Can non-routine data collection help decision-making for gambiense sleeping sickness? Using active adaptive management to assess the potential of vector control

कल्पना कीजिए कि आप एक जहाज के कप्तान हैं जो एक कोहरे से भरे समुद्र में से गुजरने की कोशिश कर रहे हैं ताकि एक दूर स्थित, सुरक्षित बंदरगाह तक पहुँच सकें। कोहरा एक रहस्यमय बीमारी का प्रतीक है जो छाया में छिपी रहती है, जिससे यह देखना मुश्किल हो जाता है कि आप कहाँ जा रहे हैं या आपका स्टीयरिंग कितनी अच्छी तरह काम कर रहा है। सार्वजनिक स्वास्थ्य की दुनिया में, यह "कोहरा" अक्सर इस डेटा की कमी को दर्शाता है कि हमारे उपकरण वास्तव में बीमारी से लड़ने में कितने प्रभावी हैं। इनमें से एक उपकरण है "वेक्टर कंट्रोल" (vector control), जो मूल रूप से "उन कीड़ों को मारने का एक फैंसी तरीका है जो बीमारी फैलाते हैं।" लेकिन पेचीदा बात यह है कि कभी-कभी हमें यह भी नहीं पता होता कि हमारी कीड़ा मारने की रणनीति वास्तव में काम कर रही है या नहीं। क्या हमें इस पर पैसा खर्च करना जारी रखना चाहिए, या हमें रुककर कुछ और आज़माना चाहिए? यह वह पहेली है जिसका सामना वैज्ञानिक तब करते हैं जब वे 'स्लीपिंग सिकनेस' (नींद की बीमारी) को खत्म करने की कोशिश कर रहे होते हैं, जो अफ्रीका के कुछ हिस्सों में एक घातक बीमारी है। इस समस्या को हल करने के लिए, वे एक चतुर सोचने के उपकरण का उपयोग करते हैं जिसे "एक्टिव एडेप्टिव मैनेजमेंट" (Active Adaptive Management) कहा जाता है। इसे एक वीडियो गेम की तरह समझें जहाँ आप केवल एक रणनीति चुनकर उसे हमेशा के लिए नहीं छोड़ देते; इसके बजाय, आप एक लेवल खेलते हैं, अपना स्कोर देखते हैं, और फिर यह तय करते हैं कि क्या आपको वही लेवल खेलते रहना चाहिए या जो आपने सीखा है उसके आधार पर अपनी रणनीति बदलनी चाहिए। लक्ष्य पैसा बचाते हुए खेल जीतना है।

अब, आइए इस विशिष्ट शोध पत्र की कहानी में उतरें। लेखक एक बहुत ही वास्तविक समस्या पर काम कर रहे हैं: गैम्बिएन्स ह्यूमन अफ्रीकन ट्रिपैनोसोमियासिस (Gambiense human African trypanosomiasis), या संक्षेप में gHAT। यह स्लीपिंग सिकनेस है जो त्से-त्से मक्खी (tsetse fly) द्वारा फैलती है, जो पश्चिम और मध्य अफ्रीका में पाई जाने वाली एक रक्त चूसने वाली कीट है। विश्व स्वास्थ्य संगठन इस बीमारी को पूरी तरह से समाप्त करना चाहता है, लेकिन ऐसा करने के लिए, उन्हें मक्खियों को लोगों को काटने से रोकना होगा। वे "टाइनी टारगेट्स" (Tiny Targets) का उपयोग करते हैं, जो कीटनाशक से लेपित नीले और काले पैनल होते हैं जो मक्खियों को आकर्षित करते हैं और उन्हें मार देते हैं। लेकिन यहाँ एक पेच है: हमें हमेशा यह नहीं पता होता कि हर एक गाँव में ये टारगेट कितने प्रभावी हैं। कभी-कभी मक्खियाँ जिद्दी होती हैं, या वातावरण अलग होता है, और टारगेट शायद उतनी मक्खियाँ नहीं मार पाते जितनी हम उम्मीद करते हैं।

इसलिए, शोधकर्ताओं ने एक बड़ा सवाल पूछा: क्या मक्खियों को गिनने और यह देखने के लिए अतिरिक्त पैसा खर्च करना सार्थक है कि टाइनी टारगेट्स वास्तव में काम कर रहे हैं या नहीं? इस गिनती को "एंटोमोलॉजिकल मॉनिटरिंग" (entomological monitoring) कहा जाता है। इसमें मक्खियों को पकड़ने के लिए विशेष जाल लगाना और यह देखना शामिल है कि वे कितनी हैं। विचार यह है कि यदि आप टार्गेट्स लगाने के बाद कम मक्खियाँ पकड़ते हैं, तो आप जानते हैं कि रणनीति काम कर रही है। यदि आप उतनी ही संख्या में मक्खियाँ पकड़ते हैं, तो शायद आपको इस पर पैसा बर्बाद करना बंद कर देना चाहिए। लेकिन मक्खियों को गिनने में पैसा, समय और प्रयास लगता है। तो, क्या मिलने वाली जानकारी उसकी कीमत के लायक है?

इसका उत्तर खोजने के लिए, लेखकों ने एक गणितीय मॉडल का उपयोग किया, जो एक सुपर-सटीक कंप्यूटर सिमुलेशन की तरह है कि कैसे बीमारी और मक्खियाँ व्यवहार करती हैं। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने हजारों सिमुलेशन चलाए यह देखने के लिए कि डेमोक्रेटिक रिपब्लिक ऑफ कांगो के दो अलग-अलग स्वास्थ्य क्षेत्रों: मुलुम्बा (Mulumba) और वंगा (Vanga) में क्या होगा। ये दो स्थान एक कहानी के दो अलग-अलग पात्रों की तरह हैं। मुलुम्बा एक ऐसी जगह है जहाँ वैज्ञानिक इस बारे में बहुत अनिश्चित हैं कि टाइनी टारगेट्स कितनी अच्छी तरह काम करेंगे क्योंकि यह इस तरह के नियंत्रण के लिए एक नया क्षेत्र है। दूसरी ओर, वंगा एक ऐसी जगह है जहाँ वैज्ञानिकों के पास एक अच्छा विचार है कि टारगेट्स कैसे काम करते हैं क्योंकि उन्होंने पास में इसी तरह के परिणाम देखे हैं।

टीम ने अपने कंप्यूटर में एक "एक्टिव एडेप्टिव मैनेजमेंट" प्रयोग चलाया। उन्होंने एक परिदृश्य का अनुकरण किया जहाँ वे साल में दो बार मक्खियों की गिनती करते हुए दो वर्षों तक टाइनी टारगेट्स का उपयोग करेंगे। उन दो वर्षों के बाद, वे डेटा देखेंगे और निर्णय लेंगे: "क्या हमें टारगेट्स का उपयोग जारी रखना चाहिए, या हमें रुक जाना चाहिए?" उन्होंने इस स्मार्ट, डेटा-संचालित दृष्टिकोण की तुलना दो अन्य विकल्पों के साथ की: या तो बिना जांच किए हमेशा के लिए टारगेट्स का उपयोग करना, या उन्हें कभी उपयोग ही न करना। उन्होंने "नेट मोनिटरी बेनिफिट" (Net Monetary Benefit) की गणना की, जो यह कहने का एक तरीका है कि: "हमने बीमारी को रोकने से कितना पैसा बचाया, घटा हुआ हमने टाइनी टारगेट्स और मक्खी गिनती पर कितना खर्च किया?"

यहाँ उन्हें क्या मिला, और यह दो बहुत ही अलग परिणामों की कहानी है। मुलुम्बा में, जहाँ परिणामों को लेकर सभी अनिश्चित थे, मॉनिटरिंग एक बड़ी जीत थी। मक्खियों को गिनने की अतिरिक्त लागत पूरी तरह से सार्थक थी। डेटा की जाँच करके, वे जल्दी से पता लगा सकते थे कि टारगेट्स काम कर रहे हैं या नहीं। यदि टारगेट्स बहुत अच्छा काम कर रहे थे, तो वे जारी रखते। यदि वे विफल हो रहे थे, तो वे जल्दी रुक गए और एक खराब रणनीति पर खर्च होने वाले ढेर सारे पैसे बचा लिए। इस मामले में, "कोहरा" घना था, और मॉनिटरिंग की टॉर्च ने उन्हें पूरी तरह से रास्ता दिखाने में मदद की। उन्होंने यहाँ तक पता लगा लिया कि सबसे सटीक बिंदु क्या है: लगभग 88 ट्रैप का उपयोग करना पैसे के बदले सर्वोत्तम जानकारी प्राप्त करने का सबसे कुशल तरीका था।

हालाँकि, वंगा में कहानी अलग थी। इस ज़ोन में, वैज्ञानिकों के पास पहले से ही एक मजबूत धारणा थी कि टारगेट्स अच्छी तरह से काम करेंगे। क्योंकि वे इतने आश्वस्त थे, मक्खियों को गिनने से मिले अतिरिक्त डेटा ने वास्तव में उनके विचार नहीं बदले। वे वैसे भी टारगेट्स का उपयोग करने ही वाले थे, इसलिए मक्खियों को गिनने के लिए भुगतान करना केवल अतिरिक्त लागत जोड़ता था जिससे उनकी निर्णय प्रक्रिया में कोई बदलाव नहीं आया। वंगा में, "कोहरा" पहले से ही पतला था, इसलिए टॉर्च से ज्यादा मदद नहीं मिली। सिमुलेशन ने दिखाया कि वंगा के लिए, मॉनिटरिंग रणनीति ने वास्तव में उनके पास मौजूद योजना की तुलना में पैसा गंवाया।

यह शोध पत्र यह दावा नहीं करता है कि मॉनिटरिंग हमेशा सही उत्तर है या कभी भी सही नहीं है। इसके बजाय, यह सुझाव देता है कि काम की जाँच करने का मूल्य पूरी तरह से इस बात पर निर्भर करता है कि आप पहले से कितना जानते हैं। यदि आप अंधेरे में हैं, तो एक टॉर्च अमूल्य है। यदि आप पहले से ही रास्ता देख सकते हैं, तो टॉर्च केवल एक अतिरिक्त खर्च है। लेखकों ने यह भी स्पष्ट किया कि यह उनके गणितीय मॉडल पर आधारित एक सिमुलेशन है, न कि एक वास्तविक दुनिया का परीक्षण जहाँ वे वास्तव में इन विशिष्ट गाँवों में जाकर दो वर्षों तक मक्खियों को गिना। उन्होंने अतीत के डेटा का उपयोग अपने कंप्यूटर जगत को बनाने के लिए किया, इसलिए हालांकि परिणाम बहुत मजबूत सुझाव हैं, फिर भी वे भविष्यवाणियाँ हैं।

यह अध्ययन एक बड़ा कदम है क्योंकि यह पहली बार है जब किसी ने स्लीपिंग सिकनेस के लिए वेक्टर कंट्रोल तय करने के लिए इस तरह के "सीखते-रहते-जाओ" (learn-as-you-go) गणित का उपयोग किया है। इससे पहले, लोग ज्यादातर बस एक रणनीति चुनते थे और उम्मीद करते थे कि सब ठीक होगा। अब, हमारे पास एक ऐसा ढांचा है जो नीति निर्माताओं को बता सकता है, "हे, इस विशिष्ट स्थान पर, मक्खियों को चेक करने के लिए पैसा खर्च करना सार्थक है। लेकिन उस दूसरे स्थान में, अपना कैश बचाएं और बस चलते रहें।" यह निर्णय लेने की प्रक्रिया को एक अनुमान से बदलकर एक गणनात्मक खेल में बदल देता है, जिससे यह सुनिश्चित होता है कि स्लीपिंग सिकनेस से लड़ने में खर्च किया गया प्रत्येक डॉलर सबसे स्मार्ट तरीके से उपयोग किया जाए। चाहे वह स्लीपिंग सिकनेस के लिए हो या कीड़ों द्वारा लाई जाने वाली अन्य बीमारियों के लिए, यह दृष्टिकोण यह सुनिश्चित करने का एक मनोरंजक लेकिन शक्तिशाली तरीका प्रदान करता है कि हम केवल समस्या पर पैसा नहीं फेंक रहे हैं, बल्कि वास्तव में उसे हल कर रहे हैं।