📊 सांख्यिकी

Modelling HIV Drug Resistance Dynamics with Pre- and Post-Treatment Resistance Profiling in Botswana

यह अध्ययन गणितीय मॉडलिंग और बायेसियन अनुमान (Bayesian inference) का उपयोग यह प्रदर्शित करने के लिए करता है कि बोत्सवाना में व्यवस्थित एचआईवी दवा प्रतिरोध प्रोफाइलिंग को लागू करने से उपचार व्यवस्थाओं को अनुकूलित करके और प्रभावी प्रजनन संख्या को कम करके संचरण दरों और एड्स की प्रगति में महत्वपूर्ण रूप से कमी आती है।

मूल लेखक: Refilwe Matlou, Tefa Kaisara, Farai Nyabadza

प्रकाशित 2026-10-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Refilwe Matlou, Tefa Kaisara, Farai Nyabadza

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

एचआईवी के खिलाफ लड़ाई में, एक ऐसा वायरस जिसने दशकों तक सार्वजनिक स्वास्थ्य को प्रभावित किया है, लक्ष्य लंबे समय से एक घातक संक्रमण को एक प्रबंधनीय पुरानी स्थिति (क्रोनिक कंडीशन) में बदलना रहा है। यह परिवर्तन एंटीरेट्रोवाइरल थेरेपी पर निर्भर करता है, जो दवाओं का एक दैनिक नियम है जो वायरस को दबाता है और लोगों को लंबे, स्वस्थ जीवन जीने की अनुमति देता है। हालाँकि, यह वायरस अनुकूलन का एक उस्ताद है। यह तेजी से प्रतिकृति बनाता है और बार-बार गलतियाँ करता है, जिससे नए रूपांतर (वेरिएशन) बनते हैं। कभी-कभी, ये रूपांतर उन दवाओं के प्रति स्वाभाविक रूप से प्रतिरोधी होते हैं जिनका उपयोग उनके उपचार के लिए किया जाता है। जब कोई व्यक्ति पहले से ही प्रतिरोधी वायरस के साथ उपचार शुरू करता है, या जब उपचार के दौरान वायरस प्रतिरोध विकसित कर लेता है, तो रक्षा की पहली पंक्ति विफल हो जाती है। रोगी बीमार रहता है, वायरस फैलता रहता है, और स्वास्थ्य प्रणाली को अधिक जटिल, महंगी और अक्सर कम सुलभ दूसरी या तीसरी पंक्ति के उपचार को खोजने के लिए संघर्ष करना पड़ता है। उच्च संक्रमण दर वाले देशों के लिए चुनौती केवल दवा प्रदान करना नहीं है, बल्कि यह सुनिश्चित करना है कि सही दवा सही व्यक्ति तक सही समय पर पहुँचे।

बोत्सवाना, दक्षिण अफ्रीका का एक राष्ट्र जहाँ दुनिया में एचआईवी की सबसे अधिक दरों में से एक है, उपचार तक पहुँच बढ़ाने में एक वैश्विक अग्रणी रहा है। 2021 तक, देश ने उल्लेखनीय मील के पत्थर हासिल कर लिए थे, जिसमें लगभग सभी लोग जो अपनी स्थिति जानते थे उन्हें देखभाल मिल रही थी और उपचार प्राप्त करने वाले अधिकांश लोगों ने वायरल दमन (वायरल सप्रेशन) प्राप्त कर लिया था। फिर भी, इस सफलता की कहानी में भी, ड्रग रेजिस्टेंस (दवा प्रतिरोध) का साया मंडरा रहा है। हालाँकि देश ने हाल ही में अपने मानक पहली पंक्ति के उपचार को एक अधिक मजबूत दवा में बदल दिया है, फिर भी प्रतिरोध का खतरा बना हुआ है। स्वास्थ्य अधिकारियों के लिए एक महत्वपूर्ण प्रश्न यह है कि क्या उपचार शुरू करने से पहले लोगों का ड्रग रेजिस्टेंस के लिए परीक्षण करना—यह देखने के बजाय कि उपचार कब विफल होता है—प्रतिरोधी उपभेदों (स्ट्रेन्स) के प्रसार को रोक सकता है और परिणामों में सुधार कर सकता है। इसका उत्तर देने के लिए, शोधकर्ताओं रिफिल्वे माटलो, टेफा कैसारा और फरई न्याबाडज़ा ने बोत्सवाना में एचआईवी संचरण की गतिशीलता का अनुकरण करने के लिए एक गणितीय मॉडल बनाया, जिसमें एक ऐसी प्रणाली की तुलना की गई जहाँ हर कोई एक ही पहली पंक्ति की दवा से शुरू करता है बनाम एक ऐसी प्रणाली जहाँ रोगियों का पहले प्रतिरोध के लिए परीक्षण किया जाता है।

शोधकर्ताओं ने जनसंख्या का एक विस्तृत सिमुलेशन बनाया, लोगों को उनके स्वास्थ्य की स्थिति और उपचार यात्रा के आधार पर समूहों में विभाजित किया। उन्होंने उन लोगों को ट्रैक किया जो संक्रमण के प्रति संवेदनशील थे, वे जो दवा-संवेदनशील वायरस से संक्रमित थे, वे जो पहले से ही दवाओं के प्रति प्रतिरोधी वायरस से संक्रमित थे, और वे जो वर्तमान में विभिन्न स्तरों का उपचार प्राप्त कर रहे थे। उन्होंने बीमारी के सबसे गंभीर चरण तक की प्रगति का भी अनुसरण किया। मॉडल ने उन्हें दो अलग-अलग परिदृश्य चलाने की अनुमति दी। पहले परिदृश्य में, जो अतीत या बिना प्री-ट्रीटमेंट टेस्टिंग वाली प्रणाली का प्रतिनिधित्व करता है, एचआईवी से निदान किया गया प्रत्येक व्यक्ति मानक पहली पंक्ति के उपचार से शुरू हुआ। यदि दवा ने काम नहीं किया, तो वे अंततः दूसरे या तीसरे पंक्ति के उपचार पर स्विच करेंगे, लेकिन केवल विफलता की एक अवधि के बाद। दूसरे परिदृश्य में, जो रेजिस्टेंस प्रोफाइलिंग वाली प्रणाली का प्रतिनिधित्व करता है, व्यक्तियों का निदान के तुरंत बाद परीक्षण किया गया। यदि परीक्षण ने एक प्रतिरोधी वायरस का पता लगाया, तो उन्हें पहली पंक्ति के उपचार को पूरी तरह से छोड़कर सीधे अधिक उन्नत, प्रभावी उपचार पर डाल दिया गया।

सिमुलेशन से पता चला कि उपचार से पहले परीक्षण करने का यह सक्रिय दृष्टिकोण वायरस के फैलने की क्षमता को काफी कम कर देता है। शोधकर्ताओं ने पाया कि जब प्रतिरोधी वायरस वाले लोगों की जल्दी पहचान कर ली जाती है और उन्हें सीधे सही, मजबूत दवा पर स्थानांतरित कर दिया जाता है, तो वायरस बहुत तेजी से दमित हो जाता है। यह तीव्र दमन उनके रक्त में वायरस की मात्रा को कम करता है, जिससे उनके दूसरों को संक्रमण फैलाने की संभावना बहुत कम हो जाती है। मॉडल में, इस रणनीति में बदलाव ने 'बेसिक रिप्रोडक्शन नंबर' को कम कर दिया, जो एक व्यक्ति द्वारा किए जाने वाले नए संक्रमणों का माप है, जिससे महामारी की गति प्रभावी रूप से धीमी हो गई। अध्ययन ने दिखाया कि इस लाभ के पीछे दो मुख्य कारक हैं: प्रतिरोधी मामलों की तत्काल पहचान उन्हें अप्रभावी दवाओं पर समय बर्बाद करने से रोकती है, और इन मामलों का सफल उपचार दूसरों को संक्रमित करने की उनकी क्षमता को कम करता है।

शोधकर्ताओं ने यह भी पता लगाया कि दूसरी पंक्ति की दवाओं की प्रभावशीलता परिणामों को कैसे प्रभावित करती है। उनके मॉडल ने संकेत दिया कि यह रणनीति तब सबसे अच्छा काम करती है जब उन्नत उपचार वायरस को दबाने में अत्यधिक प्रभावी होते हैं। यदि दूसरी पंक्ति की दवाएं पर्याप्त शक्तिशाली नहीं हैं, या यदि रोगी उन्हें लगातार लेने में संघर्ष करते हैं, तो परीक्षण रणनीति का लाभ कम हो जाता है। सिमुलेशन ने सुझाव दिया कि संचरण में सबसे बड़ी कमी तब आती है जब उच्च-गुणवत्ता वाले परीक्षण, प्रभावी दूसरी पंक्ति की दवाओं तक तत्काल पहुँच और रोगियों को उनकी दवा का पालन करने के लिए मजबूत समर्थन का संयोजन होता है। अध्ययन ने इस बात पर प्रकाश डाला कि केवल परीक्षण होना ही पर्याप्त नहीं है; पूरे तंत्र को परिणामों पर त्वरित कार्रवाई करने के लिए तैयार होना चाहिए।

इसके अलावा, मॉडल ने प्रदर्शित किया कि रेजिस्टेंस प्रोफाइलिंग उपचार के परिदृश्य को बदल देती है। परीक्षण वाले सिम्युलेटेड भविष्य में, कम लोग विफल होती पहली पंक्ति के उपचारों पर फंसे रहेंगे, और उन्नत चिकित्सा प्राप्त करने वाली जनसंख्या अधिक कुशलता से बढ़ेगी। इसका मतलब यह नहीं है कि कुल मिलाकर अधिक लोग उपचार में विफल हो रहे हैं; बल्कि इसका अर्थ यह है कि सही लोगों को तुरंत सही उपचार मिल रहा है। सिमुलेशन ने बीमारी के सबसे गंभीर चरण, जिसे एड्स (AIDS) के रूप में जाना जाता है, की ओर बढ़ने वाले लोगों की संख्या में स्पष्ट कमी दिखाई। शोधकर्ताओं ने निष्कर्ष निकाला कि बोत्सवाना जैसे देश के लिए, जहाँ एचआईवी का बोझ भारी है, नियमित रेजिस्टेंस टेस्टिंग को मानक देखभाल में एकीकृत करना एक महत्वपूर्ण कदम है। यह उपचार कवरेज में की गई प्रगति को सुरक्षित करने का एक तरीका प्रदान करता है, यह सुनिश्चित करते हुए कि उपयोग की जा रही दवाएं वास्तव में काम कर रही हैं, जिससे प्रतिरोधी उपभेदों के प्रसार को रोका जा सकता है और जीवन बचाया जा सकता है।

तकनीकी सारांश: बोत्सवानाना में प्री- और पोस्ट-ट्रीटमेंट रेजिस्टेंस प्रोफाइलिंग के साथ एचआईवी ड्रग रेजिस्टेंस डायनेमिक्स का मॉडलिंग

समस्या विवरण
बोत्सवाना में एंटीरेट्रोवाइरल थेरेपी (ART) कवरेज में महत्वपूर्ण प्रगति के बावजूद, एचआईवी ड्रग रेजिस्टेंस (HIVDR) का उभरना और प्रसार उपचार की सफलताओं के लिए खतरा पैदा कर रहा है। यह अध्ययन इस महत्वपूर्ण अंतराल को संबोधित करता है कि कैसे रिएक्टिव रेजिस्टेंस मैनेजमेंट (रेजिस्टेंस स्टेटस की परवाह किए बिना सभी रोगियों को फर्स्ट-लाइन ART देना) से प्रोएक्टिव रेजिस्टेंस प्रोफाइलिंग (उपचार शुरू करने से पहले रेजिस्टेंस के लिए परीक्षण करना) में संक्रमण, ट्रांसमिशन डायनेमिक्स को प्रभावित करता है। विशेष रूप से, लेखक यह मात्रात्मक रूप से समझना चाहते हैं कि ART-नेव (ART-naive) व्यक्तियों में ड्रग-रेसिस्टेंट स्ट्रेन की पहचान करने और उन्हें तुरंत उपयुक्त सेकंड- या थर्ड-लाइन रेजिमेनों की ओर निर्देशित करने के महामारी विज्ञान संबंधी लाभ क्या हैं, बजाय इसके कि उन्हें अप्रभावी फर्स्ट-लाइन थेरेपी दी जाए जो आगे चलकर रेजिस्टेंस और रोग के बढ़ने को बढ़ावा देती है।

कार्यप्रणाली (Methodology)
लेखकों ने बोtsवाना में एचआईवी ट्रांसमिशन डायनेमिक्स को सिम्युलेट करने के लिए दो डिटरमिनिस्टिक कम्पार्टमेंटल मैथमेटिकल मॉडल विकसित किए हैं:

प्री-रेजिस्टेंस प्रोफाइलिंग मॉडल ( $\rho = 0$ ): यह मानक देखभाल दृष्टिकोण का प्रतिनिधित्व करता है जहाँ सभी नए संक्रमित व्यक्तियों को फर्स्ट-लाइन ART शुरू किया जाता है। ट्रीटमेंट फेलियर होने पर, वियरोलॉजिकल फेलियर का पता चलने के बाद ही उन्हें सेकंड- या थर्ड-लाइन रेजिमेनों पर स्विच किया जाता है।
पोस्ट-रेजिस्टेंस प्रोफाइलिंग मॉडल ( $0 < \rho \leq 1$ ): इसमें एक रेजिस्टेंस प्रोफाइलिंग पैरामीटर ( $\rho$ ) शामिल है, जो उपचार शुरू करने से पहले पहचाने गए रेजिस्टेंट संक्रमणों के अनुपात को दर्शाता है। इस परिदृश्य में, रेजिस्टेंट स्ट्रेन वाले व्यक्तियों को तुरंत सेकंड- या थर्ड-लाइन ART ( $T_2$ ) की ओर निर्देशित किया जाता है, जबकि सेंसिटिव स्ट्रेन वाले लोग फर्स्ट-लाइन ART ( $T_1$ ) के साथ आगे बढ़ते हैं।

मॉडल संरचना:
जनसंख्या को छह कम्पार्टमेंट्स में विभाजित किया गया है: सुसेप्टिबल ( $S$ ), ड्रग-सेंसिटिव इन्फेक्टेड ( $I_s$ ), ड्रग-रेसिस्टेंट इन्फेक्टेड ( $I_r$ ), फर्स्ट-लाइन ART ( $T_1$ ), सेकंड/थर्ड-लाइन ART ( $T_2$ ), और एड्स ( $A$ )। इन्फेक्शन का फोर्स ( $\lambda(\rho)$ ) विभिन्न कम्पार्टमेंट्स के बीच परिवर्तनशील संक्रामकता को ध्यान में रखता है, जिसमें प्रभावी एडवांस्ड रेजिमेनों पर व्यक्तियों के लिए एक रिडक्शन फैक्टर $\xi$ शामिल है।

विश्लेषण और अनुमान:

सैद्धांतिक विश्लेषण: लेखकों ने नेक्स्ट-जेनरेशन मैट्रिक्स पद्धति का उपयोग करके बेसिक रिप्रोडक्शन नंबर ( $R_0$ ) को व्युत्पन्न किया। उन्होंने कास्टिलो-चावेज़ दृष्टिकोण का उपयोग करके दोनों डिजीज-फ्री इक्विलिब्रियम (डिजीज-फ्री इक्विलिब्रियम) और एंडेमिक इक्विलिब्रियम के लिए ग्लोबल एसिम्प्टोटिक स्टेबिलिटी की स्थितियाँ स्थापित कीं।
पैरामीटर अनुमान: मॉडल के मापदंडों का अनुमान हैमिल्टोनियन मोंटे कार्लो (HMC) सैंपलिंग के माध्यम से स्टैन (Stan) का उपयोग करके बेयसियन इन्फरेंस के साथ किया गया। मॉडल को 2010 से 2023 तक बोत्सवाना में ART प्राप्त करने वाले वयस्कों के UNAIDS डेटा के विरुद्ध कैलिब्रेट किया गया।
सेंसिटिविटी एनालिसिस: $R_0$ और रेजिस्टेंस प्रोफाइलिंग की प्रभावशीलता के प्रमुख चालकों की पहचान करने के लिए पार्शियल रैंक कोरिलेशन कोएफिशिएंट्स (PRCC) की गणना की गई।

मुख्य परिणाम

ट्रांसमिशन क्षमता में कमी: सैद्धांतिक विश्लेषण से पता चलता है कि पूर्ण रेजिस्टेंस प्रोफाइलिंग के तहत बेसिक रिप्रोडक्शन नंबर ( $R_0^{post}$ ), प्री-प्रोफाइलिंग परिदृश्य ( $R_0^{pre}$ ) की तुलना में सख्ती से कम है, बशर्ते कि इन्फेक्टिविटी रिडक्शन पैरामीटर $\xi < 1$ हो। यह पुष्टि करता है कि रेजिस्टेंट व्यक्तियों को प्रभावी रेजिमेनों की ओर निर्देशित करने से समग्र इन्फेक्शन का फोर्स कम हो जाता है।
पैरामीटर संवेदनशीलता: प्रभावी ट्रांसमिशन रेट ( $\beta$ ) को $R_0$ के सबसे प्रभावशाली चालक के रूप में पहचाना गया। रेजिस्टेंस प्रोफाइलिंग अनुपात ( $\rho$ ) का $R_0$ के साथ एक मजबूत नकारात्मक सहसंबंध देखा गया, जो इंगित करता है कि प्रोफाइलिंग कवरेज में वृद्धि ट्रांसमिशन क्षमता को काफी कम कर देती है। इसके विपरीत, इन्फेक्टिविटी रिडक्शन पैरामीटर ( $\xi$ ) और स्विचिंग रेट ( $\epsilon$ ) का $R_0$ के साथ सकारात्मक सहसंबंध था; $\xi$ के उच्च मानों का अर्थ है $T_2$ क्लास में कम उपचार प्रभावशीलता, जबकि $\epsilon$ के लिए सकारात्मक सहसंबंध यह सुझाव देता है कि, अनुमानित पैरामीटर मानों के तहत, $T_2$ में तेजी से जाना संक्रामकता को पर्याप्त रूप से कम नहीं करता है (जो कि $\xi\kappa_3 > \kappa_2$ की स्थिति के अनुरूप है)।
सिमुलेशन परिणाम:
- ट्रीटमेंट एलोकेशन: $\rho$ में वृद्धि जनसंख्या वितरण को बदल देती है, जिससे अप्रभावी फर्स्ट-लाइन थेरेपी ( $T_1$ ) पर व्यक्तियों की संख्या कम होती है और उपयुक्त एडवांस्ड रेजिमेनों ( $T_2$ ) पर उनकी हिस्सेदारी बढ़ती है।
- रोग का बोझ: सिमुलेशन दिखाते हैं कि रेजिस्टेंस प्रोफाइलिंग से ड्रग-रेसिस्टेंट संक्रमणों ( $I_r$ ) की कुल संख्या में कमी आती है और एड्स ( $A$ ) की ओर बढ़ने की दर कम होती है।
- संक्रामकता: पोस्ट-प्रोफाइलिंग परिदृश्य में इन्फेक्शन का फोर्स ( $\lambda_{post}$ ), जैसे-जैसे एडवांस्ड रेजिमेनों की प्रभावकारिता ( $\xi$ ) में सुधार होता है, रैखिक रूप से घटता है। जब $\xi = 1$ (कोई रिडक्शन नहीं) होता है, तो प्रोफाइलिंग कोई ट्रांसमिशन लाभ नहीं देती है; जैसे-जैसे $\xi \to 0$ होता है, ट्रांसमिशन में कमी अधिकतम होती है।

महत्व और दावे
यह शोध दावा करता है कि व्यवस्थित रेजिस्टेंस प्रोफाइलिंग, तीव्र प्रभावी सेकंड- और थर्ड-लाइन रेजिमेनों तक त्वरित पहुंच के साथ, बोत्सवाना जैसे उच्च प्रसार वाले परिवेशों में HIVDR को नियंत्रित करने के लिए एक आवश्यक रणनीति है। अध्ययन गणितीय प्रमाण प्रदान करता है कि:

प्रोएक्टिव टेस्टिंग: उपचार शुरू करने से पहले रेजिस्टेंस की पहचान करना अप्रभावी फर्स्ट-लाइन दवाओं पर "समय की बर्बादी" को रोकता है, जिससे रेजिस्टेंट स्ट्रेन की संक्रामकता की अवधि कम हो जाती है।
नीतिगत निहितार्थ: प्रोफाइलिंग के लाभों को अधिकतम करने के लिए, स्वास्थ्य प्रणालियों को मजबूत प्रयोगशाला क्षमता, विश्वसनीय सेकंड- और थर्ड-लाइन दवाओं की आपूर्ति श्रृंखला और एडहेरेंस सपोर्ट प्रोग्राम सुनिश्चित करने चाहिए। इनके बिना, पैरामीटर $\rho$ का प्रभावी ढंग से उपयोग नहीं किया जा सकता है, और प्रोफाइलिंग के ट्रांसमिशन लाभ निष्प्रभावी हो जाते हैं।
महामारी विज्ञान संबंधी प्रभाव: रेजिस्टेंस-सूचित देखभाल (resistance-informed care) में संक्रमण का बदलाव रेजिस्टेंट एचआईवी के सामुदायिक स्तर के प्रसार को कम करता है और एड्स तक रोग के बढ़ने की प्रक्रिया को धीमा करता है, जो UNAIDS 95-95-95 लक्ष्यों को प्राप्त करने में सहायता करता है।

लेखक अपनी सीमाओं को स्वीकार करते हुए कहते हैं कि मॉडल प्रमुख आबादी में विषम संपर्क पैटर्न (heterogeneous contact patterns), प्री-एक्सपोज़र प्रोफिलैक्सिस (PrEP), या रेजिस्टेंस टेस्टिंग परिणामों में संभावित देरी को ध्यान में नहीं रखता है, जो भविष्य के अनुसंधान के लिए क्षेत्र सुझाते हैं।

इसी तरह के और पेपर