुल वैसा ही है जैसे सबसे संभावित परिणाम देखने के लिए कई बार पासा फेंकना।

परिणामस्वरूप, मानचित्र पर एक स्पष्ट, चमकता हुआ हॉटस्पॉट सामने आया। मॉडल ने एक बड़ा, लाल निशान सुदूर दक्षिणी इलिनॉय की ओर दिखाया, विशेष रूप से शॉनी हिल्स (Shawnee Hills) और शॉनी नेशनल फॉरेस्ट (Shawnee National Forest) के आसपास के क्षेत्र की ओर। यह क्षेत्र उच्च-जोखिम वाले क्लस्टर के रूप में उभरा, जिसमें शीर्ष दस काउंटियों की पहचान पोप (Pope), विलियमसन (Williamson), जैक्सन (Jackson), हैमिल्टन (Hamilton), जॉनसन (Johnson), पुलास्की (Pulaski), हार्डिन (Hardin), यूनियन (Union), जेफरसन (Jefferson) और सैलिन (Saline) के रूप में की गई। मॉडल काफी आश्वस्त था कि दक्षिणी क्लस्टर ही वह जगह है जिस पर नज़र रखनी है, भले ही इसने स्वीकार किया कि सटीक नंबर एक स्थान पर निर्धारित करना कठिन था क्योंकि इनमें से कुछ काउंटियाँ छोटी हैं और उनमें डेटा कम है। यह सुनिश्चित करने के लिए कि उनका उत्तर केवल एक संयोग नहीं है, टीम ने खेल के नियमों को बदलने की कोशिश की। उन्होंने परीक्षण किया कि क्या होगा यदि वे "स्थापित" टिक डेटा को अनदेखा कर दें या यदि वे मानव रोग के मामलों को बहुत अधिक महत्व दें। हर परिदृश्य में, दक्षिणी इलिनॉय क्लस्टर ही केंद्र बना रहा, जिससे सिद्ध हुआ कि उनका निष्कर्ष मजबूत था और केवल संख्याओं के वजन (weighting) का परिणाम नहीं था।

हालाँकि, लेखक हमें सावधान करते हैं कि यह एक "प्रॉक्सी" मैप है, न कि अंतिम फैसला। चूंकि अध्ययन के समय इलिनॉय में कोई पुष्ट अल्फा-गल मामले नहीं थे, इसलिए वे यह साबित नहीं कर सके कि मानचित्र वास्तविक बीमारी के वितरण से पूरी तरह मेल खाता है या नहीं। वे मूल रूप से कह रहे हैं, "टिक की अन्य आदतों के आधार पर, खतरा सबसे अधिक संभावना के साथ यहाँ छिपा हुआ है।" कुछ काउंटियों के लिए व्यापक "क्रेडिबल इंटरवल्स" (credible intervals - जो संभव मूल्यों की एक सीमा बताने का एक तकनीकी तरीका है) का अर्थ यह है कि हालांकि हम जानते हैं कि पूरा दक्षिणी क्षेत्र जोखिम भरा है, लेकिन हम 100% निश्चित नहीं हो सकते कि कौन सी विशिष्ट काउंटी सबसे खराब है। लेकिन सार्वजनिक स्वास्थ्य अधिकारियों और डॉक्टरों के लिए, यह मानचित्र एक महत्वपूर्ण शुरुआती बिंदु प्रदान करता है। पहला मरीज आने का इंतजार करने के बजाय, वे अब अपने शिक्षा और स्क्रीनिंग प्रयासों को राज्य के दक्षिणी भाग पर केंद्रित कर सकते हैं, और इस साक्ष्य-आधारित अनुमान का उपयोग करके टिक से एक कदम आगे रह सकते हैं।