Development of a Process-Based and Machine Learning Early Warning System for Malaria Transmission Dynamics under Multi-Scenario Climate Change: A Subnational Assessment of the North Bank Region of The Gambia
यह अध्ययन द गाम्बिया के नॉर्थ बैंक क्षेत्र में मलेरिया संचरण अंतराल (ट्रांसमिशन लैग्स) को मापने के लिए 11 वर्षों के निगरानी और मौसम संबंधी डेटा का उपयोग करके एक रैंडम फॉरेस्ट-आधारित प्रारंभिक चेतावनी प्रणाली विकसित और मान्य करता है, जो यह अनुमान लगाता है कि भविष्य के जलवायु परिदृश्यों के तहत सक्रिय, जलवायु-सूचित हस्तक्षेपों से 2055 तक 42,000 से अधिक मामलों को रोका जा सकता है और स्वास्थ्य देखभाल लागत में लगभग $190,000 की बचत की जा सकती 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
पश्चिम अफ्रीकी साहेल में, जो महाद्वीप के आर-पार फैला एक विशाल अर्ध-शुष्क क्षेत्र है, मलेरिया का खतरा एक निरंतर, बदलता हुआ साया बना रहता है। दशकों से, स्वास्थ्य अधिकारी इस बीमारी से प्रतिक्रियात्मक रूप से लड़ते रहे हैं: क्लिनिकों में मामले दिखने के बाद उनकी गिनती करना और फिर उन क्षेत्रों में मच्छरदानी या दवा वितरित करना जहाँ सबसे अधिक प्रभाव पड़ा हो। यह दृष्टिकोण काम तो करता है, लेकिन यह हमेशा एक कदम पीछे रहता है। इस क्षेत्र में मलेरिया के प्रकोप का वास्तविक चालक मौसम है। बारिश मच्छरों के प्रजनन के लिए पानी के कुंड बनाती है, और तापमान यह निर्धारित करता है कि मच्छर के भीतर मलेरिया परजीवी कितनी तेजी से बढ़ता है। हालांकि, बारिश और बीमारी के बीच का संबंध तत्काल नहीं है। साहेल के कई हिस्सों में, पानी सतह पर अधिक समय तक नहीं टिकता; यह रेतीली मिट्टी में समा जाता है या छिपे हुए मिट्टी के गड्ढों को भर देता है, जिससे मच्छरों के लिए आदर्श प्रजनन स्थल बनाने में हफ्तों या महीनों का समय लग जाता है। जब तक अस्पताल में पहला मरीज पहुँचता है, तब तक मच्छर पहले ही संख्या में बढ़ चुके होते हैं और बीमारी फैला चुके होते हैं। इस चक्र से आगे रहने के लिए, वैज्ञानिक अब एक नए प्रकार के पूर्वानुमान की ओर मुड़ रहे हैं जो महीनों पहले मौसम के पैटर्न को देखता है, और शक्तिशाली कंप्यूटर मॉडल का उपयोग करके यह भविष्यवाणी करता है कि बीमारी कहाँ हमला करेगी, इससे पहले कि पहला मच्छर काट ले।
एक हालिया अध्ययन ने, जो द गाम्बिया के नॉर्थ बैंक क्षेत्र (गाम्बिया नदी के उत्तरी किनारे पर स्थित एक संकीकी पट्टी) पर केंद्रित था, ठीक ऐसा ही करने के लिए एक प्रणाली विकसित की है। शोधकर्ताओं ने, जिनका नेतृत्व यूनिवर्सिटी ऑफ द गाम्बिया की उगोचिन्येरे अगाथा ओकाफोर कर रही थीं, एक ऐसा उपकरण बनाने का लक्ष्य रखा जो इस क्षेत्र की विशिष्ट भौगोलिक स्थिति को ध्यान में रखते हुए उच्च सटीकता के साथ मलेरिया के प्रकोप की भविष्यवाणी कर सके। यह क्षेत्र दो बहुत ही अलग वातावरणों में विभाजित है: पश्चिमी हिस्सा, जो तटीय और मैंग्रोव जंगलों के साथ गीला है, और पूर्वी हिस्सा, जो एक शुष्क, खुला सवाना है जिसमें रेतीली मिट्टी है। टीम यह समझना चाहती थी कि इन दो अलग-अलग क्षेत्रों में मौसम कैसे मलेरिया के मामलों के समय को प्रभावित करता है और जलवायु परिवर्तन के साथ भविष्य के प्रकोपों का पूर्वानुमान लगाने का सबसे अच्छा तरीका क्या है।
इस प्रणाली को बनाने के लिए, शोधकर्ताओं ने भारी मात्रा में ऐतिहासिक डेटा एकत्र किया। उन्होंने 2011 से 2021 तक स्थानीय अस्पतालों के ग्यारह वर्षों के मासिक रिकॉर्ड एकत्र किए, जिसमें मलेरिया के प्रत्येक पुष्ट मामले को ट्रैक किया गया। उन्होंने इसे विस्तृत मौसम डेटा के साथ जोड़ा, जिसमें जमीन पर स्थित स्टेशनों और उपग्रहों से प्राप्त वर्षा, आर्द्रता और तापमान शामिल थे। लक्ष्य यह पता लगाना था कि एक बारिश और मरीजों की संख्या में उछाल के बीच छिपे हुए समय अंतराल (टाइम डिले) क्या हैं। जोखिम के समय के साथ बदलने के तरीके को मैप करने वाली एक पद्धति का उपयोग करते हुए, उन्होंने खोजा कि बारिश और बीमारी के बीच का संबंध तात्कालिक नहीं है। शुष्क, रेतीले पूर्व में, बारिश को जमीन में समाने और प्राकृतिक मिट्टी के बेसिनों को भरने में लंबा समय लगता है जहाँ मच्छर अंडे देते हैं। अध्ययन में पाया गया कि प्रकोप की भविष्यवाणी करने के लिए सबसे महत्वपूर्ण कारक तीन महीने पहले हुई बारिश की मात्रा थी। यह तीन महीने का विलंब एक धीमे-प्रभावी ट्रिगर के रूप में कार्य करता है, जहाँ पानी धीरे-धीरे जमा होता है जब तक कि वह अंततः एक विशाल प्रजनन स्थल न बना दे। अधिक गीले, तटीय पश्चिम में, यह प्रक्रिया तेज है, जहाँ भारी बारिश के मात्र डेढ़ महीने बाद जोखिम चरम पर होता है, क्योंकि पानी पहले से ही ज्वारीय आर्द्रभूमि (वेटलैंड्स) में मौजूद होता है।
इसके बाद शोधकर्ताओं ने यह देखने के लिए कई अलग-अलग कंप्यूटर प्रोग्रामों का परीक्षण किया कि कौन सा भविष्य के इन प्रकोपों की सबसे अच्छी भविष्यवाणी कर सकता है। उन्होंने पारंपरिक जैविक मॉडलों, जो मच्छर के जीवन चक्र का अनुकरण करते हैं, की तुलना उन्नत मशीन लर्निंग एल्गोरिदम से की जो डेटा पैटर्न से सीखते हैं। उन्होंने इन विभिन्न प्रणालियों को एक सख्त परीक्षण के विरुद्ध खड़ा किया: उन्होंने मॉडलों से 2020 और 2021 के दौरान क्या होने वाला है, इसकी भविष्यवाणी करने को कहा, जो कि एक ऐसा कालखंड था जब वैश्विक महामारी ने सामान्य स्वास्थ्य रिपोर्टिंग को बाधित कर दिया था और डेटा में असामान्य अंतराल पैदा कर दिए थे। यह लचीलेपन का एक महत्वपूर्ण परीक्षण था। जटिल 'डीप लर्निंग' मॉडल, जिन्हें अक्सर डेटा पैटर्न खोजने की उनकी क्षमता के लिए सराहा जाता है, इस वातावरण में बुरी तरह विफल रहे। वे असामान्य डेटा से भ्रमित हो गए और अत्यधिक गलत भविष्यवाणियां करने लगे। इसके विपरीत, 'रैंडम फॉरेस्ट' नामक एक मशीन लर्निंग पद्धति, जो हजारों सरल निर्णय वृक्षों (डिसीजन ट्री) को बनाने और उनके उत्तरों को मिलाने के सिद्धांत पर काम करती है, सबसे विश्वसनीय साबित हुई। इसने प्रकोप के समय और आकार की सफलतापूर्वक भविष्यवाणी की, और डेटा के अस्त-व्यस्त होने पर भी अपनी त्रुटियों को कम रखा। इस मॉडल ने मलेरिया के मामलों के लगभग 96 प्रतिशत बदलावों की व्याख्या की, जिससे यह सिद्ध हुआ कि मौसम के पैटर्न, जब सही समय अंतराल के साथ देखे जाते हैं, इस क्षेत्र में बीमारी को चलाने वाला प्रमुख बल हैं।
एक विश्वसनीय पूर्वानुमान उपकरण हाथ में होने के साथ, टीम ने यह देखने के लिए भविष्य के वर्ष 2055 की ओर देखा कि जलवायु परिवर्तन जोखिम के परिदृश्य को कैसे बदल सकता है। उन्होंने अपने सर्वश्रेष्ठ मॉडल को दो अलग-अलग वैश्विक जलवायु सिमुलेशन के विरुद्ध चलाया, जो पृथ्वी के तापमान और वर्षा के लिए विभिन्न संभावित भविष्य का प्रतिनिधित्व करते हैं। परिणाम चौंकाने वाले थे। एक ऐसे परिदृश्य के तहत जहाँ वैश्विक उत्सर्जन बिना किसी नियंत्रण के बढ़ता रहता है, वह सुरक्षात्मक अवरोध जो वर्तमान में शुष्क आंतरिक भाग को उच्च मलेरिया दरों से सुरक्षित रखता है, समाप्त हो जाएगा। सदी के मध्य तक, शुष्क पूर्वी सवाना में मलेरिया का जोखिम बढ़कर गीले तटीय पश्चिम में पहले से ही देखे जा रहे उच्च जोखिम के बराबर हो जाएगा। दोनों विशिष्ट क्षेत्र उच्च रोग संचरण के एक एकल, एकीकृत गलियारे में विलीन हो जाएंगे। सिमुलेशन बताते हैं कि 2055 तक, पूरा क्षेत्र 90 प्रतिशत से अधिक के जोखिम स्तर का सामना कर सकता है, जिसका अर्थ है कि नॉर्थ बैंक का लगभग हर हिस्सा मलेरिया संचरण के लिए अत्यधिक उपयुक्त होगा।
अध्ययन ने इस प्रारंभिक चेतावनी प्रणाली का उपयोग करने के आर्थिक मूल्य की भी गणना की। यदि स्वास्थ्य अधिकारी इन भविष्यवाणियों का उपयोग प्रकोप शुरू होने से पहले सही स्थानों पर मच्छरदानी और दवा भेजने के लिए कर सकते हैं, तो वे हजारों मामलों को रोक सकते हैं। शोधकर्ताओं ने अनुमान लगाया कि इन पूर्वानुमानों द्वारा निर्देशित एक प्रतिक्रियात्मक दृष्टिकोण के बजाय एक सक्रिय दृष्टिकोण अपनाकर, क्षेत्र मध्य-सदी तक केवल आंतरिक भाग में ही 42,100 मामलों को रोक सकता है। इस क्षेत्र के लिए उपचार लागत में लगभग $189,450 की बचत होगी, जबकि तटीय क्षेत्र में बचत और भी अधिक होगी। अध्ययन निष्कर्ष निकालता है कि इन जलवायु-सूचित भविष्यवाणी उपकरणों में निवेश करना केवल एक वैज्ञानिक अभ्यास नहीं बल्कि एक अनिवार्य आवश्यकता है। यह समझने के माध्यम से कि बारिश किस तरह से धीरे-धीरे बीमारी में बदलती है, और इन परिवर्तनों को ट्रैक करने के लिए मजबूत कंप्यूटर मॉडलों का उपयोग करके, स्वास्थ्य अधिकारी बदलती जलवायु के बढ़ते खतरों से कमजोर समुदायों की रक्षा कर सकते हैं।
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।