UNIVERSAL EPIDEMIC SCALING: INFLUENZA AND COVID-19
यह अध्ययन एक संक्षिप्त स्थूल ढांचा (reduced macroscopic framework) प्रस्तावित करता है जो महामारी की लहरों को पुन: आरंभ करने योग्य सुप्त समूहों (re-initializable susceptible pools) के साथ नियतात्मक परिवहन प्रक्रियाओं (deterministic transport processes) के रूप में मॉडल करता है, जो इन्फ्लुएंजा और SARS-CoV-2 जैसे विविध रोगजनकों के लिए जटिल संख्यात्मक सिमुलेशन के बिना प्रक्षेप पथों और स्वास्थ्य देखभाल की मांग के विश्लेषणात्मक पूर्वानुमान को सक्षम बनाता है।
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
वायरस के प्रसार को ट्रैक करना अक्सर बारिश में खड़े होकर एक तूफान का मानचित्र बनाने की कोशिश करने जैसा महसूस होता है। वैज्ञानिक लंबे समय से उन विस्तृत मॉडलों पर भरोसा करते आए हैं जो हर व्यक्ति, हर संपर्क और इस बात के हर बदलाव को गिनते हैं कि कोई बीमारी समुदाय में कैसे आगे बढ़ती है। ये पारंपरिक तरीके संक्रमण की एक लहर के लिए तो अच्छी तरह काम करते हैं, लेकिन जब नियम बदल जाते हैं, तो वे संघर्ष करते हैं। जब कोई नया वेरिएंट उभरता है, जब लोगों में प्रतिरक्षा (इम्युनिटी) विकसित होती है, या जब सार्वजनिक स्वास्थ्य उपाय बदलते हैं, तो व्यक्तिगत व्यवहारों का जटिल जाल वास्तविक समय में अपडेट करने के लिए बहुत कठिन हो जाता है। यह स्वास्थ्य अधिकारियों के सामने एक महत्वपूर्ण प्रश्न छोड़ देता है: हम अरबों व्यक्तिगत डेटा बिंदुओं के शोर में खोए बिना अस्पताल में भर्ती होने वाली अगली लहर की भविष्यवाणी कैसे कर सकते हैं? इसका उत्तर पीछे हटकर और महामारी को लोगों के संग्रह के रूप में नहीं, बल्कि एक एकल, प्रवाहित प्रणाली के रूप में देखने में निहित हो सकता है।
एक नया अध्ययन अवलोकन के पैमाने को बदलकर इस अराजकता को सरल बनाने का एक तरीका प्रस्तावित करता है। व्यक्तिगत संक्रमणों को ट्रैक करने के बजाय, शोधकर्ता एक महामारी की लहर को एक विशाल परिवहन प्रक्रिया के रूप में देखते हैं, जैसे पानी किसी पाइप के माध्यम से बहता है या हवा किसी परिदृश्य में चलती है। इस दृष्टिकोण में, जो लोग अभी भी बीमारी पकड़ सकते हैं, उन्हें एक-एक करके नहीं गिना जाता है, बल्कि उन्हें भेद्यता (वल्नरेबिलिटी) के एक एकल, बदलते पूल में समूहित किया जाता है। इस "प्रभावी संवेदनशील पूल" (effective susceptible pool) को तब भी रीसेट किया जा सकता है जब प्रकोप की प्रकृति बदल जाती है, जैसे कि जब कोई नया मौसम शुरू होता है या कोई नया वेरिएंट आता है। व्यक्तियों के कार्यों के बजाय इस पूरे समूह की गति पर ध्यान केंद्रित करके, शोधकर्ताओं ने एक ढांचा तैयार किया जो पूरी महामारी का वर्णन करने के लिए नियमों के एक छोटे से समूह का उपयोग करता है।
टीम ने इस दृष्टिकोण का परीक्षण दो बहुत अलग श्वसन खतरों को देखकर किया: मौसमी इन्फ्लुएंजा ए और SARS-CoV-2 वायरस जो COVID-19 का कारण बनता है। उन्होंने अपने विश्लेषण के लिए रोड आइलैंड पर ध्यान केंद्रित किया, जो एक ऐसा स्थान है जहाँ जनसंख्या और भूगोल दोनों बीमारियों की निष्पक्ष तुलना करने के लिए पर्याप्त रूप से सुसंगत रहे। इस तथ्य के बावजूद कि ये वायरस जैविक रूप से अलग व्यवहार करते हैं और अलग-अलग प्रतिरक्षा प्रतिक्रियाएं उत्पन्न करते हैं, डेटा ने एक आश्चर्यजनक पैटर्न का खुलासा किया। जब शोधकर्ताओं ने जटिल विवरणों को हटा दिया, तो दोनों महामारियों के प्रक्षेपवक्र (ट्रैजेक्टरीज) एक ही अंतर्निहित आकार का पालन करते थे। संक्रमण की लहरें एक ही सार्वभौमिक गणितीय रूप द्वारा वर्णित तरीके से ऊपर उठीं और नीचे गिरीं, जो यह सुझाव देती है कि महामारी के व्यापक तंत्र विभिन्न बीमारियों में पहले की तुलना में अधिक समान हैं।
यह पद्धति स्वास्थ्य संसाधनों के प्रबंधन के लिए एक व्यावहारिक उपकरण प्रदान करती है। समीकरणों के एक सरलीकृत सेट का उपयोग करके, शोधकर्ता भारी, समय लेने वाले कंप्यूटर सिमुलेशन चलाने की आवश्यकता के बिना, अस्पताल के बिस्तरों की चरम मांग की गणना कर सकते हैं। मॉडल इस बात का हिसाब रखता है कि कैसे टीकाकरण अभियान प्रसार पर एक सिंक्रोनाइज्ड ब्रेक के रूप में कार्य करते हैं, और इसमें उन लोगों के कारण होने वाले भ्रम को हटाने के लिए एक फ़िल्टरिंग प्रक्रिया शामिल है जो ठीक होने के बाद भी वायरस छोड़ रहे होते हैं। परिणाम एक स्पष्ट, विश्लेषणात्मक भविष्यवाणी है कि अस्पताल प्रणाली कब अपनी सीमा तक पहुँच सकती है। जबकि यह अध्ययन पुष्टि करता है कि यह स्थूल (मैक्रोस्कोपिक) दृष्टिकोण इन दो विशिष्ट वायरसों के लिए एक क्षेत्र में अच्छी तरह काम करता है, लेखक नोट करते हैं कि यह देखने के लिए कि क्या यह स्केलिंग हर जगह सही बैठती है, विभिन्न आबादी और रोगजनकों में और अधिक परीक्षण की आवश्यकता है। फिलहाल, यह महामारी के बड़े चित्र को देखने के लिए एक शक्तिशाली नया लेंस प्रदान करता है, जो डेटा के उलझे हुए जाल को निर्णय लेने के स्पष्ट मार्ग में बदल देता 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।