Developing Estimating Incidences of Foodborne Diseases: Probabilistic Profiling Modelling
इस अध्ययन ने सऊदी अरब में सीमित निगरानी डेटा का उपयोग करके प्रमुख खाद्य जनित रोगों के प्रसार का सटीक अनुमान लगाने के लिए डब्ल्यूएचओ (WHO) लिफाफा सिद्धांतों (envelope principles) से अनुकूलित एक सुदृढ़ संभाव्य मॉडलिंग ढांचे को विकसित और मान्य किया है, जिससे साक्ष्य-आधारित सार्वजनिक स्वास्थ्य निर्णय लेने में सहायता मिलती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
खाद्य सुरक्षा की दुनिया की कल्पना एक विशाल, हलचल भरी रसोई के रूप में करें जहाँ हर दिन लाखों भोजन परोसे जाते हैं। कभी-कभी, अदृश्य शरारती तत्व जैसे कि सूक्ष्म बैक्टीरिया चुपके से भोजन में घुस जाते हैं, जिससे लोग बीमार पड़ जाते हैं। वैज्ञानिक इसे "खाद्य जनित रोग" (foodborne diseases) कहते हैं। लंबे समय से, स्वास्थ्य अधिकारियों के पास एक पेचीदा समस्या रही है: वे केवल उन लोगों की गिनती कर सकते हैं जो वास्तव में अस्पताल जाते हैं या डॉक्टर को बताते हैं कि वे बीमार हैं। लेकिन उन लाखों लोगों का क्या जो पेट दर्द महसूस करते हैं, घर पर ही रहते हैं, सूप पीकर आराम करते हैं और कभी इसकी रिपोर्ट नहीं करते? यह मछली के एक तालाब में कितने जीव हैं, इसका अनुमान लगाने के लिए केवल उन्हीं को गिनने जैसा है जो किनारे पर कूदते हुए दिखाई देते हैं। इस समस्या को हल करने के लिए, वैज्ञानिक "मॉडल" का उपयोग करते हैं, जो मूल रूप से फैंसी कंप्यूटर सिमुलेशन हैं जो एक क्रिस्टल बॉल (भविभ्वेदक) की तरह काम करते हैं। वे दिखने वाले कुछ ही जीवों को लेते हैं और यह अनुमान लगाने के लिए गणित का उपयोग करते हैं कि पानी के नीचे कितने छिपे हुए हैं। यह शोध पत्र सऊदी अरब के लिए एक बेहतर, अधिक सटीक "क्रिस्टल बॉल" बनाने के बारे में है, ताकि यह पता लगाया जा सके कि खराब भोजन से वास्तव में कितने लोग बीमार हो रहे हैं, भले ही उन्होंने कभी किसी को बताया न हो।
इस अध्ययन के पीछे की टीम, जिसका नेतृत्व सऊदी खाद्य एवं औषधि प्राधिकरण (SFDA) और प्रिंसेस नोराह बिंत अब्दुलरहमान विश्वविद्यालय के शोधकर्ताओं द्वारा किया गया था, ने एक नए प्रकार का "प्रोबेबिलिस्टिक प्रोफाइलिंग मॉडल" (संभाव्यता प्रोफाइलिंग मॉडल) बनाने का निर्णय लिया। इस मॉडल को एक अत्यंत बुद्धिमान जासूस के रूप में समझें जो न केवल अपराध स्थल (रिपोर्ट किए गए मामलों) को देखता है, बल्कि अपराध की पूरी कहानी को समझने की भी कोशिश करता है, जिसमें वे हिस्से भी शामिल हैं जिन्हें किसी ने नहीं देखा। उन्होंने "एनवेलप अप्रोच" (लिफाफा पद्धति) नामक एक विधि का उपयोग किया, जो सभी संभावित मामलों के चारों ओर एक विशाल बॉक्स खींचने जैसा है। इस बॉक्स के भीतर, उन्होंने दो प्रकार के सुरागों को मिलाया: 2015 और 2018 के बीच रियाद में रिपोर्ट किए गए बीमार लोगों की वास्तविक संख्या, और विश्व स्वास्थ्य संगठन (WHO) के बड़े वैश्विक अनुमान कि विभिन्न बैक्टीरिया कितनी बार परेशानी पैदा करते हैं।
शोधकर्ताओं ने चार विशिष्ट "अपराधियों" पर ध्यान केंद्रित किया: साल्मोनेला (Salmonella), शिगेला (Shigella), स्टैफिलोकोकस ऑरियस (Staphylococcus aureus), और बैसिलस सेरियस (Bacillus cereus)। उन्होंने अपने कंप्यूटर सिमुलेशन को 10,000 बार चलाया (एक प्रक्रिया जिसे मोंटे कार्लो सिमुलेशन कहा जाता है) यह देखने के लिए कि संख्याएँ कैसे ऊपर-नीचे हो सकती हैं। यह एक बार अनुमान लगाने के बजाय सबसे संभावित परिणाम देखने के लिए 10,000 बार पासा फेंकने जैसा है। लक्ष्य बीमार लोगों की कुल संख्या का अनुमान लगाना था, जिनमें वे "मौन" लोग भी शामिल हैं जिन्होंने कभी रिपोर्ट नहीं किया।
परिणाम काफी उत्साहजनक थे। मॉडल ने सुझाव दिया कि सऊदी अरब में हर साल लगभग 2.63 मिलियन खाद्य जनित बीमारी के मामले होते हैं। यह एक बहुत बड़ी संख्या है! हालांकि, आधिकारिक रिपोर्ट केवल एक बहुत छोटे हिस्से को ही पकड़ पाती हैं। उदाहरण के लिए, रियाद शहर में, मॉडल ने भविष्यवाणी की कि साल्मोनेला प्रति वर्ष लगभग 62 रिपोर्ट किए गए मामले उत्पन्न करेगा, जबकि वास्तविक रिकॉर्ड में 70 मामले थे। शिगेला के लिए, मॉडल ने 36 मामलों का अनुमान लगाया, जबकि रिकॉर्ड में 37 थे। स्टैफिलोकोकस ऑरियस के लिए, मॉडल और रिकॉर्ड दोनों पूरी तरह से सहमत थे (3 मामले)। एकमात्र मामला थोड़ा कठिन था, जो बैसिलस सेरियस का था, जहाँ मॉडल ने 0.3 मामले का अनुमान लगाया (जिसका अर्थ है औसतन प्रति वर्ष एक से कम मामला) जबकि रिकॉर्ड में 0.25 था। मॉडल के अनुमान और वास्तविक रिकॉर्ड के बीच का अंतर बहुत कम था—मुख्य बैक्टीरिया के लिए आमतौर पर 11% से भी कम।
लेखक सुझाव देते हैं कि उनका नया मॉडल खाद्य बीमारी के वास्तविक बोझ का अनुमान लगाने के लिए एक विश्वसनीय उपकरण है, भले ही डेटा कम हो। उन्होंने पाया कि मॉडल की भविष्यवाणियां वास्तव में देखे गए आंकड़ों के बहुत करीब थीं, जिसका "बायस फैक्टर" (पूर्वाग्रह कारक) 1.015 था, जो व्यावहारिक रूप से पूर्ण है (एक स्कोर 1 का अर्थ है कि अनुमान बिल्कुल सही है)। यह सुझाव देता है कि मॉडल खतरे को बहुत अधिक बढ़ा-चढ़ाकर या बहुत कम करके नहीं बता रहा है। हालांकि, उन्होंने यह भी नोट किया कि बैसिलस सेरियस के लिए, संख्याएं थोड़ी अनिश्चित थीं क्योंकि देखने के लिए बहुत कम मामले थे, जिससे सटीकता कठिन हो गई।
यह क्यों मायने रखता है? यह शोध पत्र तर्क देता है कि यह मॉडल स्वास्थ्य अधिकारियों को खाद्य जनित रोग के "आइसबर्ग" (हिमखंड) को देखने में मदद करता है। आइसबर्ग का ऊपरी हिस्सा वह है जो हम रिपोर्टों में देखते हैं, लेकिन पानी के नीचे का विशाल हिस्सा अनरिपोर्टेड बीमारी का है। इस कंप्यूटर मॉडल का उपयोग करके, SFDA जैसे संस्थान यह तय करने के लिए स्मार्ट निर्णय ले सकते हैं कि निरीक्षकों को कहाँ भेजना है और जनता की रक्षा कैसे करनी है। लेखक निष्कर्ष निकालते हैं कि हालांकि यह मॉडल उपलब्ध डेटा के लिए अच्छी तरह से काम करता है, लेकिन इसे मानक उपकरण बनने से पहले अन्य क्षेत्रों और बैक्टीरिया के अधिक प्रकारों के साथ परीक्षण करने की आवश्यकता है। यह एक मजबूत कदम है, लेकिन काम अभी समाप्त नहीं हुआ 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।