Unexplained neuroinvasive disease as an early-warning signal of West Nile virus transmission in Spain, 2016-2019

तकनीकी सारांश: स्पेन में वेस्ट नाइल वायरस संचरण के प्रारंभिक-चेतावनी संकेत के रूप में अज्ञात न्यूरोइनवेसिव रोग

समस्या विवरण
वेस्ट नाइल वायरस (WNV) यूरोप में तेजी से फैलता हुआ मच्छर-जनित रोगज़नक है, जिसमें स्पेन में बार-बार प्रकोप और भौगोलिक विस्तार देखा जा रहा है। जबकि अधिकांश WNV संक्रमण लक्षणहीन होते हैं, एक छोटा हिस्सा न्यूरोइनवेसिव रोग (WNV-ND) की ओर बढ़ता है, जो मेनिंगाइटिस, एन्सेफलाइटिस या तीव्र पक्षाघात (एक्यूट फ्लेसिड पैरालिसिस) के रूप में प्रस्तुत होता है। नैदानिक रूप से, WNF-ND अज्ञात एटियोलॉजी (VEUC) वाले अन्य वायरल न्यूरोलॉजिकल संक्रमणों से अलग नहीं किया जा सकता है। फलस्वरूप, उन क्षेत्रों में जहाँ WNV को सक्रिय रूप से संदिग्ध नहीं माना जाता या नियमित रूप से परीक्षण नहीं किया जाता, वहां अज्ञात न्यूरोलॉजिकल मामलों के बोझ के भीतर WNV संचरण का एक महत्वपूर्ण हिस्सा छिपा रह सकता है। यह अध्ययन इस परिकल्पना को संबोधित करता है कि अनपेक्षित WNV संचरण, VEUC के बोझ में योगदान देता है और ये दोनों घटनाएं सामाजिक-पारिस्थितिक स्थितियों द्वारा संचालित एक सामान्य भौगोलिक संरचना साझा करती हैं।

कार्यप्रणाली
लेखकों ने 2016 और 2019 के बीच स्पेन के नगर पालिकाओं के डेटा का विश्लेषण किया, जो 2020 के प्रमुख WNV प्रकोप से पहले की अवधि है जिसने नैदानिक जागरूकता को बढ़ाया था।

• डेटा स्रोत:
  • VEUC: अस्पताल से डिस्चार्ज के रिकॉर्ड (CMBD) जो 5 वर्ष से अधिक आयु के रोगियों के लिए प्राथमिक या माध्यमिक निदान के रूप में अज्ञात कारण के वायरल एन्सेफलाइटिस, मेनिंगाइटिस, या तीव्र पक्षाघात (ICD-10 कोड) के लिए थे। मामलों को नगर पालिका के आधार पर एकत्रित किया गया था, और स्टैंडर्डाइज्ड इंसिडेंस रेश्यो (SIR) की गणना की गई थी। SIR > 1 वाले नगर पालिकाओं को VEUC अतिरिक्त (excess) के रूप में वर्गीकृत किया गया।
  • WNV: मानव, अश्व (equines), और पक्षियों में WNV की उपस्थिति/अनुपस्थिति के संकेत राष्ट्रीय निगरानी नेटवर्क (RENAVE और कृषि मंत्रालय) से प्राप्त किए गए थे। एक नगर पालिका को "1" के रूप में चिह्नित किया गया यदि अध्ययन अवधि के दौरान किसी भी प्रजाति में WNF का पता चला हो।
  • सहचर चर (Covariates): एक राष्ट्रीय WNV जोखिम सूचकांक (एक वन हेल्थ फ्रेमवर्क पर आधारित जो वेक्टर, जलाशय और पर्यावरण को एकीकृत करता है) और सामाजिक-पारिस्थितिक सहचरों (वायुमंडलीय, जल विज्ञान संबंधी, जैविक, भूमि उपयोग और मानवजनित कारकों) का उपयोग किया गया।
• सांख्यिकीय दृष्टिकोण:
  • एक पदानुक्रमित ढांचे के भीतर एक बेयसियन शेयर्ड-कंपोनेंट मॉडल (SCM) फिट किया गया। यह मॉडल दो बाइनरी परिणामों (VEUC अतिरिक्त और WNV उपस्थिति) के स्थानिक भिन्नता को निम्नलिखित में विभाजित करता है:
    1. एक साझा स्थानिक घटक ($\lambda_i$) जो दोनों रोगों के लिए सामान्य है।
    2. रोग-विशिष्ट घटक (संरचित और असंरचित रैंडम इफेक्ट्स) जो प्रत्येक परिणाम के लिए अद्वितीय हैं।
  • मॉडल को डेटा-स्टैकिंग रणनीति के साथ R-INLA का उपयोग करके फिट किया गया।
  • एक स्टेपवाइज मॉडलिंग रणनीति का उपयोग किया गया: एक नल मॉडल (M1), एक मॉडल जिसमें WNV जोखिम सूचकांक शामिल था (M2), और उसके बाद वायुमंडलीय-जल विज्ञान संबंधी (M3), जैविक-मानवजनित (M4), और अंततः सभी महत्वपूर्ण भविष्यवक्ताओं के साथ एक संयुक्त मॉडल (M5) जोड़ा गया।

प्रमुख परिणाम

• साझा स्थानिक पैटर्न: आधारभूत मॉडल (M1) ने VEUC अतिरिक्त और WNV उपस्थिति को जोड़ने वाले एक स्पष्ट साझा स्थानिक घटक को प्रकट किया। इस पैटर्न ने तीन उच्च जोखिम वाले क्षेत्रों की पहचान की: दक्षिण-पश्चिमी स्पेन, उत्तर-पूर्वी स्पेन, और अप्रत्याशित रूप से, दक्षिण-पूर्वी भूमध्यसागरीय तट। इस अंतिम क्षेत्र में 2016-2019 के दौरान दर्ज WNV मामले नहीं थे, लेकिन इसमें एक मजबूत साझा संकेत प्रदर्शित हुआ।
• असममित युग्मन (Asymmetric Coupling): साझा घटक का भार WNV पर काफी अधिक था ($\beta \approx 5.0$), जो एक असममित संबंध को दर्शाता है जहाँ WBF की उपस्थिति VEUC अतिरिक्त की तुलना में साझा संकेत का एक मजबूत चालक है।
• WNV जोखिम सूचकांक की भूमिका: WNV जोखिम सूचकांक (M2) को शामिल करने से मॉडल फिट में काफी सुधार हुआ और साझा स्थानिक क्षेत्र संकुचित हो गया, जिससे पता चलता है कि पारिस्थितिक उपयुक्तता साझा भूगोल के एक बड़े हिस्से की व्याख्या करती है। यह सूचकांक VEUC अतिरिक्त के साथ मजबूती से जुड़ा हुआ था (OR 11.4)।
• सहचर चालक:
  • वायुमंडलीय-जल विज्ञान संबंधी: जैसे कि वेपर प्रेशर (वाष्प दबाव) और वर्षा की मौसमी प्रकृति ने साझा भिन्नता के एक बड़े हिस्से की व्याख्या की।
  • जैविक-मानवजनित: Culex perexiguus की उपयुक्तता WNV के लिए सबसे मजबूत निर्धारक थी, जबकि मानव पदचिह्न (human footprint) VEUC अतिरिक्त के लिए सबसे मजबूत भविष्यवक्ता था (WNV से स्वतंत्र)।
• VEUC-विशिष्ट संकेत: एक विशिष्ट VEUC-विशिष्ट स्थानिक पैटर्न सभी मॉडलों में बना रहा, विशेष रूप से उत्तरी स्पेन और एब्रो घाटी में। यह घटक पारिस्थितिक सहचरों को पेश करने के बाद भी स्थिर रहा, जो यह सुझाव देता है कि अज्ञात न्यूरोलॉजिकल रोगों का एक महत्वपूर्ण हिस्सा WNV संचरण से स्वतंत्र कारकों (जैसे शहरी विकास या स्वास्थ्य देखभाल तक पहुंच) द्वारा संचालित है।

प्रमुख योगदान

1. स्थानिक ओवरलैप की पहचान: यह स्पेन में प्रलेखित WNV घटना और अज्ञात न्यूरोइनवेसिव रोग के बीच स्थानिक ओवरलैप प्रदर्शित करने वाला पहला जनसंख्या-व्यापी अध्ययन है।
2. सिंड्रोमिक निगरानी उपयोगिता: यह अध्ययन साक्ष्य प्रदान करता है कि अज्ञात न्यूरोलॉजिकल रोग, उन क्षेत्रों में WNV परिसंचरण के लिए एक सिंड्रोमिक संकेत के रूप में कार्य कर सकते हैं जहाँ वायरस को मनुष्यों या जानवरों में अभी तक पता नहीं लगाया गया है।
3. मेथोडोलॉजिकल फ्रेमवर्क: बेयसियन शेयर्ड-कंपोनेंट मॉडल के अनुप्रयोग ने सामान्य पारिस्थितिक चालकों को रोग-विशिष्ट कारकों से सफलतापूर्वक अलग करने में सफलता प्राप्त की, जिससे "साइलेंट" संचरण क्षेत्रों की पहचान करने के लिए दृष्टिकोण को मान्य किया गया।
4. पारिस्थितिक मॉडलों का सत्यापन: निष्कर्ष WNV जोखिम सूचकांक (जैसे पारिस्थितिक उपयुक्तता मॉडल) की भविष्य कहनेवाला शक्ति का समर्थन करते हैं, यह दिखाकर कि WNV के लिए उपयुक्त बताए गए क्षेत्रों में ही पुष्टि किए गए केस डिटेक्शन से पहले अतिरिक्त अज्ञात न्यूरोलॉजिकल रोग भी दिखाई देते हैं।

महत्व और दावे
यह शोध पत्र दावा करता है कि अज्ञात न्यूरोलॉजिकल हॉटस्पॉट पर ध्यान केंद्रित करके, WNV परिसंचरण के औपचारिक रूप से पहचाने जाने से पहले ही वायरस परिसंचरण की प्रारंभिक चेतावनी प्राप्त की जा सकती है। लेखक तर्क देते हैं कि साझा स्थानिक संकेत केवल एक सांख्यिकीय आर्टिफैक्ट नहीं है, बल्कि यह वायरल परिसंचरण के लिए आवश्यक जलवायु उपयुक्तता, वेक्टर वितरण और होस्ट समुदायों के अभिसरण को दर्शाता है।

महत्वपूर्ण रूप से, यह अध्ययन पारंपरिक निगरानी की तुलना में एक विशिष्ट लाभ प्रदान करने का प्रस्ताव करता है: यह पूर्व में मानव मामलों के पता लगाने पर निर्भर नहीं है। इसके बजाय, यह उन क्षेत्रों की पहचान करने के लिए नियमित रूप से एकत्र किए गए स्वास्थ्य डेटा का लाभ उठाता है जहाँ संचरण पहले से ही हो रहा हो सकता है लेकिन परीक्षण की कमी के कारण अनपेक्षित है। लेखक नोट करते हैं कि 2025 तक दक्षिण-पूर्वी भूमध्यसागरीय तट पर बाद के WNV डिटेक्शन उनके 2016-2019 के निष्कर्षों के अनुरूप हैं, जो इस दृष्टिकोण की उपयोगिता का समर्थन करते हैं।

लेखक कार्य-कारण (causality) के संबंध में एक मध्यम स्वर बनाए रखते हैं, यह स्वीकार करते हुए कि संबंध पारिस्थितिक हैं न कि कारण संबंधी। वे सीमाओं को रेखांकित करते हैं, जैसे कि अस्पताल के रिकॉर्ड में वास्तविक अनडिग्नोज़्ड संक्रमणों और नैदानिक तीव्रता में भिन्नता के बीच अंतर करने में असमर्थता। हालांकि, वे निष्कर्ष निकालते हैं कि एक एकल स्थानिक ढांचे के भीतर पारिस्थितिक जोखिम और नियमित स्वास्थ्य डेटा को एकीकृत करना, वन हेल्थ निगरानी के संदर्भ में प्रयोगशाला परीक्षण और निवारक हस्तक्षेपों को प्राथमिकता देने के लिए एक मूल्यवान रणनीति प्रदान करता है।