A Mathematical Model of Swine Flu (H1N1) Transmission with Imperfect Behavioral Vaccination Dynamics: A Case Study of Japan

तकनीकी सारांश: अपूर्ण व्यवहारिक टीकाकरण गतिशीलता के साथ स्वाइन फ्लू (H1N1) संचरण का एक गणितीय मॉडल

समस्या विवरण
इन्फ्लुएंजा ए (H1N1), या स्वाइन फ्लू, तीव्र संचरण और व्यापक प्रकोपों की क्षमता के कारण एक गंभीर सार्वजनिक स्वास्थ्य चुनौती बना हुआ है। जबकि कई गणितीय मॉडलों ने H1N1 की गतिशीलता को संबोधित किया है, मौजूदा साहित्य अक्सर टीकाकरण को एक स्थिर हस्तक्षेप दर के रूप में मानता है। यह दृष्टिकोण संक्रमण के कथित प्रसार और व्यक्तिगत टीकाकरण निर्णय लेने के बीच के महत्वपूर्ण फीडबैक तंत्र की अनदेखी करता है। विशेष रूप से, पिछले मॉडल अक्सर यह गणना करने में विफल रहते हैं कि संक्रमण की कथित लागत बनाम टीकाकरण की कथित लागत कैसे टीकाकरण अपटेक (uptake) में गतिशील परिवर्तन को प्रेरित करती है, न ही वे व्यवहारिक गतिशीलता के साथ अपूर्ण टीकाकरण (जहाँ टीकाकृत व्यक्ति अभी भी संक्रमित हो सकते हैं, हालांकि कम दर पर) को लगातार एकीकृत करते हैं। यह अध्ययन इन अंतरालों को संबोधित करने के लिए एक मॉडल प्रस्तावित करके, जो महामारी विज्ञान संचरण को समय-निर्भर व्यवहारिक टीकाकरण प्रतिक्रियाओं के साथ जोड़ता है, काम करता है।

कार्यप्रणाली
लेखकों ने एक नियतात्मक कम्पार्टमेंटल मॉडल विकसित किया है जो कुल मानव जनसंख्या को आठ महामारी विज्ञान कम्पार्टमेंट्स में विभाजित करता है: सुसेप्टिबल ($S$), टीकाकृत ($V$), एक्सपोज़्ड ($E$), लक्षणयुक्त संक्रामक ($I_s$), लक्षणहीन संक्रामक ($I_a$), क्वारंटाइन ($Q$), रिकवर्ड ($R$), और एक व्यवहारिक चर ($X$)।

मुख्य नवाचार $X(t)$ के लिए एक व्यवहारिक अवकल समीकरण (behavioral differential equation) का समावेश है, जो टीकाकरण प्राप्त करने के इच्छुक व्यक्तियों के अनुपात का प्रतिनिधित्व करता है:
$$\frac{dX}{dt} = mX(1 - X)(C(I_s + I_a) - kC_v)$$
यहाँ, $m$ नकल दर (imitation rate) है, $C$ संक्रमण की कथित लागत है, $C_v$ टीकाकरण की कथित लागत है, और $k$ एक वेटिंग पैरामीटर है। यह समीकरण टीकाकरण व्यवहार को एक लागत-लाभ विश्लेषण के रूप में मॉडल करता है जहाँ जैसे-जैसे संक्रमण का प्रसार (और इस प्रकार संक्रमण की कथित लागत) बढ़ता है, व्यक्ति टीकाकरण के लिए अधिक इच्छुक होते हैं।

मॉडल निम्नलिखित को शामिल करता है:

• अपूर्ण टीकाकरण: टीकाकृत व्यक्तियों ($V$) में सुसेप्टिबल व्यक्तियों ($\beta$) की तुलना में कम संचरण दर ($\beta_1$) होती है, जहाँ $\beta > \beta_1$ है।
• लक्षणहीन और लक्षणयुक्त संक्रमण: $I_s$ और $I_a$ के लिए अलग-अलग कम्पार्टमेंट्स और अलग-अलग प्रोग्रेशन एवं क्वारंटाइन दरें।
• क्वारंटाइन: दोनों लक्षणयुक्त और लक्षणहीन मामलों के अलगाव (isolation) का स्पष्ट मॉडलिंग।

गणितीय विश्लेषण
अध्ययन ने मॉडल के गुणात्मक गुणों का कड़ाई से विश्लेषण किया:

1. बेसिक रिप्रोडक्शन नंबर ($R_0$): नेक्स्ट-जेनरेशन मैट्रिक्स दृष्टिकोण का उपयोग करके $R_0$ को व्युत्पन्न किया गया। विभिन्न व्यवहारिक संतुलनों के अनुरूप दो अलग-अलग $R_0$ मानों की गणना की गई: $R_0^{(1)}$ बिना टीकाकरण की स्थिति ($X=0$) के लिए, और $R_0^{(2)}$ पूर्ण-टीकाकरण की स्थिति ($X=1$) के लिए।
2. साम्य बिंदु (Equilibrium Points): डिजीज-फ्री इक्विलिब्रियम (DFE) और एंडेमिक इक्विलिब्रियम (EE) की उपस्थिति स्थापित की गई।
   • DFE स्थानीय रूप से एसिम्प्टोटिक रूप से स्थिर (LAS) है यदि $R_0 < 1$ हो।
   • EE मौजूद होता है और LAS होता है यदि $R_0 > 1$ हो, जो राउथ-हर्विट्ज़ स्थिरता स्थितियों के अधीन है।
3. संवेदनशीलता विश्लेषण (Sensitivity Analysis): $R_0$ को प्रभावित करने वाले मापदंडों की पहचान करने के लिए नॉर्मलाइज्ड फॉरवर्ड सेंसिटिविटी इंडेक्स की गणना की गई। संचरण दरों ($\beta, \beta_1$) ने उच्चतम सकारात्मक संवेदनशीलता दिखाई, जबकि क्वारंटाइन दरों ($\gamma_s, \gamma_a$) और टीकाकरण दरों ($\nu$) ने महत्वपूर्ण नकारात्मक संवेदनशीलता दिखाई।
4. संख्यात्मक सिमुलेशन: सिस्टम को चौथे-पांचवें क्रम के रनगे-कुट्टा (RK45) विधि का उपयोग करके हल किया गया। अध्ययन ने पैरामीटर इंटरैक्शन का पता लगाने के लिए पार्शियल रैंक कोरिलेशन कोएफिशिएंट (PRCC) विश्लेषण, कंटूर प्लॉट्स, हीटमैप्स और टाइम-सीरीज सिमुलेशन का उपयोग किया।

प्रमुख परिणाम

• व्यवहारिक गतिशीलता: सिमुलेशन प्रदर्शित करते हैं कि टीकाकरण व्यवहार ($X$) स्थिर नहीं है; यह तब बढ़ता है जब संक्रमण की कथित लागत बढ़ती है (जो उच्च $I_s + I_a$ द्वारा संचालित होती है) और तब घटता है जब टीकाकरण की कथित लागत ($C_v$) अधिक होती है।
• अपूर्ण टीकाकरण का प्रभाव: मॉडल पुष्टि करता है कि ब्रेकथ्रू संक्रमण (जो $\beta_1$ द्वारा नियंत्रित होते हैं) और इम्युनिटी का कम होना ($\phi$), टीकाकरण की उपस्थिति में भी, प्रभावी रिप्रोडक्शन नंबर ($R_{0,eff}$) और संक्रमण के शिखर आकार को महत्वपूर्ण रूप से बढ़ाते हैं।
• नियंत्रण रणनीतियाँ: संवेदनशीलता विश्लेषण और कंटूर प्लॉट्स संकेत देते हैं कि संचरण दरों को कम करना, इम्युनिटी के कम होने को न्यूनतम करना और ब्रेकथ्रू संक्रमणों को सीमित करना आवश्यक है। हालाँकि, अध्ययन इस बात पर प्रकाश डालता है कि व्यवहारिक पैरामीटर भी समान रूप से महत्वपूर्ण हैं; टीकाकरण की कथित लागत ($C_v$) को कम करना या संक्रमण की कथित लागत ($C$) को बढ़ाना टीकाकरण अपटेक को काफी बढ़ाता है और प्रकोपों को दबा देता है।
• मॉडल सत्यापन: मॉडल को 1 जुलाई, 2025 से 30 मई, 2026 तक जापान में साप्ताहिक पुष्ट इन्फ्लुएंजा मामलों के विरुद्ध मान्य किया गया। सिम्युलेटेड डेटा ने देखे गए डेटा के साथ संतोषजनक सहमति दिखाई, जिससे प्राप्त हुआ:
  • रूट मीन स्क्वायर एरर (RMSE): 109.4976
  • मीन एब्सोल्यूट एरर (MAE): 75.1195
  • कोएफिशिएंट ऑफ डिटरमिनेशन ($R^2$): 0.7247
  • रेसिडुअल विश्लेषण ने कोई व्यवस्थित पूर्वाग्रह (bias) नहीं दिखाया, जो यह सुझाव देता है कि मॉडल सामान्य महामारी प्रोफाइल, जिसमें शिखर और गिरावट के चरण शामिल हैं, को कैप्चर करता है।

महत्व और दावे
पेपर का दावा है कि इसका प्राथमिक योगदान एक एकीकृत गणितीय ढांचे के भीतर समय-निर्भर व्यवहारिक टीकाकरण गतिशीलता को अपूर्ण टीकाकरण और क्वारंटाइन के साथ एकीकृत करना है। एक स्थिर टीकाकरण दर से आगे बढ़कर, यह मॉडल इस बात का अधिक यथार्थवादी प्रतिनिधित्व प्रदान करता है कि कैसे सार्वजनिक धारणा और लागत-लाभ विश्लेषण महामारी के प्रक्षेपवक्र (trajectories) को प्रभावित करते हैं।

लेखक तर्क देते हैं कि मॉडल स्वाइन फ्लू संचरण को समझने के लिए एक उपयोगी ढांचा प्रदान करता है, और यह सुझाव देते हैं कि प्रभावी शमन रणनीतियों (mitigation strategies) को केवल जैविक हस्तक्षेपों से परे जाना चाहिए। विशेष रूप से, वे निष्कर्ष निकालते हैं कि टीकाकरण कवरेज में सुधार करने, क्वारंटाइन को मजबूत करने और संचरण दरों को कम करने के साथ-साथ ऐसी रणनीतियों को भी अपनाना चाहिए जो संक्रमण की लागत के सापेक्ष टीकाकरण की कथित लागत को कम करती हों ताकि सकारात्मक व्यवहारिक प्रतिक्रियाओं को बढ़ावा दिया जा सके।

अध्ययन विनम्रतापूर्वक सीमाओं को स्वीकार करता है, यह नोट करते हुए कि मॉडल समरूप जनसंख्या मिश्रण (homogeneous population mixing) को मानता है और इसमें स्थानिक विषमता (spatial heterogeneity), आयु संरचना, स्टोकेस्टिक प्रभाव, मीडिया प्रभाव, या व्यक्तिगत मनोवैज्ञानिक अंतर को स्पष्ट रूप से शामिल नहीं किया गया है। भविष्य के कार्य में टीकाकरण व्यवहार की अधिक व्यापक समझ के लिए इन कारकों को शामिल करने हेतु इस ढांचे का विस्तार करने का प्रस्ताव दिया गया है।